遥感影像空间增强与傅立叶变换滤波处理..docx

实习序号及题目第四次遥感影像空间增强与傅立叶变换滤波处理实习人姓名薛专业班级2014级地理信息科学e-mail地址@实习指导教师姓名党涛，李亚宁，任建平，韩希光实习地点榆中校区实验楼A109实习日期时间2016年 11月 18日实习目的和内容1.实习目的：理解遥感影像空间增强和傅立叶变换的概念和意义，掌握运用ENVI/IDL进行空间增强和傅立叶变换及滤波进行地形和地貌信息提取的步骤和方法。学会使用SRTM DEM数据应用的初步步骤。2.实习内容：利用下述操作对下载的DEM数据进行处理，比较变换前后影像的显示结果从下载的ASTER DEM中选取512×512子区数据，显示分析研究区地形地貌特征完成如下卷积增强运算，比较变换前后影像中地形/地貌信息上的差异：高通滤波拉普拉斯变换定向增强高斯高通滤波Sobel边缘增强Roberts算子增强纹理运算，比较变换前后影像中地形/地貌信息上的差异：一阶纹理运算二阶纹理运算周期噪声去除：利用傅立叶变换对影像tm_1.img所有7个波段进行处理，选择恰当的参数消除影像上的噪声信号原理和方法 基本概念：1. ?空间卷积：又称为空间滤波（filtering），系采用空间域的处理方法，在邻域像元的参不下迚行运算处理，由此生成的影像中各个像元的值是原影像对应像元及其邻域像元灰度值的加权和。通过空间卷积运算达到突出影像空间中的变化或变异性规律，或抑制噪声信号的目的。设窗口大小为m×n，（i,?j）是窗口中心像元，f(x,y)是影像像元值，g(i,j)是运算结果，h(x,y)是窗口模板，那么卷积计算的一般公式为：m,ng(I,j)=∑∑(f(x,y)·h(x,y)) y=1,x=1其中，模板即积运算的邻域像元权重系数矩阵，定制的邻域运算关系式，又称卷积核（convolution kernel）、卷积函数、滤波器（filtering）。2. 纹理分析：纹理是一种重要的视觉信息，主要体现遥感图像中局部灰度或者彩色的有规律的重复出现。它是影像中第五形状、大小、色彩的综合体现，为遥感影像的目视解译提供了有力的信息。通过一阶纹理运算与二阶纹理运算可以比较影像地形、地物上的差异。3. 傅里叶变换消除噪声是在完成了傅里叶变换之后，通过观察频率域影像，选取高亮部分（图像上单位像元与邻域像元差异较大），制作成滤波模板，然后用制作好的滤波模板完成对信号的剔除，形成新的频率影像，最后通过傅里叶逆变换，完成从频率域到空间域的变换，得到去除噪声的影像。一维傅里叶变换：逆变换：二维傅里叶变换：逆变换：4. 拉普拉斯变换是工程数学中常用的一种积分变换，又名拉氏变换。拉普拉斯变换是一个线性变换，可将一个有参数实数t（t≥ 0）的函数转换为一个参数为复数s的函数。 拉普拉斯变换是对于t=0函数值不为零的连续时间函数x(t)通过关系式 (式中st为自然对数底e的指数)变换为复变量s的函数X(s)。它也是时间函数x(t)的“复频域”表示方式。边缘增强能提高边缘与周围像素之间的反差。线性高通滤波器是最常用的线性锐化滤波器，中心系数为正数，其他系数为负数；梯度法是非线性锐化滤波器，在梯度图像上梯度值较大的部分就是边缘。罗伯特Roberts梯度采用交叉差分的方法，检测像素与其在上下之间或左右之间或斜方向之间的差异；Sobel 梯度对 4-邻域采用加权方法进行差分，对边缘的检测更加精确；定向检测在提取边缘时指定了方向，有目的的提取某一特定方向的边缘或线性特征。Sobel算子包含两组3x3的矩阵，分别为横向及纵向，将之与图像作平面卷积，即可分别得出横向及纵向的亮度差分近似值。如果以A代表原始图像，Gx及Gy分别代表经横向及纵向边缘检测的图像，其公式如下:图像的每一个像素的横向及纵向梯度近似值可用以下的公式结合，来计算梯度的大小。然后可用以下公式计算梯度方向在以上例子中，如果以上的角度Θ等于零，即代表图像该处拥有纵向边缘，左方较右方暗。数据准备与研究区概况1.数据准备：Landsat tm_1.img；ASTGTM_N35E1032.数据特征：1）Landsat TM影像包含7个波段，波段1-5（可见光部分）和波段7（短波红外）的空间分辨率为30米，波段6（热红外波段）的空间分辨率为120米。2）ASTGTM_N35E103条带号：103 行编号：35中心经度：103.5中心纬度：35.5分辨率30米数据投影为UTM/WGS84研究区域：ASTGTM_N35E103研究区域是甘肃省兰州市榆中县地区，中心经纬度是35.5N，103.5E。榆中县隶属于甘肃省中部，榆中县地势南高北低，中部凹，呈马鞍形。南部为石质高寒山区，马寒山最高峰海拔3670.3米。北部为黄土丘陵区，最高峰吕家岘海拔2495米。南北两山之间是川塬丘陵沟壑区，海拔1500-2000米，地形由