TM／ETM遥感数据增强处理

本实验第二节中，已经介绍了TM／ETM遥感数据的获取与预处理（波段融合、拼接、裁剪等）。在遥感数据解译之前，用户还需要进行数据的精校正和图像增强等数据处理工作，这时可以使用研究区大比例尺的地形图对TM／ETM遥感数据进行精校正，并控制RMS误差在半个像元内。由于从网站上获取的数据是经过大气辐射校正、空间校正后的产品，所以本例仅就图像增强的方法以及模块的功能等加以说明。

▷　步骤1：打开ERDAS，启动Interpreter模块。

利用ERDAS进行图像增强，主要采用ERDAS的Interpreter（图像解译器）模块，该模块包含了50多个用于遥感图像处理的功能模块，这些功能模块在执行过程中都需要通过各种按键或对话框定义参数。

图2-88　“Image Interpreter（图像解译器）”功能模块菜单

打开ERDAS，点击Interpreter图标，启动Interpreter模块（图2-88）。该模块包含了9个方面的功能：Spatial Enhancement（遥感图像的空间增强）、Radiometric Enhancement（辐射增强）、Spectral Enhancement（光谱增强）、Basic HyperSpectral Tools（基础高光谱工具）、Advanced HyperSpectral Tools（高阶高光谱工具）、Fourier Analysis（傅立叶交换）、Topographic Analysis（地形分析）、GIS Analysis（地理信息系统分析）以及Utilities（其他实用功能）。每一项功能菜单中又包含若干具体的遥感图像处理功能。

图2-89　“Spatial Enhancement（空间增强）”功能菜单

▷　步骤2：进行TM图像空间增强（Spatial Enhancement）处理。

空间增强技术是利用像元自身及其周围像元的灰度值进行运算，达到增强整个图像之目的。

首先，点击Image Interpreter中的“Spatial Enhancement”图标，启动Spatial Enhancement（空间增强处理）功能菜单（图2-89）。空间增强处理功能菜单有Convolution（卷积增强）、Non-directional Edge（非定向边缘增强）、Focal Analysis（聚集分析）、Texture（纹理分析）、Adaptive Filter（自适应滤波）、Resolution Merge（分辨率融合）、Crisp（锐化处理）等12项。

Convolution（卷积增强）是用一个系数矩阵对图像进行分块平均处理，可以改变图像的空间频率特征。其处理的关键是卷积算子即系数矩阵的选择。ERDAS将常用的卷积算子放在default.klb的文件中，分为3×3、5×5、7×7三组，每组又包括edge Detect／edge enhance／low pass／Highpass／Horizontal／vertical／summary等7种不同的处理方式。

Non-directional Edge（非定向边缘增强）是应用Sobel滤波器或Prewitt滤波器，通过两个正交算子（水平算子和垂直算子）分别对遥感图像进行边缘检测，然后将两个结果进行平均化处理。

Focal Analysis（聚集分析）是采用类似卷积滤波的方法对像元属性值进行多种分析，基本算法是在所选择的窗口范围内，根据所定义的函数，应用窗口范围内的像元值计算窗口中心像元的值，从而达到增强图像的目的。

Texture（纹理分析）是通过在一定的窗口内进行二次变异分析或三次非对称分析，使雷达图像或其他图像的纹理结果得到增强。

Adaptive Filter（自适应滤波）是应用Wallis Adaptive Filter对图像的感兴趣区域进行对比度拉伸处理。

Resolution Merge（分辨率融合）是对不同空间分辨率的遥感图像进行融合处理，使得融合后的图像既具有较高的空间分辨率，又具有多光谱特征。例如可以将TM30m和SPOT10m的影像进行融合。

Crisp（锐化处理）是通过对图像进行卷积滤波处理，使整景图像的亮度得到增强而不使其专题内容发生变化。分为两种方法：其一是根据用户定义的矩阵直接对图像进行卷积处理（空间模型为Crisp-greyscale.gmd）；其二是首先对图像进行主成分变换，并对第一主成分进行卷积滤波，然后再进行主成分逆变换（空间模型为Crisp-Minmax.gmd）。

本例中选用锐化增强处理方法。

然后，在空间增强处理Spatial Enhancement功能菜单中，点击Crisp（锐化处理）工具按钮，打开“Crisp”对话框（图2-90）。在“输入文件”中输入shanghang.img；在“输出文件”中定义输出路径（shiyan02文件夹下）和文件名称（crisp.img）；点击窗口下方的“View”按钮可以打开Model Maker视窗，可浏览Crisp功能的空间模型；点击选择忽略0值（Ignore Zero in Stats）。

图2-90　“Crisp”对话框

最后，点击“OK”按钮，关闭Crisp对话框，执行锐化增强处理命令。经过Crisp处理后的影像数据的亮度对比度发生了变化，但变化不大（图2-91）。

图2-91　锐化增强处理前后对比

▷　步骤3：进行TM图像辐射增强（Radiometric Enhancement）处理。

辐射增强是通过直接改变图像中像元的灰度值来改变图像的对比度，从而改善图像质量的图像增强方法。

首先，点击Image Interpreter中的“Radiometric Enhancement”图标，启动Radiometric Enhancement（辐射增强处理）功能菜单（图2-92）。该菜单主要有LUT Stretch（查找表拉伸）、Histogram Equalization（直方图均衡化）、Histogram Match（直方图匹配）、Brightness Inversion（亮度反转）、Haze Reduction（雾霾去除）、Noise Reduction（降噪处理）、Destripe TM Data（去条带处理）7项。

图2-92　“Radiometric Enhancement（辐射增强处理）”功能菜单

LUT Stretch（查找表拉伸）是遥感图像对比度拉伸的总合，通过修改图像查找表Lookup Table使输出图像值发生变化。根据用户对查找表的定义，可以实现线性拉伸、分段线性拉伸、非线性拉伸等处理。菜单中的查找表拉伸功能是由空间模块LUT＿stretch.gmd支持运行的，用户可根据自己的需要，在LUT stretch对话框中点击“View”按钮进入模型生成器视窗，双击查找表进入编辑状态修改查找表。

Histogram Equalization（直方图均衡化）是对图像进行非线性拉伸，重新分配图像像元值，使一定灰度范围内像元的数目大致相等，原来直方图中间的峰顶部分对比度得到增强，而两侧的谷底部分对比度降低，输出图像的直方图是一较平的分段直方图。(www.xing528.com)

Histogram Match（直方图匹配）是对图像查找表进行数学变换，使一幅图像的直方图与另一幅图像类似。直方图匹配经常作为相邻图像拼接或应用多时相遥感图像进行动态变化研究的预处理工具，通过直方图匹配可以部分消除由于太阳高度角或大气影响造成的相邻图像的效果差异。

Brightness Inversion（亮度反转）是对图像亮度范围进行线性或非线性取反，产生一幅与输入图像亮度相反的图像。包含两个反转算法：其一是条件反转Inverse，强调输入图像中亮度较暗的部分；其二是简单反转Reverse，简单取反。

Haze Reduction（雾霾去除）是降低多波段图像（Landsat TM）或全色图像的模糊度，对于Landsat TM图像，该方法实质上是基于缨帽变换法，首先对图像作主成分变换，找出与模糊度相关的成分并剔除，然后再进行主成分逆变换回到RGB彩色空间。对于全色图像，该方法采用点扩展卷积反转（Inverse Point Spread Convolution）进行处理，并根据情况选择3×3或5×5的卷积分别用于高频模糊度或低频模糊度的去除。

Noise Reduction（降噪处理）是利用自适应滤波方法去除图像中的噪声，该方法沿着边缘或平坦区域去除噪声的同时，可以很好地保持图像中一些微小的细节。

Destripe TM Data（去条带处理）是针对TM图像的扫描特点对其原始数据进行三次卷积处理，以达到去除扫描条带之目的。操作中边缘处理方法需要选定：反射Reflection是应用图像边缘灰度值的镜面反射值作为图像边缘以外的像元值，这样可以避免出现晕轮（Halo）；而填充Fill则是统一将图像边缘以外的像元以0值填充，呈黑色背景。

本例中选用直方图均衡化增强方法。

然后，在辐射增强处理Radiometric Enhancement功能菜单中，点击Histogram Equalization（直方图均衡化增强）工具按钮，打开“Histogram Equalization”对话框（图2-93）。在“输入文件”中输入shanghang.img；在“输出文件”中定义输出路径（shiyan02文件夹下）和文件名称（histogram.img）；点击选择忽略0值（Ignore Zero in Stats）。

图2-93　“Histogram Equalization（直方图均衡化处理）”对话框

最后，点击“OK”按钮，关闭“Histogram Equalization”对话框，执行直方图均衡化命令。处理后的影像数据的亮度对比度发生了较大变化（图2-94）。

图2-94　直方图均衡化前后的影像数据对比

▷　步骤4：进行TM图像光谱增强（Spectral Enhancement）处理。

图2-95　“Spectral Enhancement（图像光谱增强）”功能菜单

光谱增强是基于多波段数据对每个像元的灰度值进行变换，达到图像增强的目的。

首先，点击Image Interpreter中的“Spectral Enhancement”图标，启动Spectral Enhancement（图像光谱增强）功能菜单（图2-95）。该菜单主要包括Principal Components（主成分变换）、Inverse Principal Components（主成分逆变换）、Decorrelation Stretch（去相关拉伸）、Tasseled Cap（缨帽变换）、RGB to IHS（彩色变换）、IHS to RGB（彩色逆变换）、Indices（指数运算）、Natural Color（自然色彩变换）等功能。

ERDAS提供的Principal Components（主成分变换）功能最多可以对含有256个波段的图像进行转换压缩。Inverse Principal Components（主成分逆变换）是将经主成分变换获得的图像重新恢复到RGB彩色空间，应用时输入的图像必须是由主成分变换获得的图像，而且必须有当时的特征矩阵参与变换。

Decorrelation Stretch（去相关拉伸）是对图像的主成分进行对比度拉伸处理，达到图像增强的目的。

Tasseled Cap（缨帽变换）是针对植物学家所关心的植被图像特征，在植被研究中将原始图像数据结构轴进行旋转，优化图像数据显示效果。基本思想是：多波段（N个波段）图像可以看作是N维空间，每个像元都是N维空间中的一个点，其位置取决于像元在各个波段上的灰度值。研究表明，植被信息可以通过三个数据轴（亮度、绿度、湿度）来确定，而这三个轴的信息可以通过简单的线性计算和数据空间旋转获得；同时，这种旋转与传感器有关。

RGB to IHS（彩色变换）是将遥感图像从RGB（红绿蓝）组成的彩色空间转换到以亮度I、色调H、饱和度S作为定位参数的彩色空间，以便使图像的颜色与人眼看到的更为接近。其中，亮度表示整个图像的明亮程度，取值范围是0～1；色调代表像元的颜色，取值范围是0～360；饱和度代表颜色的纯度，取值范围是0～1。IHS to RGB（彩色逆变换）是将遥感图像以亮度I、色调H、饱和度S作为定位参数的彩色空间转换到RGB（红绿蓝）组成的彩色空间。

Indices（指数运算）是应用一定的数学方法，将遥感图像中不同波段的灰度值进行各种组合运算，计算反映矿物及植被的常用比率和指数。ERDAS集成的指数主要有：①比值植被指数IR／R（infrared／red）；②平方根植被指数SQRT（IR／R）；③差值植被指数IRR；④归一化差值植被指数；⑤NDVI等多种。

Natural Color（自然色彩变换）是模拟自然色彩对多波段数据进行变换，输出自然色彩图像。

本例以城市与区域规划中经常使用的植被指数NDVI的计算为例来加以演示说明。

然后，在Spectral Enhancement（图像光谱增强）功能菜单中，点击Indices（指数运算）工具按钮，弹出“Indices”对话框（图2-96）。在“输入文件”中输入shanghang.img；在“输出文件”中定义输出路径（shiyan02文件夹下）和文件名称（indicendvi.img）。

最后，点击“OK”按钮，关闭Indices对话框，执行指数计算命令，得到NDVI植被指数（图2-97）。

图2-96　“Indices”对话框

图2-97　上杭县县域NDVI指数分布图

当遥感数字图像存在目视效果较差，对比度不够、图像模糊、边缘部分或现状地物不够突出，以及波段多，数据量大，各波段的信息量存在相关性，数据冗余大等问题时，图像空间增强是非常必要的。图像增强的目的就是要改变图像的灰度等级，提高图像对比度；或消除边缘和噪声，平滑图像；或突出边缘或线状地物，锐化图像；或压缩图像数据量，突出主要信息。

本例中的上杭县域TM遥感影像数据质量较好、地物清晰，已经经过初期的校正和图像处理，所以可以不用再进行相关增强处理。但是，如果遥感数据的成像质量一般，且多景数据的成像日期不一致，光谱特征不明显时，需要首先进行每景图像的增强处理，以使图像的亮度、对比度等提高，以及多景图像差异变小等。