空间增强和图像融合

一、空间增强

卷积滤波(convolutions)

在这里插入图片描述
在这里插入图片描述

  • Kernel Size(卷积核大小)

以奇数来表示,如 3×3、5×5 等,有些卷积核不能 改变大小,包括 Sobel 和 Roberts。默认卷积核是正方形,如果需要使用非正 方形,选择 Option→Square kernel。

  • Image Add Back

输入一个加回值(add back)。将原始图像中的一部分“加回” 到卷积滤波结果图像上,有助于保持图像的空间连续性。该方法经常用于图像 锐化。 “加回”值是原始图像在结果输出图像中所占的百分比。例如,如果为“加 回”值输入 40%,那么 40%的原始图像将被“加回”到卷积滤波图像上,并生成 最终的结果图像。

  • Editable Kernel

卷积核中各项的值。在文本框中双击鼠标可以进行编辑,选择 File→Save Kernel 或者 Restore Kernel,可以把卷积核保存为文件(.ker)或者打 开一个卷积核文件。
在这里插入图片描述

  • 高通滤波:增强纹理、边缘等信息

  • 低通滤波:使图像平滑

  • 拉普拉斯算子:边缘增强滤波,不考虑边缘方向

  • 方向滤波器:边缘增强滤波,有选择性地增强有特定方向的成分的图像特征

  • 中值滤波:保留大于卷积核的边缘的同时,平滑图像。对消除椒盐噪声或斑点非常有效。

二、图像融合

brovey变换

要求数据具有地理参考或者具有相同的尺寸大小,RGB输入波段数据类型必须为字节型(byte)。
打开文件
打开brovey变换工具
在这里插入图片描述
选择对应的波段
选择重采样方式,保存
在这里插入图片描述
灰屏了啊
在这里插入图片描述

GS(gram-schmidt pan sharpening)变换

要求数据具有中心波长和FWHM
打开数据
在这里插入图片描述
选择低分辨率的数据
在这里插入图片描述
选择高分辨率数据
在这里插入图片描述
选择传感器类型和重采样方式
在这里插入图片描述
貌似结果没有什么差异?
在这里插入图片描述

©️2020 CSDN 皮肤主题: 深蓝海洋 设计师:CSDN官方博客 返回首页