遥感图像滤波处理

1.1 实习目的

1. 掌握图像滤波的基本定义及目的。
2. 掌握进行图像的空间域滤波、频率域滤波的基本原理及方法。
3. 掌握傅立叶变换及逆变换的基本原理方法。
4. 掌握主成分变换的基本原理方法。
5. 学习图像融合和图像锐化基本处理。

1.2 实习内容

1. 使用频率域滤波去除spot周期性条带。
2. 使用波段运算计算大气校正结果的NDVI、NDWI、NDBI。
3. 使用L7数据做PCA变换，查看各主成分信息，使用前三波段进行数据压缩。
4. 使用L7和pan做数据融合。
5. 使用IKONOS数据做高斯噪声和椒盐噪声的去除，比较不同滤波方法的差异，不同尺寸的影响。
6. 使用IKONOS数据做图像锐化，分别使用Robert、SOBEL、Laplacian算子和方向滤波进行处理。

2．图像处理方法和流程

2.1 去除条带噪声

（1）实验数据

数据：CJ.spot图像的PAN波段；区域：南京长江大桥周边。

（2）基本流程

Step1：进行傅里叶正变换。在ENVI Classic中打开实验数据并灰度显示，选择主菜单“Filter”→“FFT Filtering”→“Forward FFT”→选择“CJ_spot”→设定输出结果为“Memory”→在可用波段列表窗口以灰阶方式打开Memory1的FFT。

Step2：选择滤波器类型。选择主菜单“Filter”→“FFT Filtering”→“Filter Definition”→选择输入为前向FFT频率域图像→设置“Filter_Type”为“User Defined Cut”。

Step3：定义滤波器。选择前向FFT结果图像窗口#2中的菜单“Overlay”→“Annotation”→选择对象“Object”类型为“矩形”，绘制滤波器对象窗口为“Image”，设置Color为红色→绘制矩形定义滤波器→在滤波器定义窗口“Filter Definition”指定输出结果为“Memory” →“Apply”产生滤波器并使其灰度显示。

        Step4：进行傅里叶正变换。选择“Filter”→“FFT Filtering”→“Inverse FFT” →在出现的逆变换FFT输入文件窗口选择“Memory1” →在出现的逆变换FFT滤波器文件窗口选择“Memory2” →指定输出结果为内存，输出的数据类型保留默认类型→新窗口显示变换后图像，并与原图像进行关联。

2.2 波段计算

（1）实验数据

        实习一中大气校正后的数据“sh_FLAASH”。

（2）基本流程

        Step1：计算NDVI。为了使计算结果更精确，这里NDVI的值取浮点型。在主菜单选择“Basic Tools”→“Band Math”→输入(float(b4)-float(b3))/(float(b4)+float(b3))表达式后确定→将b3,b4分别对应图像的3，4波段→Apply，如图2.1所示。

图2.1 变量与波段匹配对话框

        Step2：计算NDWI。在“Band Math”窗口，重新输入表达式为(float(b2)-float(b4))/(float(b2)+float(b4))后确定→将b2,b4分别对应图像的2，4波段→Apply。

Step3：NDBI。在“Band Math”窗口，重新输入表达为(float(b5)-float(b4))/(float(b5)+float(b4))后确定→将b5,b4分别对应图像的5，4波段→Apply。

2.3 PCA变换

（1）实验数据

数据：Landsat_TM7影像；区域：南京市玄武湖周边。

（2）基本流程

Step1：主成分正变换。打开实验数据并真彩色合成显示，使用图2.2中的菜单进行主成分正变换，并且保存统计结果。选择已经打开的图像文件→选择输出的统计文件为“AAPC.stat”，计算特征值的矩阵必须为协方差矩阵→选择输出为内存（该图像较小，可以选择输出结果为内存）→从特征值中选择子集：No，输出的主成分波段数目：6。

图2.2 主成分变换菜单

Step2：点击主菜单“Basic Tools”→“Statistics”→“View Statistics File”可以查看统计文件中的内容，解释主成分的含义。

Step3：数据压缩。步骤与step1相似，但从特征值中选择子集须改为Yes，将显示如图2.3所示窗口→选择输出的主成分个数为3个，确定后会出现特征向量数与特征值的关系曲线和计算结果→对生成的Memory2图像进行真彩色合成。