本文旨在：

1.理解遥感影像辐射增强的概念和意义，掌握运用 ENVI 进行辐射增强的步骤和方法； 2.掌握遥感影像镶嵌基本方法和步骤；

辐射增强是一种通过直接改变图像的像元的灰度值来改变图像的对比度，从而改善图像视觉效果的图像处理方法。人的眼睛鉴别图像时能够分辨 20 级左右的灰度级，而显示设备显示灰度的动态范围要大得多。 例如，计算机显示器能够显示 256 个灰度级，灰度值范围为 0-255。因此，辐射增强能够使一幅图像充分利用成像设备，达到最佳动态范围，改善目视效果。一般来说，原始遥感数据的灰度值范围比较窄，直接显示的结果往往过亮或过暗，不利于影像信息的提取与分析基于线性或非线性函数逐一完成像元值的变换调整影像像元显示亮度值，从而改善影像显示的明暗效果。增强处理可以将其灰度范围拉伸到 0-255的灰度级之间来显示，从而使图像对比度提高，视觉效果得以改善。辐射增强主要以图像的灰度直方图作为分析 处理的基础。 数字影像增强方法主要有：①直方图修正法（均衡化、规定化），用于改善影像反差；②空间域滤波（平滑算子、拉普拉斯算子、梯度算子），用于边缘增强；③频率域滤波（高通滤波、低通滤波），用于边缘增强或突出影像线状特征等。

影像镶嵌是指将两幅或多幅影像拼在一起，构成一幅整体影像的技术过程。要求两幅影像要有统一的投影和坐标系、空间分辨率、波段对应关系、辐射特征等。影像镶嵌涉及几何位置的镶嵌和灰度（或色彩）的镶嵌两个过程。其中，几何位置镶嵌是指镶嵌影像间对应物体几何位置的严格对应，无明显的错位现象；灰度镶嵌是指位于不同影像上的同一物体镶嵌后不因两影像的灰度差异导致灰度产生突变现象。 遥感影像的单景影像堵塞覆盖范围是有限的，对于高分辨遥感影像尤其如此。很多情况下，往往需要很多景影像才能完成对整个研究区域的覆盖。此时，需要将不同的影像文件无缝地拼接成一幅完整的包含研究区域的影像，这就是影像的镶嵌。通过镶嵌处理，可以获得单一传感器所无法得到的覆盖更大范围的地面影像。参与镶嵌的影像可以是多源的，可以是不同时间同一传感器获取的，也可以是不同时间不同传感器获取的影像，但同时要求镶嵌的影像之间要有一定的重叠度，而且具有相同的波段数。在拼接之前，要求先将多源影像进行配准，拼接后要通过后续处理消除原始影像间的接缝。前者通过几何纠正实现，后者通过影像的匀光实现。 影像镶嵌的步骤：1.将每景影像进行几何精纠正，使之保持地图投影和坐标系的统一；2.大气辐射校正，保持待镶嵌影像之间在辐射特征上的统一；3.选定其中一景作为基准影像，按照基准影像的直方图对所要进行镶嵌的其他影像进行直方图匹配，使它们具有相近的灰度分布特征；4.对相邻图幅边界进行羽化处理，取边界两侧一定范围内重叠部分像元的灰度平均值代替基准影像和匹配影像的值；5.生成结果影像。

直方图均衡化是使变换后图像灰度值的概率密度为均匀分布的映射变换方法。通过直方图均衡化处理，图像对比度得到了提高。直方图均衡化改变了图像的灰度级和原有灰度级中的像素比例，但区间像元总数不变。均衡化的基本步骤如下：①统计图像中各灰度级的频数和频率；②计算均衡化后的理论概率密度， 将图像频率对其进行映射，得到新灰度级；③以新值替代原值，形成均衡化后的新图像。直方图均衡化的特点：①不同灰度级中像素出现的频率近似相等；②原图像上频率低的灰度级被合并压缩，模糊了差异；像素出现频率高的灰度级被分解，突出了细节，使亮度集中于中部的影像得到改善。

直方图规定化又称直方图匹配（histogram matching），是以指定图像的或理论的直方图为参考，进行的图像直方图变换，目的是增强或对比图像显示，匀化图像镶嵌后的颜色。直方图规定化计算过程与均衡化相同，差异是理论的灰度级和概率密度来自于参照图像或理论函数。因此，一旦确定了指定的参照图像或直方图函数，就可以使用均衡化的计算过程进行图像的规定化。同样，因为图像是离散函数，同时存在运算误差，所以规定化变换后图像直方图只是接近参考图像的直方图。直方图规定化常用于图像对比显示、图像镶嵌或图像的动态变化分析，使用的参照函数(直方图)取决于具体的应用，在一定意义上是“试凑” 的过程。只有在已知物理意义的基础上定义了参考函数后，规定化才会有明确的意义。但无论如何，规定化增强总是来自于实际应用，并应用于实际工作。

1.打开 ENVI，通过 file–>open 加载大气校正后研究子区的多光谱影像数据（0422mssflaash），在 Data Management 窗口中分别将该影像任意波段（本文选用 B1 海岸波段）作为 R -->Load Data，选择近红外波段、红光波段和绿光波段进行 RGB 标准假彩色合成–>Load Data；利用菜单栏下面的工具条按钮分别选取不同的反差拉伸选项，说明在不同拉伸增强方式下影像中各类地物的显示情况。 No stretch（无拉伸）：影像整体呈现白色 Linear（线性拉伸）： Linear 1%（1%线性拉伸）： Linear 2%(2%线性拉伸）： Linear 5%（5%线性拉伸）： Equalization（均衡化拉伸）： Gaussian（高斯拉伸）： Square Root（平方根拉伸）： Logarithmic（对数拉伸）： Optimized Linear（最优线性拉伸）： 2. 通过 File–>Open 打开截取的典型研究区 512×512 子区 NDVI 影像，包括大气辐射校正前的 NDVI 影像（0423NDVI）和大气辐射校正后的 NDVI 影像（0423flaashNDVI），通过 Views–>Create New View 建立新的视窗并将大气辐射校正后的 NDVI 影像（0423flaashNDVI）拖进新的视窗，利用 Link Views–>Link All 建立二者之间的链接关系；通过右键单击 New Region Of Interest–>File–>Open 打开之前利用 ROI 工具选取的样本点，选取水体、农田样本，其它样本移除，通过 Region Of Interest（ROI）Tool–>Options–>Compute Statistics from ROIs（或者在左侧视窗中兴趣区文件右键单击 Statistics for All ROIs）计算两种地物的 NDVI 值大小范围，本实习中水体 NDVI 值范围 705-1569，农田 NDVI 值范围 7416-8370，利用自定义线性拉伸（Custom Linear）方法作对比度拉伸以分别突出水体、农田信息，比较变换前后影像及其直方图中的差异。 下图右边为提取出的水体信息，与左边原始影像标准假彩色合成做对比可以看出，水体信息提取的并不完全，比如影像中间贯穿的鹳河缺失了很多，除了提取出来的水体呈现暗色外，其余部分为白色，因为自定义拉伸中小于定义范围的区域归 0，呈现黑色，大于定义范围的区域归10000，呈现白色，而影像中水体的 NDVI 值是最小的，所以水体之外的部分值都大于定义的范围，所以呈现白色。 下图右边是提取出的农田信息，与左边原始影像标准假彩色合成做对比可以看出，农田信息提取的过多了，图上暗色部分不完全是农田，还包括了居民地、裸地、水体，因为自定义拉伸中小于定义范围的区域归 0，呈现黑色，大于定义范围的区域归 10000，呈现白色；而居民地、裸地、水体的 NDVI 值都比农田的值小，所以呈现暗色，除此之外提取的农田信息中还包括部分植被，因为两者的 NDVI 值之间有交叉部分。

1.打开 ENVI，通过 File–>Open 打开所需要的相邻的两幅多光谱影像(wasia1_mss1 和 wasia2_mss1），利用 Toolbox–>Mosaicking–>Seamless Mosaic 工具进行影像镶嵌操作；双击打开 Seamless Mosaic 工具，点击左上角绿色加号选择输入文件：wasia1_mss1 和 wasia2_mss1，点击 ok；在 Main–>Feathering Distance(Pixels) 一栏下改变影像羽化距离为 30 个像元，在 Color Correction 一栏下需要分别选择三次：都不勾选（未做直方图匹配）、勾选 Histogram Matching 和 Overlap Area Only（仅用重叠影像区域进行直方图匹配）、勾选 Histogram Matching 和 Entire Scene（用整景影像进行直方图匹配），在 Seamlines/Feathering 一栏下确认 Feathering 方 式为 Edge Feathering（边缘羽化），在 Export 一栏下只需改变三次结果文件输出路径并确保 Resampling Method（重采样方法）为 Nearest Neighbor（最近邻法）即可，最后点击 ok 输出三种镶嵌结果；通过 Create new views 建立新的视窗和 Link views 建立视窗间的链接将三种镶嵌结果与原始影像做对比并分析。 进行对比可以看出仅用影像重叠区域进行直方图匹配的效果最好。

从三种镶嵌结果可以看出，未做直方图匹配的镶嵌结果影像中重叠部分接线依然十分明显且两幅影像的差异肉眼就可以看出，镶嵌结果不好；仅用影像重叠区域进行直方图匹配的镶嵌结果，两幅影像不仅融合的 很好看不出差异，而且重叠部分接线也处理得很好，看不出痕迹，镶嵌结果较好；用整景影像进行直方图匹配的镶嵌结果虽然重叠部分接线处没有很明显，但是两幅影像差异很大，右边的影像显然整体亮度比较大，两景影像不融合，镶嵌结果很不好。查看 ENVI 的帮助文档可以得知当用整景影像进行直方图匹配是若重叠部分大于10%则镶嵌结果会比用整景影像进行直方图匹配的镶嵌结果好，本文的情况明显符合这种解释。

以上就是本文的内容。有问题大家可以在讨论区讨论，麻烦觉得文章对您有所帮助的朋友帮忙点个赞，谢谢。