技术摘要：
本发明涉及遥感图像技术领域，且公开了一种遥感图像增强方法，包括包括光谱增强和空间增强，其特征在于：光谱增强包括以下步骤，S1：对比度增强：将图像中所有亮度值根据阈值分成高于阈值和低于阈值的类别并分别使用由黑到白的不同亮度赋值，将图像像元的MIN值和MAX值 全部
背景技术：
遥感图像，或称遥感像片，是各种传感器所获信息的产物，是遥感探测目标的信息 载体，就像我们生活中拍摄的照片一样，遥感图像同样可以“提取”出大量有用的信息，遥感 图像可以辨别出很多信息，如水体、植被、土地、山地等等，目前的遥感图像由于技术、大气 屏蔽、传输失真、干扰等因素的影响还存在以下缺陷： 第一、图像的形成不清晰，观察难度大； 第二、相关的主体信息无法辨认如物体边缘、植被密度等信息，图像校正困难。
技术实现要素：
(一)解决的技术问题 针对现有技术的不足，本发明提供了一种遥感图像增强方法，具备增强遥感图像 相关专题信息，提高图像视觉效果等优点，解决了图像的形成不清晰，观察难度大，相关的 主体信息无法辨认，图像校正困难的问题。 (二)技术方案 为实现上述提高图像视觉效果的目的，本发明提供如下技术方案：一种遥感图像 增强方法，包括光谱增强和空间增强，所述光谱增强包括以下步骤： S1：对比度增强：将图像中所有亮度值根据阈值分成高于阈值和低于阈值的类别 并分别使用由黑到白的不同亮度赋值，将图像像元的MIN值和MAX值扩展； S2：指标提取：图像中两个波段对应像元的灰度值之比或几个波段组合的对应像 元灰度值之比获得提取值； S3：光谱转换：即首先对各类样本分别进行PCA变换去相关辅助数据并计算散度, 接着分析相应PCA变换系数获得对各类样小分类都重要的原始波段,再综合考虑波段的相 关度,散度和子集规模的基础上获得最终选择波段。 优选的，所述空间增强包括以下步骤： A1：空间滤波：建立一个包含一系列相关系数或权重因子矩阵，将矩阵中的像元值 与对应的窗口值相乘再求和，以此类推，得到每个矩阵的中心元素值； A2：傅里叶变换：将图像频谱进行傅里叶变换，图像分解成不同频段上成分的线性 组合； A3空间尺度变换：将遥感影像的空间分辨率使用变换算法变换，使不同空间分辨 率的遥感影像或进行遥感影像空间分辨率的统一，遥感影像的空间分辨率缩放或统一。 优选的，所述S1中图像像元中的MIN值和MAX值扩展到00-255。 优选的，所述S2中提取指标为归一化植被指数，通过近红波段和红波段的差和之 比得到。 3 CN 111583140 A 说 明 书 2/3 页 优选的，所述S3中选择波段为相关性高、散度低、子集规模大的波段。 优选的，所述A2中傅里叶变换法为连续傅里叶变换。 优选的，所述A3中的尺度变换目的为尺度扩展时，变换方法使用地学机理法，尺度 变换目的为尺度收缩时，变换方法使用遥感影像融合法。 (三)有益效果 与现有技术相比，本发明提供了一种遥感图像增强方法，具备以下有益效果： 1、该遥感图像增强方法，可以使图像的对比度增高，明暗分离，指标提取可以扩大 不同地物的光谱差异，区分在单波段中容易混淆的地物，可以保留主要信息，有增强或提取 有用信息的目的。 2、该遥感图像增强方法，可以使图像更平滑，物体边缘更清晰，变换图像的空间分 辨率，更容易观察到不同的图像细节。
本发明涉及遥感图像技术领域，且公开了一种遥感图像增强方法，包括包括光谱增强和空间增强，其特征在于：光谱增强包括以下步骤，S1：对比度增强：将图像中所有亮度值根据阈值分成高于阈值和低于阈值的类别并分别使用由黑到白的不同亮度赋值，将图像像元的MIN值和MAX值 全部
背景技术：
遥感图像，或称遥感像片，是各种传感器所获信息的产物，是遥感探测目标的信息 载体，就像我们生活中拍摄的照片一样，遥感图像同样可以“提取”出大量有用的信息，遥感 图像可以辨别出很多信息，如水体、植被、土地、山地等等，目前的遥感图像由于技术、大气 屏蔽、传输失真、干扰等因素的影响还存在以下缺陷： 第一、图像的形成不清晰，观察难度大； 第二、相关的主体信息无法辨认如物体边缘、植被密度等信息，图像校正困难。
技术实现要素：
(一)解决的技术问题 针对现有技术的不足，本发明提供了一种遥感图像增强方法，具备增强遥感图像 相关专题信息，提高图像视觉效果等优点，解决了图像的形成不清晰，观察难度大，相关的 主体信息无法辨认，图像校正困难的问题。 (二)技术方案 为实现上述提高图像视觉效果的目的，本发明提供如下技术方案：一种遥感图像 增强方法，包括光谱增强和空间增强，所述光谱增强包括以下步骤： S1：对比度增强：将图像中所有亮度值根据阈值分成高于阈值和低于阈值的类别 并分别使用由黑到白的不同亮度赋值，将图像像元的MIN值和MAX值扩展； S2：指标提取：图像中两个波段对应像元的灰度值之比或几个波段组合的对应像 元灰度值之比获得提取值； S3：光谱转换：即首先对各类样本分别进行PCA变换去相关辅助数据并计算散度, 接着分析相应PCA变换系数获得对各类样小分类都重要的原始波段,再综合考虑波段的相 关度,散度和子集规模的基础上获得最终选择波段。 优选的，所述空间增强包括以下步骤： A1：空间滤波：建立一个包含一系列相关系数或权重因子矩阵，将矩阵中的像元值 与对应的窗口值相乘再求和，以此类推，得到每个矩阵的中心元素值； A2：傅里叶变换：将图像频谱进行傅里叶变换，图像分解成不同频段上成分的线性 组合； A3空间尺度变换：将遥感影像的空间分辨率使用变换算法变换，使不同空间分辨 率的遥感影像或进行遥感影像空间分辨率的统一，遥感影像的空间分辨率缩放或统一。 优选的，所述S1中图像像元中的MIN值和MAX值扩展到00-255。 优选的，所述S2中提取指标为归一化植被指数，通过近红波段和红波段的差和之 比得到。 3 CN 111583140 A 说 明 书 2/3 页 优选的，所述S3中选择波段为相关性高、散度低、子集规模大的波段。 优选的，所述A2中傅里叶变换法为连续傅里叶变换。 优选的，所述A3中的尺度变换目的为尺度扩展时，变换方法使用地学机理法，尺度 变换目的为尺度收缩时，变换方法使用遥感影像融合法。 (三)有益效果 与现有技术相比，本发明提供了一种遥感图像增强方法，具备以下有益效果： 1、该遥感图像增强方法，可以使图像的对比度增高，明暗分离，指标提取可以扩大 不同地物的光谱差异，区分在单波段中容易混淆的地物，可以保留主要信息，有增强或提取 有用信息的目的。 2、该遥感图像增强方法，可以使图像更平滑，物体边缘更清晰，变换图像的空间分 辨率，更容易观察到不同的图像细节。
