前面讨论的所有方法都是全局性的，在某种意义上，像素是被基于整幅图像灰度满意度的变换函数所修改的。这些全局方法适用于整个图像的增强，但有时对图像小区域细节的局部增强显得额外重要。在这些区域中，全局变换得出的像素值将被忽略，这些值将被局部增强的计算结果所取代。局部增强的一般方法是在图像每个像素的领域中，根据灰度级分布设计变换函数。
在局部增强处理中，我们往往可以通过使用直方图获得统计参数，以加快算法的执行效率。令r表示在区间[0，L-1]上代表离散灰度的离散随机变量，并且令p(ri)代表对应于r的第i个值的归一化直方图分量。可以把p(ri)看成是灰度级ri出现 ...... （共1697字） [阅读本文]>>
智能算法在高光谱遥感数据处理中的应用二阶微分滤波器的主要目的是突出图像中的细节或者增强被模糊了的细节，而这种错误不是由操作造成的，就是受到特殊图像获取方法的固有影响。可以应用数学微分中的某些性质来实现图像的锐化或模糊效果。数学函数的微分
智能算法在高光谱遥感数据处理中的应用图像融合来源于信息融合领域，它是信息融合领域的一个非常重要的组成部分，它可以把几个或者多个传感器上所获得的关于某个场景的信息(或图像)通过一定的方法进行综合，得到了一个关于这个场景新的解释，它能够解决
.jpg)
智能算法在高光谱遥感数据处理中的应用矿物识别，即如何根据获取的遥感信息对地物目标的物理属性进行识别，是高光谱遥感技术研究的重要内容，也是高光谱最能发挥作用的领域。由于多光谱数据所能提供的信息量不能满足我们的需求，因而出现了能提供大量丰富
.jpg)
智能算法在高光谱遥感数据处理中的应用高光谱物谱建模就是对蚀变矿物含量与光谱吸收特征参数进行相关分析，建立蚀变矿物含量与光谱吸收特征深度、面积等参数之间的物谱关联模型，从而可以根据光谱数据预测矿物成分的含量。目前，常用的物谱关联建模技术主
智能算法在高光谱遥感数据处理中的应用5.3.1 特征子集的概念高光谱数据几乎连续的地物波谱，使其具有其他遥感数据不可比拟的识别地物生物物理特性的潜力，但是，这种连续的光谱同时也不可避免地存在波段之间相关性强、数据冗余明显的问题，并在一定
上一篇