Page 12 - Digital Analysis of Remotely Sensed Imagery

Co n t e n t s xi

6 Image Enhancement . . . . . . . . . . . . . . . . . . . . . . . . . . . . 203
6.1 Contrast Stretching . . . . . . . . . . . . . . . . . . . . . . . . 204
6.1.1 Density Slicing . . . . . . . . . . . . . . . . . . . 204
6.1.2 Linear Enhancement . . . . . . . . . . . . . . 205
6.1.3 Piecewise Linear Enhancement . . . . . 208
6.1.4 Look-Up Table . . . . . . . . . . . . . . . . . . . . 208
6.1.5 Nonlinear Stretching . . . . . . . . . . . . . . 210
6.1.6 Histogram Equalization. . . . . . . . . . . . 211
6.2 Histogram Matching . . . . . . . . . . . . . . . . . . . . . . . 216
6.3 Spatial Filtering . . . . . . . . . . . . . . . . . . . . . . . . . . . 219
6.3.1 Neighborhood and Connectivity . . . . 219
6.3.2 Kernels and Convolution . . . . . . . . . . 219
6.3.3 Image Smoothing . . . . . . . . . . . . . . . . . 221
6.3.4 Median Filtering . . . . . . . . . . . . . . . . . . 224
6.4 Edge Enhancement and Detection . . . . . . . . . . . 224
6.4.1 Enhancement through Subtraction . . 225
6.4.2 Edge-Detection Templates . . . . . . . . . . 226
6.5 Multiple-Image Manipulation . . . . . . . . . . . . . . . 227
6.5.1 Band Ratioing . . . . . . . . . . . . . . . . . . . . 228
6.5.2 Vegetation Index (Components) . . . . . 229
6.6 Image Transformation . . . . . . . . . . . . . . . . . . . . . . 231
6.6.1 PCA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 232
6.6.2 Tasseled Cap Transformation . . . . . . . 242
6.6.3 HIS Transformation . . . . . . . . . . . . . . . 244
6.7 Image Filtering in Frequency Domain . . . . . . . . 245
References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 247

7 Spectral Image Analysis . . . . . . . . . . . . . . . . . . . . . . . . . 249

7.1 General Knowledge of Image Classification . . . 250
7.1.1 Requirements . . . . . . . . . . . . . . . . . . . . 250
7.1.2 Image Elements . . . . . . . . . . . . . . . . . . . 250
7.1.3 Data versus Information . . . . . . . . . . . 253
7.1.4 Spectral Class versus
Information Class . . . . . . . . . . . . . . . . . 254

7.1.5 Classification Scheme . . . . . . . . . . . . . . 255
7.2 Distance in the Spectral Domain . . . . . . . . . . . . . 257
7.2.1 Euclidean Spectral Distance . . . . . . . . 258
7.2.2 Mahalanobis Spectral Distance . . . . . . 259
7.2.3 Normalized Distance . . . . . . . . . . . . . 260

7.3 Unsupervised Classification . . . . . . . . . . . . . . . . 260
7.3.1 Moving Cluster Analysis . . . . . . . . . . . 260
7.3.2 Iterative Self-Organizing
Data Analysis . . . . . . . . . . . . . . . . . . . . 264