彩色增強

人眼識別和區分灰度差異的能力是很有限的，一般只能區分二三十級；但識別和區分色彩的能力卻大得多，可達數百種甚至上千種顯然，根據人的視覺特點將彩色應用於圖像增強中能在很大程度上提高遙感圖像目標的識別精度所以彩色增強成為遙感圖像應用處理的一大關鍵技術，應用十分廣泛 ^[1]  。

隨着遙感技術應用的深入，應用部門對遙感圖像色彩方面的要求也逐漸提高以往的黑白遙感影像或原始的遙感影像的色彩已經遠遠不能滿足人們的要求因此對遙感影像色彩通過各種手段進行改善，解決遙感影像在色彩方面的問題是當今急需解決的問題 ^[1]  。

彩色增強(10張)

彩色增強根據生色的原理分為加色增強及減色增強。如用一般攝影方法制成假彩色合成圖像，一般為減色法；用加色觀察器通過光學攝影得出合成圖像，為加色法。此外，還有進行彩色增強或彩色合成的電子模擬設備。 ^[2] 

彩色合成

彩色合成增強法是將多波段黑白圖像變換為彩色圖像的增強處理技術，根據合成影像的彩色與實際景物自然彩色的關係，彩色合成分為真彩色合成和假彩色合成兩種真彩色合成是指合成後的彩色圖像上的地物色彩與實際地物色彩接近或一致，假彩色合成是指合成後的彩色圖像上的地物色彩與實際地物色彩不一致通過彩色合成增強，可以從圖像背景中突出目標地物，便於遙感圖像判讀隨着多光譜遙感和多元數據融合技術的發展，彩色合成作為一項圖像彩色增強技術已被高度重視為了便於深入闡明這種處理技術的理論依據 ^[1]  。

密度分割

密度分割是一種圖像增強技術，沿圖像的直方圖的X座標，將圖像的灰度值分割成一系列的區間輸入圖像中所有落在給定區間內的灰度值將在輸出圖像中顯不一個相同的灰度值因此如果建立了5種不同的灰度區間，那麼輸出圖像就僅僅包含5個不同的灰度級結果看起來像一張等高線地圖，除了邊界區域的像元顯不相同的灰度值外，每一個灰度值區間同樣可以用一個單色來顯示 ^[1]  。

灰度級閾值被用來將輸入的圖像像元分割成兩種類型一種是像元的灰度級在分析者定義的灰度級之下，另一種是像元的灰度級在分析者定義的灰度級之上 ^[1]  。

HIS變換

數字化圖像所顯不的彩色合成圖像通常可以用三原色紅、綠、藍(R， G，B)來合成在圖2中，説明了典型彩色顯T設備(如彩色監視器)的R，G，B分量的相互關係該圖顯不的是關於R，G，B三原色的立方體，該立方體用每一種三原色的亮度級來定義要顯不一幅每個像元由8個二進制位編碼組成的圖像，則每種彩色成分可能的灰度值的取值範圍就是0 -255。因此，山這樣一種設備來顯示彩色圖像，它可能顯T的最大色彩的數量為256³(16 777 216 )顏色立方體中任意的3維座標位置可代替合成顯不中的一個像元值從該立方體的原點到對角點之間的連線稱為灰度連線，在這條線上所有點的R-G-B的灰度值都相等 ^[1]  。

改進算法AuReH

傳統的彩色增強算法有許多，包括空間域的圖像增強算法，其中包括灰度變換，直方圖增強，空間濾波等，同時基於頻域方面處理的有頻域平滑濾波與品與鋭化濾波。不過自從Land提出Retinex理論後，不同形式的Retinex算法相繼出現，對圖像增強領域有重大的貢獻。本文提出了一種基於Retinex理論的自適應算法AuReH，相比於傳統Retinex及其變種，該算法能夠糾正傳統的色偏問題，同時在彩色增強方面有着更好的效果，並對有霧圖像能夠進行自動去霧 ^[3]  。

保持形狀的彩色圖像增強算法

針對傳統彩色增強方法中使用的亮度分量不能保持彩色圖像形狀信息，從而導致增強後彩色圖像失真這一問題，將Do Hyun Chung等人提出的保持形狀的彩色—灰度變換方法引入到保持形狀的彩色圖像增強中，即利用矢量圖像的水平集信息將輸入彩色圖像轉變為灰度圖像，以此灰度圖像作為彩色圖像的亮度分量，進一步對其採用改進的保持形狀的局部直方圖均衡算法進行增強得出了一種改進的保持彩色圖像形狀的增強方法 ^[4]  。