4.4.1 彩色合成增强
人的视觉对彩色的分辨能力远远高于对灰度的分辨能力，通常人眼能分辨的灰度有十几个等级，但可以分辨100多种彩色层次。彩色增强就是根据人的视觉特点，将彩色用于图像增强之中，这是提高遥感图像目标识别精度的一种有效方法。彩色合成增强是将多波段黑白图像变换为彩色图像的增强处理技术。根据合成影像的彩色与实际景物自然彩色的关系，彩色合成分为真彩色合成和假彩色合成两种。真彩色图像上影像的颜色与地物颜色基本一致。 利用数字技术合成真彩色图像时，是把红色波段的影像作为合成图像中的红色分量、把绿色波段的影像作为合成图像中的绿色分量、把蓝色波段的影像作为合成图像中的蓝色分量进行合成的结果。如TM321分别用RGB合成的图像。假彩色图像是指图像上影像的色调与实际地物色调不一致的图像。遥感中最常见的假彩色图像是彩色红外合成的标准假彩色图像。它是在彩色合成时，把近红外波段的影像作为合成图像中的红色分量、把红色波段的影像作为合成图像中的绿色分量、把绿色波段的影像作为合成图像中的蓝色分量进行合成的结果。如TM432用RGB合成的图像为标准假彩色图像。
 |
4.4.2 密度分割
将连续的灰度值转换为少量的灰度区间，并用不同的颜色表示 增强了图像的目视解译效果。图像密度分割原理可以按如下步骤进行：（1）求图像的极大值dmax和极小值dmin；（2）求图像的密度区间ΔD=dmax-dmin+1；（3）求分割层的密度差Δd =ΔD／n，其中n为需分割的层数；（4）求各层的密度区间；（5）定出各密度层灰度值或颜色。密度分割的结果是伪彩色(pseudocolor)图像。
4.4.3 反差增强（直方图变换）
又称对比度增强（拉伸，stretch），是一种通过改变像元的亮度值来改变图像像元的对比度，从而改善图像质量的图像处理方法。主要通过改变图像灰度分布态势，扩展灰度分布区间，达到增强反差的目的，主要通过调整直方图来实现。统计每幅图像的各亮度的像元数而得到的随机分布图，即为该幅图像的直方图。一般来说，包含大量像元的图像，像元的亮度随机分布应是正态分布。直方图为非正态分布，说明图像的亮度分布偏亮、偏暗或亮度过于集中，图像的对比度小，需要调整该直方图到正态分布，以改善图像的质量。
1.直方图拉伸
可采用线性增强、分段线性斜或者非线性拉伸。
 |
 |
非线性的增强方法；将每个灰度区间等概率分布，代替了原来的随机分布，即增强后的每个灰度级内有大致相同的像元数；通过改变灰度区间来实现；根据灰度值的出现频率来分配它们的亮度显示范围，频率高的部分被增强了，频率低的部分被压缩。
3.直方图匹配（histogram matching）
把原图像的直方图变换为某种指定形状的直方图或某一参考图像的直方图，然后按照已知的指定形态的直方图调整原图像各像元的灰级，最后得到一个直方图匹配的图像。使用的模板有正态拉伸匹配、暗区拉伸匹配、亮区拉伸匹配。主要应用于有一幅很好的图像作为标准的情况下，对另一图像进行匹配，以改善被处理图像的质量。应用于数字镶嵌。
4.4.4 空间滤波
又叫邻域增强，是在被处理像元周围的像元参与下进行的运算处理，邻域的范围取决于滤波器的大小，如3×3或5×5等，用于去噪声、图像平滑、锐化和相关运算。
1.平滑
图像的平滑是使图像中高频成分消退，即平滑图像的细节，使其反差降低，保存低频成分，在频域中称为低通滤波。主要有均值滤波和中值滤波。
2.锐化（边缘检测与增强）
锐化是增强图像中的高频成分，在频域处理中称为高通滤波，也就是使图像细节的反差提高，也称边缘增强。锐化是对邻区窗口内的图像微分。采用的模板主要有罗伯特、索伯尔、拉普拉斯等。
 |
 |
两幅或多幅单波段图像，空间配准后可进行算术运算，实现图像的增强。减法运算可突现出两波段差值大的地物，如红外-红，可突现植被信息。比值运算常用于计算植被指数、消除地形阴影等。
植被指数是基于植被叶绿素在红色波段的强烈吸收以及在近红外波段的强烈反射，通过红和近红外波段的比值或线性组合实现对植被信息状态的表达。 可用于识别植被，监测植被健康状况等。有许多不同的表达公式：SR=NIR/R （simple ratio）（比值植被指数）；NDVI=（NIR-R）/(NIR+R) （归一化差值植被指数）；SAVI=（1+L）（NIR-R）/（NIR+R+L），L=0.5（土壤修正植被指数）。如对TM数据： NDVI=（TM4-TM3）/（TM4+TM3）。
利用NOAA卫星数据进行估产采用的绿度模式：（CH2/CH1）1/2 ； [（CH2-CH1）/（CH2+CH1）]1/2；[（CH2-CH1）/（CH2+CH1）+0.5 ]1/2。