1)KL變換
    KL變換是遙感圖像增強(qiáng)和信息提取中用得最多的線性變換，是對(duì)原波段圖像進(jìn)行波譜信息的線性投影變換，在盡可能不減少信息量的前提下，將原圖像的高維多光譜空間的像元亮度值投影到新的低維空間，減少特征空間維數(shù)，達(dá)到數(shù)據(jù)壓縮、提高信噪比、提取相關(guān)信息、降維處理和提取原圖像特征信息的目的，并能有效地提取影像信息。它可使原來(lái)多波段圖像經(jīng)變換后提供出一組不相關(guān)的圖像變量，最前面的主分量具有較大的方差，包含了原始影像的主要信息，所以要集中表達(dá)信息，突出圖像的某些細(xì)部特征，可采用主分量變換來(lái)完成。

    (2)去相關(guān)拉伸變換
    通過(guò)去相關(guān)拉伸變換把相關(guān)性很高的波段進(jìn)行去相關(guān)拉伸處理，減弱它們之間的相關(guān)性，然后進(jìn)行拉伸，從而使深色區(qū)域的地物差異界線反映得更加清楚。

    (3)紋理特征提取變換
    紋理特征的提取方法比較簡(jiǎn)單，它是用一個(gè)活動(dòng)的窗口在圖像上連續(xù)滑動(dòng)，分別計(jì)算出窗口中的方差、均值、最大值、最小值及二者之差和信息熵等，形成相應(yīng)的紋理圖像，當(dāng)目標(biāo)的光譜特性比較接近時(shí)，紋理特征對(duì)于區(qū)分目標(biāo)可以起到積極的作用。選取適當(dāng)?shù)臄?shù)據(jù)動(dòng)態(tài)變化范圍，進(jìn)行紋理特征提取后，使影像的紋理特征得到突出，有利于提取構(gòu)造信息。

    (4)銳化增強(qiáng)
    調(diào)整圖像的銳化程度使地物在圖像上的差別便于人眼識(shí)別，可達(dá)到信息增強(qiáng)的目的。對(duì)圖像進(jìn)行銳化增強(qiáng)實(shí)際上是利用變換函數(shù)把原圖像進(jìn)行灰度級(jí)轉(zhuǎn)換，增大相鄰像元的灰度值之差，從而達(dá)到突出圖像細(xì)節(jié)的目的。

    (5)定向?yàn)V波
    利用定向?yàn)V波對(duì)ＴＭ圖像頻率特征進(jìn)行篩選，將圖像中的線與邊緣特征信息增強(qiáng)，突出給定方向的線性影像信息，抑制其他方向的無(wú)用信息。采用45°方向?yàn)V波，濾波背景值用100%，濾波核設(shè)為3。濾波后突出了斷裂的線性影像，斷裂兩側(cè)的色調(diào)影像花紋明顯不同，斷裂造成的山脊錯(cuò)斷等特征在影像上非常明顯。

    (6)纓帽變換
    采用纓帽變換可以將ＴＭ圖像除熱紅外波段的6個(gè)波段壓縮成3個(gè)分量，其中的土壤亮度指數(shù)分量是6個(gè)波段的加權(quán)和，反映了總體的反射值；綠色植被指數(shù)分量反映了綠色生物量的特征；土壤特征分量反映了可見(jiàn)光和近紅外與較長(zhǎng)的紅外的差值，它對(duì)土壤濕度和植物濕度最為敏感。這樣的三個(gè)分量就是ＴＭ數(shù)據(jù)進(jìn)行纓帽變換后的新空間，它可以對(duì)植被、土壤等地面景物作更為細(xì)致、準(zhǔn)確的分析，應(yīng)用這種處理方法可增強(qiáng)影像上深色區(qū)域的信息。

    (7)芒塞爾彩色空間變換
    在計(jì)算機(jī)內(nèi)定量處理色彩時(shí)通常采用RGB（Red、Green、Blue）表色系統(tǒng)，但在視覺(jué)上定性的描述色彩時(shí)，采用HSV顯色系統(tǒng)更直觀些。Munsell HSV變換就是對(duì)標(biāo)準(zhǔn)處理彩色合成圖像在紅（R）、綠（G）、藍(lán)（B）編碼賦色方面的一種彩色圖像增強(qiáng)方法，它是借助改變彩色合成過(guò)程中的光學(xué)參數(shù)的變化來(lái)擴(kuò)展圖像色調(diào)差異，將圖像彩色坐標(biāo)系中紅、綠、藍(lán)三原色組成的彩色空間(RGB)變換為由Hue(色度)，Saturation (飽和度)，value(純度)三個(gè)變量構(gòu)成的HSV色彩模型。其目的是為了更有效地抑制地形效應(yīng)和增強(qiáng)巖石單元的波段差異，并通過(guò)彩色編碼增強(qiáng)處理達(dá)到最佳的圖像顯示效果。HSV色彩模型能夠準(zhǔn)確、定量地描述顏色特征。

    (8)非監(jiān)督分類
    遙感圖像分類是將圖像的所有像元按其性質(zhì)分為若干個(gè)類別的技術(shù)過(guò)程，多光譜遙感圖像分類是以每個(gè)像元的多光譜矢量數(shù)據(jù)為基礎(chǔ)進(jìn)行的，分類算法的核心是確定判別函數(shù)和相應(yīng)的判別準(zhǔn)則，如果我們事先沒(méi)有類別的先驗(yàn)知識(shí)，在這種情況下對(duì)未知類別的樣本進(jìn)行分類的方法稱之為非監(jiān)督分類（Unsupervised Classification），非監(jiān)督分類只能把樣本區(qū)分為若干類別，而不能給出樣本的描述。本次對(duì)中甸幅的小中甸盆地子區(qū)應(yīng)用非監(jiān)督分類中的K-均值算法，其基本思想是通過(guò)迭代，逐次移動(dòng)各類的中心，直至得到最好的聚類結(jié)果為止，這種算法是一個(gè)迭代算法，迭代過(guò)程中類別中心按最小二程誤差的原則進(jìn)行移動(dòng)，因此類別中心的移動(dòng)是合理的。其缺點(diǎn)是要事先已知類別數(shù)，在實(shí)際中類別數(shù)通常根據(jù)實(shí)驗(yàn)的方法來(lái)確定。

    (9）波段彩色合成
    對(duì)兩個(gè)波段的圖像進(jìn)行比值運(yùn)算，可減弱背景而突出類別或目標(biāo)信息，消除山影、云影等的影響，區(qū)分易混淆的地物。

    (10)對(duì)數(shù)變換
對(duì)數(shù)變換的主要功能是壓縮圖像亮區(qū)的灰階值，拉伸暗區(qū)的灰階值，從而突出暗區(qū)的構(gòu)造形跡。子區(qū)的色彩更加豐富，影紋更加清晰，有利于巖性的識(shí)別。

    (11)比值處理
    比值處理采用高質(zhì)量比值功能，使比值圖像得到拉伸，有效地消除了地形影響，使陰影區(qū)的結(jié)構(gòu)得到顯示。處理出來(lái)的圖像色彩豐富，既保留了原有地貌特征，又突出了線環(huán)構(gòu)造，為盆地的研究提供了更為直觀可靠的資料,立體感得到增強(qiáng)，陰影區(qū)結(jié)構(gòu)清楚