1、直方图拉伸原理。自定义拉伸是在预设方法的基础上修改参数完成的。预设的拉伸方法有以下几种：
Linear（线性拉伸）线性拉伸的最小和最大值分别设置为0和255，两者之间的所有其他值设置为中间的线性输出值。
Equalization（直方图均衡化拉伸）对图像进行非线性拉伸，一定灰度范围内像元的数量大致相等，输出的直方图是一个较平的分段直方图。
Gaussian（高斯拉伸）系统默认的Gaussian拉伸使用均值DN127和对应于0、255的以正负3为标准差的值进行拉伸。输出直方图用一条红色曲线显示被选择的Gaussian数。被拉伸数据的分布呈白色，并叠加显示在红色Gaussian函数上。
Square Root（平方根拉伸）计算输人直方图的平方根，然后应用线性拉伸。
Logarithmic（对数拉伸）对输人图像的灰阶进行对数拉伸，是一种非线性拉伸方法，可以有效地增强原始图像中较暗部分的特征。当选择此种拉伸方法时，对比度（Contrast)默认设为0。
2、图像增强处理原理。图像增强处理，目的是要改善图像的视觉效果，针对给定图像的应用场合，加强图像判读和识别效果，满足某些特殊分析的需要。图像增强可分成两大类：频率域法和空间域法。
频率域法把图像看成一种二维信号，对其进行基于二维傅里叶变换的信号增强。采用低通滤波（即只让低频信号通过）法，可去掉图中的噪声；采用高通滤波法，则可增强边缘等高频信号，使模糊的图片变得清晰。
空间域法中具有代表性的算法有局部求平均值法和中值滤波（取局部邻域中的中间像素值）法等，它们可用于去除或减弱噪声。
3、同物异谱、同谱异物。遇到这种情况时通常同时考虑空间、时间、形状结构加以区分，以免识别错误。
同物异谱：同一个地物，处于不同的状态，如对太阳光相对角度不同，密度不同，含水量不同，生长环境影响光谱曲线，呈现不同的谱线特征。
异物同谱：在某一谱段区，由于环境条件和自身状况等因素，两个不同地物可能会呈现相同的谱线特征。
4、解译标志中图像的缩放比例。解译标志中图像应缩放到适宜比例：既能表现出图像的内部特征、纹理，又能显示地物与其他地物的边界。不能过大或过小影响图像判读。
5、林地、草地、耕地的图像表征差异。在RGB543下，由于林地、草地、耕地植被单位面积上的叶密度不同，使得林地红色更为明亮；由于高度不同，草地表现为大片均匀的色调；林地会出现树木的阴影。耕地因为人类农业活动影响呈现出规则的片状连续分布，边界清晰，浅红色（成熟期）、浅黄色（未种植）。
图表 1 林地、草地、耕地（RGB543）
6、建筑用地差异。如下图所示，左上角是学校，右上角是工业区，左下角是商业区，右下角是居民区。学校建筑交不规则；工业区建筑较大，呈长条形，排列紧密；商业区建筑密集程度最高，建筑较小，排列规则，被街道划为块状；居民区建筑排列整齐，基本没有街道穿插。
图表 2 四类建筑用地（RGB764）
7、真彩色合成和假彩色合成的几种类型表达的地物特性。
RGB432：均是可见光波段，合成结果接近自然色彩。对浅水透视效果好，可用于监测水体的浊度、含沙量、水体沉淀物质形成的絮状物、水底地形。
图表 3 RGB432
RGB543：标准假彩色。植被呈现各种红色调。深红色/亮红色为阔叶林，浅红色为草地等生物量较小的植被。密集的城市地区为青灰色。最适合用于植被分类。
图表 4 RGB543
RGB764：假彩色合成。用于城市监测。这种波段用到了短波红外，较短的波段比较明亮。
图表 5 RGB764
RGB564：假彩色合成，区分水体和陆地。这种波段组合，橙色和绿色时陆地，水体呈蓝色。
图表 6 RGB564
原文：https://www.cnblogs.com/yuukirito/p/14748853.html