【Erdas实验教程】029：遥感图像光谱增强（缨帽变换）
缨帽变换（TCT）是一种针对多光谱遥感数据的线性变换方法，通过固定系数将原始波段转换为亮度、绿度和湿度等具有明确物理意义的分量。该技术由Kauth和Thomas于1976年提出，可有效提取植被、土壤和水体等地物特征，简化图像解译流程。文章详细介绍了缨帽变换的定义、核心思想及操作步骤，并以Landsat 8 OLI数据为例展示了变换结果。相比主成分分析（PCA），缨帽变换的分量更具物理可解释性，特别适用于植被监测、土壤分析和水体提取等场景。该方法能降低数据维度，提升特定地物的区分能力，是遥感图像处理的重要工具。
文章目录
- 一、缨帽变换详解
-
- 1. 定义
- 2. 核心思想
- 二、加载实验数据
- 三、缨帽变换过程
- 四、与主成分分析（PCA）的区别
- 五、优势与适用场景
-
- 1. 优势
- 2. 适用场景
一、缨帽变换详解
缨帽变换（Tasseled Cap Transformation，TCT）是一种针对多光谱遥感图像的特定波段组合变换方法，旨在通过数学转换提取地物的物理意义明确的特征（如植被、土壤、水体等），简化图像解译与分析流程。
1. 定义
缨帽变换是基于多光谱遥感数据（尤其是 Landsat 系列卫星数据）的经验性线性变换，通过固定的变换系数将原始波段组合为几个具有明确物理含义的新分量（如 “绿度”“湿度”“亮度” 等），这些分量能直接反映地物的关键属性。
2. 核心思想
多光谱图像的原始波段（如红、绿、蓝、近红外等）虽包含地物信息，但存在冗余和相关性。缨帽变换通过对这些波段进行线性组合，过滤掉无关信息，保留与地物类型（如植被生长状况、土壤湿度）直接相关的特征，使图像分析更高效。