图像技术实习报告.docx

图像技术实习报告.docx

《图像技术实习报告.docx》由会员分享，可在线阅读，更多相关《图像技术实习报告.docx（15页珍藏版）》请在冰豆网上搜索。

图像技术实习报告

图像技术实习报告

一、实验目的：

（1）、实验类型：

综合性实验；

（2）、了解图像技术软件如matlab，ERDAS的软硬件环境、数据采集；

（3）、初步掌握图像技术软件的基本操作技能；

（4）、能够熟练的操作matlab，ERDAS软件，并能应用该软件进行简单的图像处理和；

（5）、掌握产品的输出设计。

二、实验主要仪器设备，器材，药品，软件等

（1）软件准备：

matlab7.0，ERDASIMAGINE9.2

（2）硬件准备：

PC机512M内存，32M显卡（最低）

（3）资料准备：

天津地区1999年，2005年的TM和分辨率为10米的SPOT影像图

三、实验原理和内容：

（1）实验题目：

数字图像图像处理综合实验

（2）具体要求：

应用matlab软件或erdas软件对lena图像和1999，2005年天津地区遥感影像做增强处理；对增强后的地图进行岸线提取；对1999，2005年天津地区TM图像进行信息提取。

（3）功能描述：

窗口命令及功能介绍，数据的输入/输出，数据预处理，图像增强，监督分类（非监督分类），分类后处理，目视解译等功能。

（4）实验原理：

如图所示

四、实验步骤：

试验一，对lena图像进行平滑处理

（一）平滑算子

中值滤波和均值滤波

Q=imread（'lena.png'）;

M=rgb2gray（Q）;

subplot（3,3,1）

imshow（M）%显示原始图像

title（'original'）

P1=imnoise（M,'gaussian',0.02）;%加入高斯躁声

subplot（3,3,2）

imshow（P1）%加入高斯躁声后显示图像

title（'gaussiannoise'）;

P2=imnoise（M,'salt&pepper',0.02）;%加入椒盐躁声

subplot（3,3,3）

imshow（P2）%%加入椒盐躁声后显示图像

title（'salt&peppernoise'）;

g=medfilt2（P1）;%对高斯躁声中值滤波

subplot（3,3,5）;

imshow（g）;

title（'medfiltergaussian'）;

h=medfilt2（P2,[3,3]）;%对椒盐躁声中值滤波

subplot（3,3,6）;

imshow（h,[]）;

title（'medfiltersalt&peppernoise'）

l=ones（3,3）;%对高斯躁声算术均值滤波

l=l/9;

k=conv2（double（P1）,double（l））;

subplot（3,3,8）

imshow（k,[]）

title（'arithmeticfiltergaussian'）%对椒盐躁声算术均值滤波

d=conv2（double（P2）,double（l））;

subplot（3,3,9）

imshow（d,[]）

title（'arithmeticfiltersalt&peppernoise'）

（二）处理结果

用中值和均值处理的结果图

（三）评价结果

从图中可以看出，中值平滑对于高斯噪声和椒盐噪声都能更好的滤除噪声。

均值滤波则比较适合高斯噪声，也就是说，均值平滑对于连续的噪声比较适合，而中值平滑对于突出的噪声较为适合。

试验二，对1999年图像进行岸线提取

（一）提取方法

1）运用灰度取阈法提取海岸线。

2）程序

[I,map]=imread（'jch.tif'）;

subplot（2,2,1）

imshow（I,map）;

title（'originalimage'）

I=double（I）;

[IX,IY]=gradient（I）;

GM=sqrt（IX.*IX+IY.*IY）;

OUT1=GM;

subplot（2,2,2）

imshow（OUT1,map）;

title（'gradientvalue'）

OUT2=I;

J=find（GM>=3）;

OUT2（J）=GM（J）;

subplot（2,2,3）

imshow（OUT2,map）;

title（'ThresholdedGradient'）

OUT3=I;

J=find（GM>=4）;

OUT3（J）=255;

Q=find（GM<4）;

OUT3（Q）=0;

subplot（2,2,4）

imshow（OUT3,map）;

title（'Twovalue'）;

F1=im2bw（OUT3）;

F2=bwfill（F1,'holes'）;

SE=ones（3）;

F3=imdilate（F2,SE）;

OUT4=bwperim（F2）;

figure,imshow（OUT4）;%显示一下轮廓图形,以查看提取后的效果

（二）结果输出和分析

最后输出结果图，边界明显，只是图像中云的部分也被提取出来了。

试验三，信息提取综合实验

1）几何校正

显示图像，可知tm影像是又坐标系的。

所以利用tm影像对spot影像进行几何校正。

在erdas菜单数据预处理

下，弹出datapreparation对话框点击imageGeometriccorrection。

2）接下来进行选择polynomial

3）进行数据点采集，得到数据点后保存，在这个对话框中

点

输出图像。

（一）数据融合

1）在erdas菜单栏里点

弹出以下对话框，再点resolutionmerge弹出resolutionmerge对话框，输入两个需要融合的图像，并输出。

2）得到图像后，在进行拉伸和变换。

在查看图像时在rasteroption里勾选nostretch，这是因为在打开图像是软件会对图像自动拉伸，一般是2%拉伸。

原图为下图。

3）进行拉伸后，选择453波段分别为红、绿、蓝三色。

得到绿色的图像。

（3）监督分类

1）运用监督分类对图像进行分类。

a）首先选取感兴趣区（也就是提取分类）

b）提取分类结束后，保存；然后点开classifier的supervisedclassification进行分类执行。

（4）分类后处理

1）类别分离。

2）运用两种方法做出的分离前者是maximumlikelihood，后者是mahalamobisdistance。

显然maximum做的较好。

（5）目视解译

1）首先在view窗口打开监督分类后的图像，点开view窗口的菜单栏中的Raster的Tools，出现tools对话框，点开图标

，可以显示图像的分类。

可以根据需要改变各类别的颜色，以便目视解译。

2）在tools对话框中的多边形提取图标

，用分类后的图像与融合变换好的图像对比，将一些小斑块归类都其他类别中，要归类就需要利用

和

，分别作用是区域填充和多边形提取，利用多边形提取，提取多边形后，点开区域填充，根据目视得到的结果，手动将此类别分到认为正确的类别中。

依次对每种类别进行分类。

3）最后保存重分类后的图像和感兴趣区。

4）在此监督分类中采用的是534波段组合，不同的波段组合会使得某些波段地物特征发生变化，有些地物会不显示。

而且在提取分类时也会产生误差，不利于分类，给分类后处理带来极大的麻烦。

5）过滤分析

将分类的后出现的小斑块赋予0值，去掉。

这样就可以不考虑小斑块的影响。

（6）图像输出

（7）结果分析

得到的图像由于监督分类过程中，系统函数阈值的关系，河流与水田的相似度高，因此在水田区域会出现河流的小斑块，这给目视解译带来了极大不便。

但是结果图还是能比较明显、清楚的显示出不同地物之间的区别，对了土地利用有比较高的利用价值。

五、 实验总结

1.通过上机实践，对erdas软件有了一定的认识，初步学会利用erdas软件处理遥感图像，并进行分类后处理，在实际操作中，图像的几何校正和分类是比较重要的步骤，会影响到分类后处理的工作量。

几何校正更是重中之重，如果几何校正较差，那么融合得到的图像会有偏差还有重影。

手动分类时也要细心，否则会给之后的分类后处理带了极大的麻烦。

2.在上机实验中进一步了解了matlaB软件，并且能利用matlaB软件提取海岸线。

这极大的提高了遥感图像海岸线提取的速度。