Matlab在卫星遥感图像中的应用与分析.docx

Matlab在卫星遥感图像中的应用与分析.docx

《Matlab在卫星遥感图像中的应用与分析.docx》由会员分享，可在线阅读，更多相关《Matlab在卫星遥感图像中的应用与分析.docx（14页珍藏版）》请在冰豆网上搜索。

Matlab在卫星遥感图像中的应用与分析

本科毕业论文（设计）

题目：

Matlab在卫星遥感图像中的应用与分析

学院：

物电学院

班级：

10级电子三班

姓名：

郑毓

指导教师：

李静职称：

助教

完成日期：

2014年5月23日

MATLAB在卫星遥感图像中的应用与分析

摘要:

随着科学技术的快速发展以及中国在航空航天事业以及卫星导航方面的大力支持与资金投入，当代中国的卫星遥感技术得到了快速发展。

我们一般通过卫星拍摄出一些遥感图片，然后分析图片提取出我们需要的信息。

Matlab是一款简单、易理解、高效的软件，主要用于数值分析和图形处理。

Matlab有许多用于不同专业领域的工具箱，能够解决不同专业应用领域内的问题。

本文在运用matlab的基础上，实现卫星拍摄下的遥感图像的运算、增强、分割以及图像特征的提取与分析。

关键词：

卫星图像、MATLAB软件、效率高、简单的

1绪论

随着我国近几十年来越来越重视航空航天事业的发展，不断加大对卫星及航空事业的大力投资，我国的卫星导航事业得到了快速发展，卫星导航技术也逐渐的在人民日常生活中拥有了重要作用，比如很多人喜欢查看卫星遥感地图来判断自己的位置及信息。

但是通常情况下采用卫星遥感技术拍摄出来的画面，在诸多因素如：

卫星位置，姿态，飞行坏境等影响下，得到图片质量以及信息会发生一定的下降和缺失，对于我们准确的提取出遥感图片的信息产生巨大的影响，花费巨大的投入拍摄到一些质量不好的图片显然不是人们想要的结果。

因此，在大多数时候我们需要运用一些软件对这些原始图像进行不同方面的处理，更好更准确的得到图像背后隐藏的信息，从而解决更多的实际生活问题，这样能让科学技术更加方便的惠及到普通人民的日常生活中。

因此，在一定程度上对卫星遥感图像信息处理比获得卫星遥感图像更为重要，而通过matalab软件对遥感图像进行处理，实际上就是对数字图像进行不同方面的处理。

而在上述理论的验证和工程实现需要很多的理论推导和数学计算，这些都可以通过Matlab完成。

所以Matlab己经成为目前卫星遥感图片处理应用中重要的图像开发软件，在卫星导航技术中占有越来越重要的位置。

MATLAB软件是当今世界最快速简洁的数学计算软件之一。

Matlab对遥感图片进行特定处理是通过一系列的MATLAB的图像处理函数构成的图像处理工具箱来进行处理。

在对卫星遥感图像处理时，可以直接调用这些函数进行运算和处理，所以这大大加快了软件的运转效率，使得图像处理更加简洁与方便。

这样我们就能在花费比较小的精力及代价下获得我们不同要求的卫星遥感图片，从而更快更好的分析遥感图像，这大大推动了卫星遥感技术的发展。

本文主要详细论述在matlab的基础上的对卫星遥感图像运算、图像增强、图像边缘检测以及遥感图像特性分析。

2卫星遥感图像的简单处理

在大多数时候，通过航天卫星拍摄到图片，经常会拍到一些角度和方向不好的遥感图片，给人们分析图像带来很大的不便，那么我们就需要对这些遥感图片做一些简单的处理，以便更好地分析遥感图像，通常情况下，对这些图像的处理涉及到的内容有图像的像素运算、图像的平移、图像的空间变换等等。

2.1图像的像素运算

数字图像的运算包括数字图像的像素运算，图像的平移，图像的空间变换以及图像的邻域和块操作。

在图片的成像原理中我们了解到，图像可以看作是有大量不同的像素点组成的，对图片进行各种运算实际上就是对图像的像素点进行运算处理。

图像的像素点运算是图像数字化重要工具。

我们可以把图像由一个个像素组成，数字图像处理就是对图像的每个像素进行运算，将输入图像每个像素作为输入函数，输出函数为输出图像的每个像素，它们之间的关系为映射，其数学关系为A（x，y）=f[B（x,y）].通过这样的处理，我们得到处理后的图片，图片一些属性是保持不变的，比如图像的亮度，色彩度等等。

2.2图像的平移变化

图像的变化实际上是图像像素点的运算。

图像的平移是将原始图像像素点（m,n）平移到（m+m0,，n+n0）。

图像平移之后，图像没有质的改变，如图像的大小，颜色都保持不变。

2.3图像的空间变换

在matlab中，我们能够根据特定的需要运用相应的图像处理函数的来完成图像的空间变换。

如果要完成图像的空间转换，我们可以运用imtransform来实现这个目标，公式为:

I=imtransform（C，TFORM），C为待变换的图像矩阵，TFORM表示为执行空间变换的所有参数的结构体，I为参数变换后的图像矩阵。

变换前的图像像素点坐标与变换后图像像素点坐标的关系可以表示为：

（m’，n’）=T（m,n）

具体的数学表达式为m’=a1m+b1n+c

n’=a2m+b2n+c

矩阵形式为：

下面我们对一个拍摄角度不是特别好的图片做以上处理，我们可以自己定义参数得到处理后的图片:

[N,map]=imread（'9.JPG'）;

X=maketform（'affine',...

[cosd（30）-sind（30）0;sind（30）cosd（30）0;001]）;

X=imtransform（N,X）;

Y=maketform（'affine',[500;010.50;001]）;

Y=imtransform（N,Y）;

Z=maketform（'affine',[140;210;001]）;

Z=imtransform（N,Z,'Fillvalues',155）;

figure;

subplot（121）,imshow（N）,axison;xlabel（'图像1卫星遥感图像'）;

subplot（122）,imshow（X）,axison;xlabel（'图像2表示旋转后的卫星遥感图像'）;

figure;

subplot（121）,imshow（Y）,axison;xlabel（'图像3表示缩放后的卫星遥感图像'）;

subplot（122）,imshow（Z）,axison;xlabel（'图像4表示切变后的卫星遥感图像'）;

仿真的结果如下：

依次为原图、图像旋转、图像缩放、图像切变

结果分析：

可以看出，我们通过设置不同的参数就可以实现对卫星图像的不同角度的旋转、缩放以及空间切变等处理，这样我们就可以运用matlab程序对拍摄角度和质量不好的图片进行如上所示的简单处理，就可以得到校正以后的图片，以便我们更快更直接的得到卫星遥感图片的具体信息。

这大大加快了卫星遥感图片处理的速度与进程，节省了大量的时间与精力。

3.卫星遥感图像增强技术

在卫星遥感图片中，有一些直接拍摄出来的图片质量是非常差的，亮度以及对比度都达不到我们的要求，通过数字图像增加技术我们可以改善遥感图像的质量和视觉效果，得到更加清晰的图像，使我们能够更好的得到遥感图片信息。

在当代航空航天领域内，经常使用matlab实现对卫星遥感图片进行不同方面的处理，从而得到图像质量更高的图片，可以说遥感图像增强技术大大推动了航空航天事业的发展和进程，同时也提高了图像硬件设备的发展。

图像增强技术有空域和频域两种处理方法，处理对象有灰度图像和彩色图像两种。

其中，频域内的图像增强是把遥感影像作为一种信号，然后对傅里叶变换后的信号采用滤波法进行滤燥声处理，从而就能够得到比较清晰的图片。

空域增强实际上是对图像像素点进行处理，像素点的增强方法也叫做灰度变换，常用的两种空域内增强方法是灰度图像增强和直方图均衡化增强技术。

其中灰度图像增强的公式为：

G（x，y）=T[f（x,y）],其中T定义为（x，y）的某个领域。

直方图均衡化增强技术原理是对图像中灰度级出现的概率的进行处理和改变，从而提高图像质量。

随着我国遥感图像增强技术的不断进步与发展，人们已经能够熟练的运用图像增强技术来处理卫星遥感图片，在资源的勘探，天气预报，遥感地图清晰化等方面已经得到了广泛的应用。

下面两段编程是实现了卫星遥感图像在空域内的灰度图像增强与空域内的直方图增强的应用及结果分析，程序如下：

N=imread（'卫星图片.jpg'）;

M=rgb2gray（N）;M=double（M）;D=（M-75）*245/60;

row=size（I,1）;column=size（I,2）;

fori=1:

row

forj=1:

column

ifJ（i,j）<0

J（i,j）=0;

end

ifJ（i,j）>255;

J（i,j）=255;

end

end

end

figure;

subplot（121）;imshow（uint8（I））;xlabel（'图片1表示卫星灰度图片'）;

subplot（122）;imshow（uint8（J））;xlabel（'图片2表示灰度增强后的卫星图片'）;

最后仿真结果图片如下：

下面这段程序是直方图增强技术的应用，程序如下：

N=imread（'卫星图片.jpg'）;M=rgb2gray（N）;L=histeq（M）;

figure;

subplot（121）;imshow（uint8（M））;xlabel（'图片1表示灰度图像'）;

subplot（122）;imshow（uint8（L））;xlabel（'图片2表示直方图均衡化后的图像'）;

figure;

subplot（121）;imhist（M,64）;xlabel（'3.灰度图像的直方图表'）;

subplot（122）;imhist（L,64）;xlabel（'4.均衡化后的图像直方图表'）;

结果分析：

1.从灰度图像增强技术中的仿真图片中我们可以看出，对比较灰暗的卫星遥感图像进行处理，得到了比较亮、对比度比较强的图片。

其实对遥感图像增强的主要目的就是让遥感图像图像暗的部分变亮，因为在卫星拍摄的图片中经常收到光线的影响得到的图像较暗，对这些遥感图像灰度增强更利于我们分析遥感图片中隐藏的信息，同时我们可以根据需要更改程序中的参数得到灰度不同增强效果的图片。

2.从均衡化图像增强技术的仿真图片中可以看出，图像直方图灰度间隔变大变均匀了，它是通过对灰度像素的平均化使得图像暗的部分变亮。

以上两个方式对遥感图像的处理简单高效，可以快捷的得出高质量的遥感图片，从而更加利于我们分析和识别图像。

所以说对卫星遥感图片增强技术的发展大大推动了我们卫星遥感事业的发展。

4卫星遥感图像的特征提取与分析

对于卫星遥感图像的特征提取与分析是整个卫星遥感图像处理的核心部分，因为我们得到的大部分遥感图像不仅仅是为了看到图像，而是要对遥感图像中隐藏的信息进行挖掘和分析。

我们可以从图像的颜色直方图特性，边缘特性，以及纹理特性等来描述遥感图像的特征。

4.1颜色直方图分析

颜色直方图描述图像的颜色特征，它体现了不同的颜色在整幅图像中所占的比例，并没有特别注意每个颜色的位置。

在有些拍摄到的卫星图片中，我们可以近似的认为一种颜色为一种物体，例如，在一张地表卫星遥感图片中，我们可以近似的认为绿色的部分代表森林树木，蓝色代表海洋等。

这样，我们就可以通过颜色直方图分析出来不同物体在整个拍摄到的区域中所占的比例跟大概分布位置。

颜色直方图显示出了图像各个颜色的统计特征，某些自动分割困难的图像和物体空间位置不需要考虑的图像，颜色直方图非常实用。

颜色直方图有很多种颜色空间直方图，RGB颜色空间和HSV颜色空间是比较常用的两种颜色空间。

以下程序是通过RGB遥感图像颜色直方图的分析，程序如下：

I=imread（'5.JPG'）;

R=I（:

:

1）;G=I（:

:

2）;B=I（:

:

3）;

set（0,'defaultFigurePosition',[100,100,1000,500]）;

set（0,'defaultFigureColor',[111]）;

figure;

subplot（121）;imshow（I）;xlabel（'图片1表示遥感图片'）;

subplot（122）;imshow（R）;xlabel（'图片2代表R分量'）;

figure;

subplot（121）;imshow（G）;xlabel（'图片3表示G分量'）;

subplot（122）;imshow（B）;xlabel（'图片4表示B分量'）;

figure;

subplot（131）;imhist（I（:

:

1））;xlabel（'图片5.红分辨率下的直方图'）;

subplot（132）;imhist（I（:

:

2））;xlabel（'图片6.绿分辨率下的直方图'）;

subplot（133）;imhist（I（:

:

3））;xlabel（'图片7.蓝分辨率下的直方图'）;

得到的仿真图片如下：

结果分析：

通过RGB颜色直方图我们可以看出红、绿、蓝三种不同颜色在整个卫星遥感图片中统计分布以及基本色调，同时也反映出了三种颜色值出现的频数，在图片中我们可以了解到土地的颜色比较接近红，森林颜色比较接近率，海洋的颜色比较接近蓝，所以这三种颜色的直方图在一定程度上可以反映在图片所覆盖的各个区域中的土地森林以及海洋的所占比例。

4.2遥感图像的边缘特性分析

边缘是图像中的像素领域内的像素的不连续的集合，卫星遥感影像边缘特征的描述，不仅可以减少需要处理的图像信息，还可保持物体的形状信息。

在对遥感图像边缘特性分析时就要用到边缘分割技术。

人们对卫星遥感图像边缘分割已经研究了很多年，遥感图像边缘分割就是首先把卫星遥感图像分割成许多的特定模块，然后根据我们的特定需要提取出某些模块，因为在有的时候我们是不需要对整个卫星遥感图像进行全部分析的，而是分析其中一个部分。

在卫星遥感图像中，由于受不同因素的影响，使得拍摄出来的遥感图片中不同区域的边界比较模糊，这就导致没有一个可靠的模型对图像分割进行指导，从而限制了遥感图像技术的发展。

我们知道卫星遥感灰度图像一般会有比较明显的边缘，那么我们可以根据这些边缘来将图像分割，图像边缘分割技术是利用了灰度图像的像素点在邻域内的不连续性变化的特点，边缘检测的优点是定位精准，效率较快。

如下图所示就是对一个卫星图片进行边缘分割后的图像。

4.3遥感纹理特征描述

纹理是卫星遥感图片的一个重要特征，也是一种难以描述的特性。

很多的卫星遥感图像都是纹理图像，因此卫星纹理特性的的描述具有广阔的运用前景。

纹理特性即描述了图像中部分景物的一些表面特性。

周期性是图像纹理的最大特征，反映物品的质地，如光滑度与粗糙度等等。

纹理分析是运用图像处理技术分析出纹理特征，从而定量或定性描述纹理。

图像的纹理分析使用非常广泛，例如卫星遥感地面表图像使用。

纹理一般是用图片的粗糙性来表述。

一般情况下我们常采用自相关函数作为纹理测度。

以下程序是对2张卫星遥感图片通过自相关函数进行纹理测试：

f11=imread（'7.jpg'）;f1=rgb2gray（f11）;

f1=double（f1）;

[m,n]=size（f1）;

D=20;

[epsilon1,eta1,C1]=zxcor（f1,D,m,n）;

f22=imread（'9.jpg'）;

f2=rgb2gray（f22）;

f2=double（f2）;

[m,n]=size（f2）;

[epsilon2,eta2,C2]=zxcor（f2,20,m,n）;

set（0,'defaultFigurePosition',[100,100,1000,500]）;set（0,'defaultFigureColor',[111]）;

figure;

subplot（121）;imshow（f11）;title（'粗糙的卫星图像'）;xlabel（'图片1'）;

subplot（122）;imshow（f22）;title（'光滑的卫星图片'）;xlabel（'图片2'）;

figure;

subplot（121）;mesh（epsilon1,eta1,C1）;

xlabel（'epsilon'）;ylabel（'eta'）;title（'粗糙图像的自相关函数图像'）;xlabel（'图片3'）;

subplot（122）;mesh（epsilon2,eta2,C2）;

xlabel（'epsilon'）;ylabel（'eta'）;title（'光滑图像的自相关函数图像'）;xlabel（'图片4'）;

最后得到的仿真图片如下：

结果分析：

从两幅自相关函数曲线对比可以看出：

粗糙图像的自相关函数曲线下滑的幅度较大，光滑的图像曲线下滑幅度较小，通过自相关函数就可以有效地识别纹理图像的粗糙度。

在图像识别领域中，常根据标准纹理的自相关函数曲线和未知图像的自相关函数曲线对比来判断一个纹理图像的粗糙程度。

在卫星遥感技术中，这种纹理测试经常用作云探测。

总结

在李静老师的细心指导下得以完成本论文，从一开始论文题目的选择，中间经历开题报告、正文写作以及资料的查询都得到了老师跟同学的热心指导与帮助，没有他们，我不会顺利的完成这篇论文设计，所以在此要向老师和帮助过我的同学表示由衷的感谢。

这次做论文的经历也使我终身受益，通过阅读大量的文献，对卫星遥感图像处理技术有了一定的了解，同时运用matlab对卫星遥感图片按照特定要求做一系列的处理，并对仿真结果进行了分析，是我加深了对卫星遥感图像的了解与运用。

同时在论文书写过程中，自己走了很多的弯路，通过一步步的学习，知道了怎么样更加快捷方便的运用这款软件，对matlab这款软件有了更好的认识，了解到这款软件的强大与实用性。

同时我也学会了踏踏实实一步一步用心去做一件事情，论文的书写与编排从头到尾都是自己学习和研究的过程，让我学到了很多实用的知识和技术。

每当我学到新的知识，每当调试出每一个新的程序时，心中无比的喜悦，感觉到能带给我们最大成就感的是我们自己的努力，很感谢这次特殊的经历，让我在以后研究生的学习中更加耐心与用心，脚踏实地、严谨求学是我在这次论文设计中的最大收获，也是对我能力的提升，对于以后的生活与学习都有很大的帮助。

参考文献：

[1]张铮精通Matlab数字图像处理与识别.北京：

人民邮电出版社，2008

[2]杨丹赵海滨龙哲.图像处理实例详解[M].北京：

清华大学出版社,2009

[3]冈萨雷斯数字图像处理的Matlab的实现.北京：

清华大学出版社，2013

[4]赵小川Matlab数字图像处理实战.北京：

机械工业出版社，2013

[5]杨杰.数字图像处理及Matlab实现：

学习与试验指导[M].江苏：

电子工业出版社,2010

[6]秦襄培，郑贤中.Maltab图像处理宝典.北京：

电子工业出版社，2011

[7]马奎斯实用Matlab图像和视频处理.北京：

清华大学出版社，2013

[8]余成波.数字图像处理及MATLAB实现.重庆：

重庆大学出版社,2003

[9]马平.数字图像处理与压缩.北京：

电子工业出版社，2007

[10]张志涌，徐艳琴.MATLAB教程.北京航空航天出版社，2001

[11]SimardP,SteinkrausD,MalvarH.On-lineAdaptationImageCodingwitha2-dTarpFilter.ProceedingsofIEEEDataCompressionConference[J].2002.vol.8

（1）:

23-32.

[12]wanghong，luming，quedashun.ImageCompressionBasedonWaveletTransformandVeetorQuantization[J].Beijing:

ProceedingsoftheFirstInternationalConfereneeonMaechineLeamingandCybernetics,2002（5）:

35-41

Abstract

Inourdailylifeandworking.Digitalimageprocessingisbecamingmoreandmoreimportantandisusedbroadly.Moreandmorepeopletagettheimformationbythewayofimage.Comparewiththetrantionalstyleofimage,digitalimageprocessingisanew

Andcomprehensiverelativelydiscipline.

Matlabismainlyusedforalgorithmdevelopment,dataanalysis,visualizationandnumerical.Maltabtoolboxforalargenumberofdifferentareasofexpertise,it’sabletosolveproblemswithavarietyofprofessionalapplications.

Inthispaper,theuseofmatlabtoolboxonthebasisofmatlab,achievingdigitalimageoperation,enhancement,segmentation,convert,colorimagefeatureanalysisandpeople’sfaceimagepreprocessingbasedmatlab.

Keywords:

DigitalImageProcessing,matlabsoftware