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（12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
广东工业大学华立学院
数字图像处理（论文）
课程名称数字图像处理及MATLAB实现
题目名称MATLAB在卫星遥感图像中的应用与分析
学生学部（系）机电与信息工程学部
专业班级13信息1班
序 号51
学生姓名姚威
指导教师唐艳凤
2016年4月18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
目录
1绪论1
2卫星遥感图像的简单处理1
2.1图像的像素运算2
2.2图像的平移变化2
2.3图像的空间变换2
3.卫星遥感图像增强技术4
4卫星遥感图像颜色直方图的特征提取与分析7
总结10
参考文献：
10
附录：
11
1绪论
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。
图像增强技术有空间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。
空间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，常用的两种空间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；间域内的灰度图像增强与空间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卫星遥感图像颜色直方图的特征提取与分析
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，森林颜色比较接近绿，湖泊的颜色比较接近蓝，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。
总结
综合利用MATLAB的图形处理工具箱，可以对遥感图像进行各种处理分析，速度快，方法科学，为遥感图片的判读及遥感信息的处理和分析提供良好的条件。
当然，MATLAB中图像处理工具箱中所提供的图像处理功能远不止上述的几种，如图像的几何运算，滤波器的设计，二值图像的处理（包括形态学的操作，特征测量等）以及区域处理等都可以在MATLAB的图像处理工具箱中找到处理的方法。
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
附录：
clear;
[N,map]=imread（'K8.jpg'）;
X=maketform（'affine',...
[cosd（30）-sind（30）0;sind（30）cosd（30）0;001]）;
X=imtransform（N,X）;%图像旋转
Y=maketform（'affine',[500;010.50;001]）;
Y=imtransform（N,Y）;%图像缩放
Z=maketform（'affine',[140;210;001]）;
Z=imtransform（N,Z,'Fillvalues',155）;%图像切变
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'）;
N=imread（'K8.jpg'）;
M=rgb2gray（N）;P=double（M）;
row=size（N,1）;column=size（M,2）;
fori=1:
row
forj=1:
column
ifN（i,j）<0
N（i,j）=0;
end
ifM（i,j）>255;
M（i,j）=255;
end
end
end
figure;
subplot（121）;imshow（uint8（M））;xlabel（'图片1表示卫星灰度图片'）;
subplot（122）;imshow（uint8（P））;xlabel（'图片2表示灰度增强后的卫星图片'）;
N=imread（'K8.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'）;
I=imread（'k8.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'）;
升级会员 