中国地质大学武汉遥感数字图像处理课程设计报告.docx
《中国地质大学武汉遥感数字图像处理课程设计报告.docx》由会员分享，可在线阅读，更多相关《中国地质大学武汉遥感数字图像处理课程设计报告.docx（15页珍藏版）》请在冰豆网上搜索。
中国地质大学武汉遥感数字图像处理课程设计报告
遥感数字图像处理
课程设计报告
学生姓名：
孙国欢
班学号：
113131-05
指导老师：
高伟、王红平
中国地质大学（武汉）信息工程学院
2016年2月
目录
§1课设要求1
§2课设内容1
§3算法原理1
§4结果分析7
§5课设感想9
§1课设要求
加深对遥感图像处理课程教授的典型算法的理解，使用高级程序语言完成算法的设计与实现。
不得直接在商用软件上做二次开发。
§2课设内容
（一）课程实验（20分）
1、图像数据显示
此次实习要求在Demo原型系统中增加对图像数据的显示，具体说明如下：
a）至少支持Tiff格式图像的显示
b）完成RGB合成显示、灰度显示和索引显示的功能
c）完成至少2种的增强显示方式：
如：
正规化显示、均衡化显示、自适
应显示等。
d）完成基本统计量计算以及直方图统计功能。
（二）课程设计内容（60分）
1.图像几何校正
图像几何校正的实现是在准备的控制点数据基础之上，计算图像的转换系数，进而对图像进行重采样，完成图像的几何校正算法。
此部分功能要求：
a）要求实现多项式校正的算法，至少完成一阶多项式，对多阶多项式可尝试。
b）重采样方式要求完成最邻近、双线性和三次立方卷积3种重采样方法
c）要求对重采样方式和多项式阶数能够设置
2.实现影像空域滤波的功能。
主要功能如下：
a）能选择输入影像数据文件；
b）能定制滤波核大小和数值；
c）能选取输出的影像数据文件。
3.图像分类
a）要求实现至少一种分类算法。
b）监督分类的AOI区选取可借助于其他系统选取的AOI区信息
c）若采用非监督分类，要求使用ISODATA算法予以实现
d）要求能以不同颜色来区分显示不同类的像元
§3算法原理
此次课设主要针对遥感数字图像处理课程中教授的遥感数字图像处理的方法与原理进行计算机高级程序语言的实现。
首先要支持Tiff图像显示：
先理解tiff图像存储格式，TIFF文件以.tif为扩展名。
其数据格式是一种3级体系结构，从高到低依次为：
文件头、一个或多个称为IFD的包含标记指针的目录和数据。
参考bmp图像的显示方法，然后借助gdal，使用RASTERIO函数就可以进行单波段的图像显示。
进行RGB显示时，把三个波段分别赋给R,G,B三个通道就可以实现。
索引显示需要在建立索引表的基础上，对单波段图像只能进行灰度显示，对多波段图像进行多波段显示。
增强显示则实现自适应现实和均衡化显示。
自适应显示运用的OnResize事件，从中了解到：
这里CClientDC表示客户端窗口，还有一个CWindowDC表示整个的窗口，CRect则对图片整个四个角还有它的长宽高等等进行定义计算，二者结合进行运算。
然后算一下之前图像的长宽比，然后得到你当前窗口的高度，赋予给长度，再根据之前的长宽比算出之后的宽度，颜色方面保持前后一致，然后调用ReadImage（）。
均衡化显示：
计算灰度值为i的像元的概率和概率和进行处理，使直方图上灰度分布较密的部分被拉伸，灰度分布稀疏的部分被压缩，从而使一幅图像的对比度大大增强。
基本统计量计算和直方图统计功能中，对于数字图像来说，直方图实际就是图像灰度值的概率密度函数的离散化图形，基本统计量则包括均值、中值、众数、方差，都可以利用函数求得。
几何校正指把失真图像消除失真，而且还原为正常图像的过程，具体的步骤是：
从外部导入设置格式的控制点文件，文件中存储若干对控制点，每一对控制点为校正前影像上某一点位置与该点在校正后影像上的位置，采用直接法进行重采样。
根据选择的是一次多项式，二次多项式还是高次多项式，利用控制点对，使用最小二乘法可计算出映射参数，如一次多项式，X=a1x+b1y+c1,Y=a2x+b2y+c2，需计算出a1,b1,c1,a2,b2,c2六个参数，即得到了校正模型，将校正前影像上的像素用模型计算出校正后的像素值，再选择内插方式（最近邻，双线性卷积，三次卷积），给校正后图像各整数点赋值。
我这次的课设实现的是非监督分类，主要采用ISODATA基本原理实现分类结果。
首先来看ISODATA算法的流程：
简单的流程图：
§4结果分析
针对所完成的图像几何校正、影像空间域滤波、图像分类处理算法，与一种商用遥感软件中对应功能进行对比分析，分析所完成算法的局限性以及如何改进。
图像几何校正只有待校正影像和基准影像，控制点文件缺失，不能完成几何校正的结果展示，无法与使用ENVI在遥感制图与解译实习课中几何校正的结果进行对比。
ENVI软件使用下待纠正影像和几何校正后的影像的前后对比，商用软件的效果非常好。
影像空间域滤波的课设结果分析原始图像和滤波后的影像
这里输入的滤波核大小为2，滤波核算子为矩阵[1001],显示结果对比如上图。
可见它的滤波效果相当不错，基本淡化了周围的背景。
但毕竟不是遥感图像，其效果分析并不能与地物相联系，只能大致看出滤波后的图像色差变大，对部分起到了增强效果。
上图是微波遥感课程实习中做的全分辨影像裁剪过后的滤波处理结果对比，明显的看出滤波处理完成后影像突出了道路的走向和建筑区分布，淡化了密集布局的建筑区，使得图像更加清晰易懂。
突出了地物的细节信息，特别是线性构造。
且色差变大，反映出了原图像中由于色差不明显而不是很清楚的地物。
同时我也发现此种滤波方式对非线性特征地物的增强效果不明显。
非监督分类课设结果分析原始图像和分类后图像
非监督分类运用ISODATA算法，按照像元的光谱特性进行统计分类。
使用该方法时，原始图像的所有波段都参于分类运算，分类结果往往是各类像元数大体等比例。
由于人为干预较少，非监督分类过程的自动化程度较高。
非监督分类一般要经过以下几个步骤：
初始分类、专题判别、分类合并、色彩确定、分类后处理、色彩重定义、栅格矢量转换、统计分析。
这里设计的预期分类数为5类，最终的分类结果比较鲜明，基本达成分类目的。
这里是遥感制图与解译课程实习中完成的非监督分类ISODATA算法的分类结果对比，显然分类结果更加保真，分类效果也更加清晰。
可能由于课设中分类设计比较简陋，没有将更多参数变量设计进去所以效果差了不少。
§5课设感想
遥感数字图像处理是通过计算机图像处理系统对遥感图像中的像素进行的系列操作过程，这次课设针对这门课程的内容结合计算机高级程序语言进行编译分析。
整个课设的基础是显示影像，影像显示要结合GDAL。
期间我碰到了很多不懂的问题。
此次课设我主要围绕已有的程序进行分析，学到了很多东西，对各种函数有了相关的了解，尤其是自适应显示和非监督分类的理解也更加到位，真的是获益匪浅。
在以后的学习中我也会继续再接再厉，将课堂知识与动手实践相结合，充分扩展视野提高知识储备，感谢老师同学在课设期间的帮助指导。
升级会员 