图像技术实习报告

图像技术实习报告本文简介：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，

图像技术实习报告本文内容：

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

数据准备

2005年的TM多光谱数据

2005年SPOT高分辨率数据

影像融合

几何配准

影像增强

影像分类

成果图制作

影像输出

最邻近像元法重采样

双线性内插法重采样

三次卷积法重采样

遥感信息复合

卷积增强

直方图均衡化

主成分变换

色彩变换

监督分类

非监督分类

人工目视解译

影像处理技术路线及原理

lena图像

岸线提取

1999年的TM多光谱数据

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(

gaussian

noise

);

P2=imnoise(M,salt

%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

g=medfilt2(P1);

%对高斯躁声中值滤波

subplot(3,3,5);

imshow(g);

title(

medfilter

gaussian

);

h=medfilt2(P2,[3,3]);

%对椒盐躁声中值滤波

subplot(3,3,6);

imshow(h,[]);

title(

medfilter

salt

%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(

arithmeticfilter

gaussian

)

%对椒盐躁声算术均值滤波

d=conv2(double(P2),double(l));

subplot(3,3,9)

imshow(d,[])

title(

arithmeticfilter

salt

subplot(2,2,1)

imshow(I,map);

title(

original

image

)

I=double(I);

[IX,IY]=gradient(I);

GM=sqrt(IX.*IX+IY.*IY);

OUT1=GM;

subplot(2,2,2)

imshow(OUT1,map);

title(

gradient

value

)

OUT2=I;

J=find(GM>=3);

OUT2(J)=GM(J);

subplot(2,2,3)

imshow(OUT2,map);

title(

Thresholded

Gradient

)

OUT3=I;

J=find(GM>=4);

OUT3(J)=255;

Q=find(GM<4);

OUT3(Q)=0;

subplot(2,2,4)

imshow(OUT3,map);

title(

Two

value

);

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data

preparation对话框点击image

Geometric

correction。

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resolution

merge弹出resolution

merge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raster

option里勾选no

stretch，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supervised

classification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maximum

likelihood，后者是mahalamobis

distance。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。