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 & 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 & pepper noise);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 & pepper noise)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(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 & pepper noise)(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(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(GM4);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polynomial3) 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。