数字图像处理综合实验

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;
  5. 掌握产品的输出设计。

实验主要仪器设备,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。

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
    实验原理图

实验步骤:

实验一 对lena图像进行平滑处理

lena
加入椒盐噪声

平滑算子

  • 均值3*3算子

均值3*3算子

  • 均值5*5算子

均值5*5算子

  • 均值7*7算子

均值7*7算子

  • 均值9*9算子

均值9*9算子

处理结果

  • 均值滤波处理:

均值滤波处理

  • 中值滤波处理:

中值滤波处理

  • 理想低通滤波:

理想低通滤波

评价结果

  均值滤波对于去除椒盐噪声有一定的作用,但是选择窗口尺寸的大小是很重要的环节。窗口小不能好滤除噪声,窗口过大又会造成图像模糊。相比较而言,中值滤波法能有效削弱椒盐噪声,且比均值、超限像素平均法更有效。这是中值滤波对于椒盐噪声这样的突出噪声的特有优势。
  相对较上面两种空间域的图像增强处理,频域的平滑也有一定的作用,但是对滤波器的设计要求高,且处理后的图像比较模糊。

实验二 海岸线提取

原图

原图

提取方法

  1. 使用空间滤波锐化增强方法,对TM卫星影像第四波段,通过阈值设置,得到二值图。

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    19
    20
    21
    22
    23
    %空域锐化滤波增强
    clear all; % 清理命令窗口
    [I,map]=imread('cameraman.tif'); % 读入图像
    subplot(2,2,1),imshow(I,map); % 显示原始图像
    title('original image') % 设置图像标题
    I=double(I); % 数据类型转换
    [IX,IY]=gradient(I); % 梯度
    GM=sqrt(IX.*IX+IY.*IY);
    OUT1=GM; % 输出图像
    subplot(2,2,2),imshow(OUT1,map); % 直接梯度值输出
    title('gradient value ') % 设置图像标题
    OUT2=I; % 输出图像
    J=find(GM>=15); % 阈值处理
    OUT2(J)=GM(J); % 输出图像
    subplot(2,2,3),imshow(OUT2,map); % 显示处理后的图像
    title('Thresholded Gradient') % 加阈梯度值输出;
    OUT3=I; % 输出图像
    J=find(GM>=20); % 阈值黑白化
    OUT3(J)=255; % 设置为白色
    Q=find(GM<20); % 阈值黑白化
    OUT3(Q)=0; % 设置为黑色
    subplot(2,2,4),imshow(OUT3,map); % 二值图像
    title('Two values'); % 设置图像标题

    二值化

  2. 对二值图进行边界提取

    1
    2
    3
    4
    5
    6
    7
    F=imread('Two values.tif');
    F1=im2bw(F); F2=bwfill(F1,'holes');
    SE=ones(3);
    F3=imdilate(F2,SE);
    F4=bwperim(F2);
    figure,imshow(F4);
    imwrite(F4,'bianjie.tif')

    提取边界线

  3. 在Photoshop对边界提取中产生的噪点和一些毛刺进行修正

    剔除毛刺

  4. 用matlab对边界进行扩充

    1
    2
    3
    4
    5
    I = imread('bianjie.tif');
    se = strel( 'diamond',3);
    a = imdilate(I,se);
    imshow(a);
    imwrite(a,'bianjie.tif');

    扩充边界

  5. 在原图上显示边界

    1
    2
    3
    4
    5
    I = imread('bianjie.tif');
    f = imread('subset1.tif');
    f(find(I == 1)) = 255;
    imshow(f);
    imwrite(f,'xiaoguo.tif');

    叠加显示

  6. 结果分析
    分析:图像海路交界地带,由于介于陆地和海水的光谱特性之间,在进行空间锐化增强时候做出的二值图分界不是很明确,在进行边缘提取的时候也就出现了很多不必要的线条和毛刺。虽然通过Photoshop修正了这些错误,但是还是会有小的瑕疵难以去除,而且整个过程显得不够智能化。

实验三 信息提取综合实验

几何校正

  本实验中,利用已有坐标信息的tm影像对spot影像选取控制点,采用二次线性卷积算法进行几何校正,具体步骤为:

  1. 分别在两个View中打开spot影像和tm影像
  2. 在spot影像窗口的菜单中打开Raster->Geometric Correction打开Set Geometric Model模块(step1)
  3. 然后选择Polynomial,点击OK在弹出的Polynomial Model Properties(step2)中设置Polynomial Order中选择2,点击Apply,然后关闭。
  4. 随后在弹出的GCP Tool Reference Setup(step3)中选择Existing Viewer.点击OK后出现Viewer Selection Instructions。
  5. 此时用鼠标点击tm影像所在窗口。此时会出现选取控制点的窗口。
  6. 选取控制点,在spot影像中选取一些标志性地物作为控制点,同时在tm影像中找到相同地物,这样的一对点作为一组控制点。
  7. 选取至少8个点作为控制点,并且使所选取的点尽量均匀分布在图像上,并要求最终的误差聚在1以内!
  8. 选取好控制点之后,点击几何校正图标,在弹出的Resample窗口中设这各项参数如图所示,点击输出矫正后的影像。

数据融合和图像增强

  1. 在Erdas主菜单下,依次打开Interpreter->Spatial Enhancement ->Resolution Merge在打开的Resolution Merge中设置如下:

    点击OK输出影像。
  2. 打开融合后的影像,在影像窗口菜单下选择,Raster->Contrast->Standard Deviation Stretch进行拉伸。

监督分类

  1. 选取感兴趣区,并保存。
  2. 在Erdas主菜单下依次打开classifier->supervised classification打开监督分类的窗口,设置如下:
  3. 结果:

分类后处理

  1. Clump
    Interpreter->GIS Analysis->Clump
  2. Interpreter->GIS Analysis->Eliminate

    Eliminate的结果:
  3. Interpreter->GIS Analysis->Recode

    并对结果重新设置颜色:

目视解译


  将原图像的432波段合成的假彩色图像打开,让分类后的图像与之对比,进行修正。假彩色合成的图像中:水体呈蓝色,植被呈红色,建筑物则比较亮。

图像输出

  1. 在ArcGIS中打开图像,右击图层打开属性表,然后选中其中一种地物,利用ToolBox中Conversion->From Raster->Raster to Polygon,将其转换成矢量图层。

  2. 制版输出,添加比例尺图例等

结果分析

对building图层添加Area字段,统计城镇覆盖率

若本文对您有帮助,请打赏鼓励本人!
---------------- End ----------------
扫二维码
扫一扫,使用手机查看

扫一扫,使用手机查看

QQ