图像技术实习报告 本文关键词：实习报告，图像，技术
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。