图像增强—空域滤波实验报告

图像增强—空域滤波实验报告
图像增强—空域滤波实验报告

图像增强—空域滤波实验报告

篇一:5.图像增强—空域滤波 - 数字图像处理实验报告计算机与信息工程学院验证性实验报告

一、实验目的

进一步了解MatLab软件/语言,学会使用MatLab对图像作滤波处理,使学生有机会掌握滤波算法,体会滤波效果。

了解几种不同滤波方式的使用和使用的场合,培养处理实际图像的能力,并为课堂教学提供配套的实践机会。

二、实验要求

(1)学生应当完成对于给定图像+噪声,使用平均滤波器、中值滤波器对不同强度的高斯噪声和椒盐噪声,进行滤波处理;能够正确地评价处理的结果;能够从理论上作出合理的解释。

(2)利用MATLAB软件实现空域滤波的程序:I=imread('electric.tif');

J = imnoise(I,'gauss',0.02); %添加高斯噪声 J = imnoise(I,'salt & pepper',0.02); %添加椒盐噪声ave1=fspecial('average',3); %产生3×3的均值模版ave2=fspecial('average',5); %产生5×5的均值模版 K = filter2(ave1,J)/255; %均值滤波3×3 L = filter2(ave2,J)/255; %均值滤波5×5 M = medfilt2(J,[3 3]);%中值滤波3×3模板 N = medfilt2(J,[4 4]); %中值

滤波4×4模板 imshow(I);

figure,imshow(J); figure,imshow(K); figure,imshow(L); figure,imshow(M); figure,imshow(N);

三、实验设备与软件

(1) IBM-PC计算机系统

(2) MatLab软件/语言包括图像处理工具箱(Image Processing Toolbox) (3) 实验所需要的图片

四、实验内容与步骤

a) 调入并显示原始图像Sample2-1.jpg 。

b) 利用imnoise 命令在图像Sample2-1.jpg 上加入高斯(gaussian) 噪声 c)利用预定义函数fspecial 命令产生平均(average)滤波器

??1?1?1???19?1?????1?1?1?? ?

d)分别采用3x3和5x5的模板,分别用平均滤波器以及中值滤波器,对加

入噪声的图像进行处理并观察不同噪声水平下,上述滤波器处理的结果;

e)选择不同大小的模板,对加入某一固定噪声水平噪声的图像进行处理,观察上述滤波器处理的结果。

f)利用imnoise 命令在图像Sample2-1.jpg 上加入椒盐噪声(salt & pepper)

g)重复c)~ e)的步骤 h)输出全部结果并进行讨论。

遥感数字图像处理实习1

(1)以多波段组合方式将GeoTIFF格式的白银市TM原始数据转换为ENVI Standard 格式: 利用Basic Tools/Layer Stacking弹出对话框然后Import File,弹出对话框,导入GeoTIFF格式的TM原始数据,选择波段1、2、3、4、5和7, 点击OK,利用Choose选择输出路径及文件名,同时可以利用Reorder Files对输入的文件根据自己的需要进行调换顺序,点击OK输出ENVI Standard格式的数据。 (2)查询并记录影像文件的基本信息、投影信息,以及各个波段直方图信息,然后编辑头文件: 利用Basic Tools/Resize Data弹出对话框里面选择要查看的影像,左 边会出现其基本信息,如图所示:也有投影信息,既可以用来看单波段的也可以看合成后整个影像的信息。在对话框下,合成影像的名字上右击,选择Quick Statistics弹出对话框,在此对话框中点击Select Plo下拉菜单,选择单波段或者多波段的直方图,相应的对话框中会出现直方图(在结果与分析中记录),还可以右击选择edit修改横、纵坐标的单位。 同样的在合成影像的名字上右击,选择Edit Head,弹出对话框

然后点击Edit Attributes/Band Name弹出对话框,选中波段输入修改 后名字,点击OK即可进行波段名字的修改。点击Edit Attributes/Wavelengths弹出进行相应的波长的修改。 (3)在View视窗中,利用影像缩小、放大、漫游工具识别影像中的土地利用/土地覆盖类型: 可以结合当地的google earth上高分辨率的遥感影像,进行识别,利用Viewer视窗下Tools/SPEAR/Google Earth/Jump to Location可以在google earth上显示View主视窗中相应选中地物对应的位置。 (4)利用Viewer视窗打开影像,分别选取4、3、2和7、4、2波段组合进行假彩色合成,观察实习内容中所要求地物的色调变化: 利用File/Open Image File,选择第1步合成的ENVI Standard 格式的数据,弹出对话框,在其中选择RGB Color,将R、G、B分别设为4、3、2波段,点击Load Band,在Viewer#1中出现了4、3、2波段组合的假彩色图像,再在此窗口中,点击Display/New Display,弹出Viewer#2,选择RGB Color,将R、G、B分别设为7、4、2波段,点击Load Band,在Viewer#2中出现了7、4、2波段组合的假彩色图像,在Viewer窗口中右击选择Link Displays,弹出对话框,点击OK,可以把两个窗口中同一位置进行连接起来, 即其中一个窗口放大、缩小、漫游到某个位置,另外一个也跟着漫游到其相对应的位置。这样可以进行地物色调变化的对比。 (5)提取6种地物在不同波段的数值(Digital Number,DN),做光谱剖面图: 在Viewer视窗中Tools/Profile/Z Profile(Spectrum)弹出对话框,在其 Options下拉菜单中勾选Plot Key,对话框中出现了Viewer视窗中选中的目标地物的X,Y坐标,然后勾选Collect Spectra,鼠标箭头变为十字箭头,在目标地物中取九个点(本来图上就有一个,总共是十个点),然后在选择File/Save Plot As/ASCII弹出对话框 ,点击Select All Items,利用Choose选择输出路径和文件名,点击 OK,将其保存为.txt格式。选六种地物,重复以上操作,提取不同波段的数值(Digital Number,DN)。将.txt格式的文件用excel打开,然后用插入函数中的average函数求出每种地物的平均DN值,然后做出光谱剖面(光谱图如结果与分析中所示)。 (6)使用Excel制作6种地物的样本特征光谱统计表: 在Excel中分别使用插入函数中的AVERAGE、VAR、STDEV、MAX和MIN函数求出各地物样本DN值在各个波段的平均值、方差、标准差、最大值和最小值。然后,在07版Excel 的“Microsoft Office 按钮”,单击“Excel 选项”。“加载项”,然后在“管理”框中,选择“Excel 加载项”,单击“转到”弹出“加载宏”,在弹出来的对话框中选择“分析工具库”,并点击确定。然后从“工具”中找到“数据分析”,从“数据分析”对话框中选择“协方差”,并导入某种地物需求协方差的数据区域并选择“逐行”进行,最后选择数据输出区域并确定,则可得该地物的协方差矩阵。同理,在从“数据分析”对话框中选择“相关系数”,进行相应操作,可求得相关系数矩阵。(在结果与分析中附有个地物的样本特征光谱统计表)(7)制作散点图: 在Excel中,打开6种地物的样本DN数据(5步骤产生的),选择band2和band4做散

遥感实验报告

重庆交通大学 学生实验报告 实验课程名称遥感原理与应用 开课实验室测量与空间信息处理实验室 学院 2013 年级测绘工程专业 1班学生姓名刘文洋 学号 631301040126 开课时间 2015 至 2016 学年第 1 学期

目录 实验一 ENVI 视窗的基本操作 (2) 实验二遥感图像的几何校正 (4) 实验三遥感图像的增强处理 (8) 实验四遥感图像的变换 (12) 实验五遥感信息的融合 (15) 实验六遥感图像分类 --- 监督分类 (17) 实验七遥感图像分类 --- 非监督分类 (19) 实验八遥感图像分类后处理 (22)

实验一ENVI 视窗的基本操作 一、实验目的 初步了解目前主流的遥感图象处理软件 ENVI 的主要功能模块,在此基础上,掌握视窗操作模块的功能和操作技能,为遥感图像的几何校正等后续实习奠定基础。 二、实验内容 视窗功能介绍;文件菜单操作;显示数据;裁剪数据;合并波段 三、实验步骤 1、首先打开ENVI4.7软件,看见的只有菜单栏,如图所示: 2、打开每个下拉菜单浏览其下拉栏中都有哪些功能,比如:我们如果需要打开遥感文件,则可以选择File下的打开功能open image file,打开遥感图像如下图:

裁剪数据打开basic tools的resize data功能,如果需要对图像进行一系列处理,可以利用Transform,Classification等功能进行操作,在后续实验中我们也会用到其中的一些功能进行图像的一系列操作,到时候在详细叙述。 3、再熟悉了ENVI4.7的一些基本知识后我们可以简单地操作下,比如对一组数据分别用Gray Scale和Load RGB导入,看看两幅图的区别以及各自的优缺点。 四、实验结果分析 在这次的实验中,我们简单的熟悉了下ENVI4.7的一些功能,发现它是可以对遥感图像进行图像几何纠正,直方图均衡,监督分类,非监督分类等一系列操作,为我们后续利用软件对遥感图像处理打下了基础。

卡尔曼滤波计算举例

卡尔曼滤波计算举例 ?计算举例 ?卡尔曼滤波器特性

假设有一个标量系统,信号与观测模型为 [1][][]x k ax k n k +=+[][][] z k x k w k =+其中a 为常数,n [k ]和w [k ]是不相关的零均值白噪声,方差分别为和。 系统的起始变量x [0]为随机变量,其均值为零,方差为。2n σ2 σ[0]x P (1)求估计x [k ]的卡尔曼滤波算法;(2)当时的卡尔曼滤波增益和滤波误差方差。 22 0.9,1,10,[0]10 n x a P =σ=σ==1. 计算举例

根据卡尔曼算法,预测方程为: ??[/1][1/1]x k k ax k k -=--预测误差方差为: 2 2 [/1][1/1]x x n P k k a P k k -=--+σ 卡尔曼增益为: () 1 22 22 22 [][/1][/1][1/1][1/1]x x x n x n K k P k k P k k a P k k a P k k -=--+σ --+σ=--+σ+σ ???[/][/1][]([][/1])??[1/1][]([][1/1])?(1[])[1/1][][]x k k x k k K k z k x k k ax k k K k z k ax k k a K k x k k K k z k =-+--=--+---=---+滤波方程:

()() 2 2222222 222 22 [/](1[])[/1] [1/1]1[1/1][1/1][1/1][1/1]x x x n x n x n x n x n P k k K k P k k a P k k a P k k a P k k a P k k a P k k =--??--+σ=---+σ ?--+σ+σ??σ--+σ = --+σ+σ 滤波误差方差 起始:?[0/0]0x =[0/0][0] x x P P =

遥感数字图像处理教程实习报告

遥感数字图像处理教程实习报告

《数字图像处理》 课程实习报告 ( 2011 - 2012学年第 1 学期) 专业班级:地信09-1班 姓名:梁二鹏 学号:310905030114 指导老师:刘春国 ---------------------------------------------- 实习成绩: 教师评语: 教 师

签 名 : 年月日 实习一:图像彩色合成实习 一、实验目的 在学习遥感数字图像彩色合成基础上,应用所学知识,基于遥感图像处 理软件ENVI进行遥感数字图像彩色合成。 二、实验内容 彩色合成:利用TM图像can_tmr.img,实现灰度图像的密度分割、多波 段图像的真彩色合成、假彩色合成和标准假彩色合成。 三、实验步骤 1、显示灰度图像主要步骤: 1、打开ENVI4.7,单击FILE菜单,在下拉菜单中选择open image file 选 项,然后在弹出的对话框中选择can_tmr.img文件,单击打开。 2、在可用波段列表对话框中,选中某一波段图像,选中gray scale单选按 钮,单击LOAD BAND按钮,显示一幅灰度图像。 3、在可用波段列表对话框中,选择其他某一波段图像,进行显示。

4、利用可用波段列表中的display按钮,同时有多个窗口显示多个波段图像。 5、链接显示。利用图像窗口tool菜单下的link子菜单link display实现多图 像的链接显示。如图所示:红色方框。 6、使用tool菜单下的Cursor Location/value和pixel Locator功能在确定像 素的值和位置。

遥感图像处理实验

哈尔滨工业大学 遥感图像处理及遥感系统仿真 实验报告 项目名称:《遥感图像处理及遥感系统仿真创新》 姓名:蒋国韬 学号:24 院系:电子与信息工程学院 专业:遥感科学与技术 指导教师:胡悦 时间:2017年7月

实验一:遥感数字图像的增强 一、实验目的: 利用一幅城市多光谱遥感图像,分析其直方图,并利用对比度增强和去相关拉伸方法对遥感图像进行增强。 二、实验过程: 1.用multibandread语句读取一幅多光谱遥感图像(7波段,512x512图像)的可 见1,2,3波段(分别对应R,G,B层); 2.显示真彩色图像; 3.通过研究直方图(imhist),分析直接显示的真彩色图像效果差的原因;

4.利用对比度增强方法对真彩色图像进行增强(imadjust,stretchlim); 5.画出对比度增强后的图像红色波段的直方图;

6.利用Decorrelation去相关拉伸方法(decorrstretch)对图像进行增强;

7.显示两种图像增强方法的结果图像。

三、实验分析: (1)高光谱影像由于含有近百个波段,用matlab自带的图像读写函数imread和imwrite往往不能直接操作,利用matlab函数库中的multibandred函数,可以读取多波段二进制图像。512×512为像素点,7位波段数,bil为图像数组的保存格式,uint8=>uint8为转换到matlab 的格式,[3 2 1]的波段分别对应RGB三种颜色。 (2)直接观察真彩复合图像发现,图像的对比度非常低,色彩不均匀。通过观察红绿蓝三色的波段直方图,可以观察到数据集中到很小的一段可用动态范围内,这是真彩色复合图像显得阴暗的原因之一。另外,根据三种颜色的三维散点图,如下

北航卡尔曼滤波课程-捷联惯导静基座初始对准实验

卡尔曼滤波实验报告 捷联惯导静基座初始对准实验 一、实验目的 ①掌握捷联惯导的构成和基本工作原理; ②掌握捷联惯导静基座对准的基本工作原理; ③了解捷联惯导静基座对准时的每个系统状态的可观测性; ④了解双位置对准时系统状态的可观测性的变化。 二、实验原理 选取状态变量为:[]T E N E N U x y x y z X V V δδεεε=ψψψ??,其

中导航坐标系选为东北天坐标系,E V δ为东向速度误差,N V δ为北向速度误差,E ψ为东向姿态误差角,N ψ为北向姿态误差角,U ψ为天向姿态误差角,x ?为东向加速度偏置,y ?为北向加速度偏置,x ε为东向陀螺漂移,y ε为北向陀螺漂移,z ε为天向陀螺漂移。则系统的状态模型为: X AX W =+ (1) 其中, 1112212211 12 1321222331323302sin 000002sin 000000000sin cos 0000sin 000000cos 0000000000000000000000000000000000000000000000000000 0L g C C L g C C L L C C C L C C C L C C C A Ω-? ? ??-Ω????Ω-Ω? ?-Ω????Ω=? ?????? ?????????? ? [00000]E N E N U T V V W W W W W W δδψψψ=,E D V W W δψ 为零均值高斯 白噪声,分别为加速度计误差和陀螺漂移的噪声成分,Ω为地球自转角速度,ij C 为姿态矩 阵n b C 中的元素,L 为当地纬度。 量测量选取两个水平速度误差:[ ]T E N Z V V δδ=,则量测方程为: 10000000000100000000E E N N V X V δηδη???? ??=+???????????? (2) 即Z HX η=+ 其中,H 为量测矩阵,[]T E N ηηη=为量测方程的随机噪声状态矢量,为零均值高 斯白噪声。 要利用基本卡尔曼滤波方程进行状态估计,需要将状态方程和量测方程进行离散化。 系统转移矩阵为: 2323/1111102!3!! n n k k k k k k n T T T I TA A A A n ∞ -----=Φ=++++=∑ (3)

ENVI遥感图像配准实验报告

ENVI遥感图像配准 一、实验目的: 1、掌握ENVI软件的基本操作和对图像进行基本处理,包括打开图像,保存图像。 2、初步了解图像配准的基本流程及采用不同校准及采样方法生成匹配影像的特点。 3、深刻理解和巩固基本理论知识,掌握基本技能和动手操作能力,提高综合分析问题的能力。 二、实验原理 (1)最邻近法 最邻近法是将最邻近的像元值赋予新像元。该方法优点是输出图像仍然保持原来图像的像元值,简单,处理速度快。缺点就是会产生半个像元位置偏移,可能造成输出图像中某些地物的不连贯。适用于表示分类或某种专题的离散数据,如土地利用,植被类型等。

双线性插方法是使用临近4个点的像元值,按照其距插点的距离赋予不同的权重,进行线性插。该方法具有平均化的滤波效果,边缘受到平滑作用,而产生一个比较连贯的输出图像,其缺点是破坏了原来的像元值,在后来的波谱识别分类分析中,会引起一些问题。 示意图: 由梯形计算公式: 故 同理 最终得:

三次卷积插法是一种精度较高的方法,通过增加参与计算的邻近像元的数目达到最佳的重采样结果。使用采样点到周围16邻域像元距离加权计算栅格值,方法与双线性插相似,先在Y 方向插四次(或X 方向),再在X 方向(或Y 方向)插四次,最终得到该像元的栅格值。该方法会加强栅格的细节表现,但是算法复杂,计算量大,同样会改变原来的栅格值,且有可能会超出输入栅格的值域围。适用于航片和遥感影像的重采样。 作为对双线性插法的改进,即“不仅考虑到四个直接邻点灰度值的影响,还考虑到各邻点间灰度值变化率的影响”,立方卷积法利用了待采样点周围更大邻域像素的灰度值作三次插值。其三次多项式表示为: 我们可以设需要计算点的灰度值f(x,y)为:

遥感图像实验报告

遥感图像实验报告 一.实验目的 1、初步了解目前主流的遥感图象处理软件ERDAS的主要功能模块。 2、掌握Landsat ETM遥感影像数据,数据获取手段.掌握遥感分类的方法, 土地利用变化的分析,植被变化分析,以及利用遥感软件建模的方法。 3、加深对遥感理论知识理解,掌握遥感处理技术平台和方法。 二.实验内容 1、遥感图像的分类 2、土地利用变化分析,植被变化分析 3、遥感空间建模技术 三.实验部分 1.遥感图像的分类 (1)类别定义:根据分类目的、影像数据自身的特征和分类区收集的信息确定分类系统; (2)特征判别:对影像进行特征判断,评价图像质量,决定是否需要进行影像增强等预处理; (3)样本选择:为了建立分类函数,需要对每一类别选取一定数目的样本;(4)分类器选择:根据分类的复杂度、精度需求等确定哪一种分类器; (5)影像分类:利用选择的分类器对影像数据进行分类,有的时候还需要进行分类后处理;分类图如下:

图1.1 1992年土地利用图 图1.2 2001年土地利用图

(6)结果验证:对分类结果进行评价,确定分类的精度和可靠性。 图1.3 1992年精度图 图1.4 2002年精度图 2.土地利用变化 2.1 两年土地利用相重合区域 (1)在两年的遥感影像中选择相同的区域。 Subset(x:568121~684371,y:3427359~3288369),过程如下:

图2.1 截图过程图 图2.2.2 截图过程图

(2)土地利用专题地图如下: 图2.2.3 1992年专题地图 图2.2.4 2001年土地利用图

自适应滤波实验报告

LMS 自适应滤波实验报告 姓名: 学号: 日期:2015.12.2 实验内容: 利用自适应滤波法研究从宽带信号中提取单频信号的方法。 设()()()()t f B t f A t s t x 212cos 2cos π?π+++=,()t s 是宽带信号,A ,B ,1f ,2f , ?任选 (1)要求提取两个单频信号; (2)设f f f ?+=12,要求提取单频信号()t f 22cos π,研究f ?的大小对提取单频信号的影响。 1. 自适应滤波器原理 自适应滤波器理论是现代信号处理技术的重要组成部分,它对复杂信号的处理具有独特的功能。自适应滤波器在信号处理中属于随机信号处理的范畴。在一些信号和噪声特性无法预知或他们是随时间变化的情况下,自适应滤波器通过自适应滤波算法调整滤波器系数,使得滤波器的特性随信号和噪声的变化,以达到最优滤波的效果,解决了固定全系数的维纳滤器和卡尔曼滤波器的不足。 (1) 自适应横向滤波器 所谓自适应滤波,就是利用前一时刻已获得的滤波器参数等结果,自动调节现时刻的滤波器参数,以适应信号和噪声未知或随时间变化的统计特性,从而实现最优滤波。自适应滤波器由两个部分组成:滤波器结构和调节滤波器系数的自适应算法。自适应滤波器的特点是自动调节自身的冲激响应,达到最优滤波,此算法适用于平稳和非平稳随机信号,并且不要求知道信号和噪声的统计特性。 一个单输入的横向自适应滤波器的原理框图如图所示:

实际上这种单输入系统就是一个FIR 网络结构,其输出()n y 用滤波器单位脉冲响应表示成下式: ()()()∑-=-=1 N m m n x m w n y 这里()n w 称为滤波器单位脉冲响应,令:()()n i n x x i w w m i i i ,1,1,1+-=-=+=用j 表示,上式可以写成 ∑==N i ij i j x w y 1 这里i w 也称为滤波器加权系数。用上面公式表示其输出,适用于自适应线性组合器,也适用于FIR 滤波器。将上式表示成矩阵形式: X W W X j T T j j y == 式中 [][ ] T Nj j j j T N x x x w w w X W ,...,,, ,...,,2121== 误差信号表示为 X W j T j j j j d y d e -=-= (2) 最小均方(LMS )算法 Widrow 等人提出的最小均方算法,是用梯度的估计值代替梯度的精确值,这种算法简单易行,因此获得了广泛的应用。 LMS 算法的梯度估计值用一条样本曲线进行计算,公式如下:

遥感图像处理实习总结

遥 感 实 习 总 结 专业:摄影测量与遥感技术班级: 姓名: 学号:

为期两周的遥感数字图像处理结束了,在老师的精心安排下,我们全身心的投入到这次实习中。虽然是满天的时间,但是由于教室还有其他人占用并不能在那全天使用,所以说是两周实习但是我们能用是时间依然很少,我们要力抓每一分每一秒,熟练操作遥感数字图像处理软件。整个实习是以黄河水院为基础图形。通过格式变换、几何校正、图像剪裁、图像分类,以及最后的专题地图制作。 实习的过程简单又复杂,简单的是,只要动手,计算机几乎自动化的替你操作,复杂的是,在操作过程中,又有好多选项和注意的事项,有很多参数的设置很有讲究。所以在练习中我遇到好多问题,并通过解决这些问题进一步加深了对软件和课本知识的理解。 首先我们进行的是数据预处理。我们需要进行遥感图像的几何校正。由于各种误差所以遥感图像存在着几何变形,因此需要在操作前进行几何校正。流程如下:第一步:显示图像文件(打开两个视窗窗口),第二步:启动几何校正模块,第三步:启动控制点工具,第四步:地面控制点(GCP)的采集,第五步:采集地面检查点,第六步:图象重采样,第七步:保存几何校正模式。其中最关键最难的就属地面控制点的采集,我们使用的是二次多项式,所以得选取六个控制点然后再选出六个检查点。但是图像存在着误差,而我们要把误差控制在一个像素以内,这就更加困难了。在进过长时间的摸索和练习,精度慢慢的就达到了,但是

图纠正后依旧不是很好,在询问同学后发现原来是点的分布不是很均匀,所以导致了图的变形。在图的校正后就得进行图范围的裁剪得到所需的范围。裁剪有两种方法一种是规则分幅裁剪,一种是不规则分幅裁剪。规则分幅裁剪需要知道坐标,而不规则分幅裁剪则只需要在图上手选出需要裁剪的范围。而我们没有坐标只能用不规则分幅裁剪。 第二项就是图象增强处理,主要包括:空间、辐射、光谱增强处理的主要方法。空间增强:包括卷积增强处理,辐射增强:直方图均衡化处理,光谱增强:主成份变换、缨穗变换、色彩变换。这一项比较简单,通过指导书和上课的学习,这些增强只要知道步骤就能很快完成。 第三项我认为也是最关键的一项,遥感图像的分类,所谓的遥感图像的分类就是通过人工目译或计算机自动分类处理相结合识别出地物属性。我们做的分类是非监督分类,在进行的分类评价时,应用分类叠加方法来评价分类结果、分类精度及定义时应注意分类文件在上,而且取消栅格参数中清楚选示选项,以使两图像叠加显示。非监督分类步骤如下:第一步:显示原图像与分类图像,第二步:打开分类图像属性并调整字段显示顺序,第三步:给各个类别赋相应的颜色,第四步:不透明度设置,第五步:确定类别专题意义及其准确程度,第六步:标注类别的名称和相应颜色,第七步:将相同的类进行合并,最后分为五大类:建筑物、道路(空闲地)、水系、草地和灌木林。

遥感图像预处理实验报告

实验前准备:遥感图像处理软件认识 1、实验目的与任务: ①熟悉ENVI软件,主要是对主菜单包含内容的熟悉; ②练习影像的打开、显示、保存;数据的显示,矢量的叠加等。 2、实验设备与数据 设备:遥感图像处理系统ENVI4.4软件; 数据:软件自带数据和河南焦作市影响数据。 3、实验内容与步骤: ⑴ENVA软件的认识 如上图所示,该软件共有12个菜单,每个菜单都附有下拉功能,里面分别包含了一些操作功能。 ⑵打开一幅遥感数据 选择File菜单下的第一个命令,通过该软件自带的数据打开遥感图像,可知,打开一幅遥感影像有两种显示方式。一种是灰度显示,另一种是RGB显示。 Gray(灰度显示)RGB显示 ⑶保存数据 ①选择图像显示上的File菜单进行保存; ②通过主菜单上的Save file as进行保存

⑷光谱库数据显示 选择Spectral > Spectral Libraries > Spectral Library Viewer。将出现Spectral Library Input File 对话框,允许选择一个波谱库进行浏览。点 击“Open Spectral Library”,选择某一所需的 波谱库。该波谱库将被导入到Spectral Library Input File 对话框中。点击一个波谱库的名称, 然后点击“OK”。将出现Spectral Library Viewer 对话框,供选择并绘制波谱库中的波谱曲线。 ⑸矢量化数据 点选显示菜单下的Tools工具栏,接着选择下面的第四个命令,之后选择第一个命令,对遥感图像进行矢量化。点击鼠标左键进行区域选择,选好之后双击鼠标右键,选中矢量化区域。 ⑹矢量数据与遥感影像的叠加与切割 选择显示菜单下的Tools工具,之后点选第一个 Link命令,再选择其下面的第一个命令,之后 OK,结束程序。 选择主菜单下的Basic Tools 菜单,之后选择 其中的第二个命令,在文件选择对话框中,选择 输入的文件(可以根据需要构建任意子集),将 出现Spatial Subset via ROI Parameters 对 话框通过点击矢量数据名,选择输入的矢量数 据。使用箭头切换按钮来选择是否遮蔽不包含在 矢量数据中的像元。 遥感图像的辐射定标 1、实验目的与任务: ①了解辐射定标的原理; ②使用ENVI软件自带的定标工具定标; ③学习使用波段运算进行辐射定标。 2、实验内容与步骤: ⑴辐射定标的原理 辐射定标就是将图像的数字量化值(DN)转化为辐射亮度值或者反射率或者表面温度等

卡尔曼滤波简介和实例讲解.

卡尔曼,美国数学家和电气工程师。1930年5月 19日生于匈牙利首都布达佩斯。1953年在美国麻省理工学院毕业获理学士学位,1954年获理学硕士学位,1957年在哥伦比亚大学获科学博士学位。1957~1958年在国际商业机器公司(IBM)研究大系统计算机控制的数学问题。1958~1964年在巴尔的摩高级研究院研究控制和数学问题。1964~1971年到斯坦福大学任教授。1971年任佛罗里达大学数学系统理论研究中心主任,并兼任苏黎世的瑞士联邦高等工业学校教授。1960年卡尔曼因提出著名的卡尔曼滤波器而闻名于世。卡尔曼滤波器在随机序列估计、空间技术、工程系统辨识和经济系统建模等方面有许多重要应用。1960年卡尔曼还提出能控性的概念。能控性是控制系统的研究和实现的基本概念,在最优控制理论、稳定性理论和网络理论中起着重要作用。卡尔曼还利用对偶原理导出能观测性概念,并在数学上证明了卡尔曼滤波理论与最优控制理论对偶。为此获电气与电子工程师学会(IEEE)的最高奖──荣誉奖章。卡尔曼著有《数学系统概论》(1968)等书。 什么是卡尔曼滤波 最佳线性滤波理论起源于40年代美国科学家Wiener和前苏联科学家Kолмогоров等人的研究工作,后人统称为维纳滤波理论。从理论上说,维纳滤波的最大缺点是必须用到无限过去的数据,不适用于实时处理。为了克服这一缺点,60年代Kalman把状态空间模型引入滤波理论,并导出了一套递推估计算法,后人称之为卡尔曼

滤波理论。卡尔曼滤波是以最小均方误差为估计的最佳准则,来寻求一套递推估计的算法,其基本思想是:采用信号与噪声的状态空间模型,利用前一时刻地估计值和现时刻的观测值来更新对状态变量的估计,求出现时刻的估计值。它适合于实时处理和计算机运算。 卡尔曼滤波的实质是由量测值重构系统的状态向量。它以“预测—实测—修正”的顺序递推,根据系统的量测值来消除随机干扰,再现系统的状态,或根据系统的量测值从被污染的系统中恢复系统的本来面目。 释文:卡尔曼滤波器是一种由卡尔曼(Kalman)提出的用于时变线性系统的递归滤波器。这个系统可用包含正交状态变量的微分方程模型来描述,这种滤波器是将过去的测量估计误差合并到新的测量误差中来估计将来的误差。 卡尔曼滤波的应用 斯坦利.施密特(Stanley Schmidt)首次实现了卡尔曼滤波器.卡尔曼在NASA埃姆斯研究中心访问时,发现他的方法对于解决阿波罗计划的轨道预测很有用,后来阿波罗飞船的导航电脑使用了这种滤波器. 关于这种滤波器的论文由Swerling (1958), Kalman (1960)与 Kalman and Bucy (1961)发表.

自适应滤波实验报告

LMS 自适应滤波实验报告 : 学号: 日期:2015.12.2 实验容: 利用自适应滤波法研究从宽带信号中提取单频信号的方法。 设()()()()t f B t f A t s t x 212cos 2cos π?π+++=,()t s 是宽带信号,A ,B ,1f ,2f , ?任选 (1)要求提取两个单频信号; (2)设f f f ?+=12,要求提取单频信号()t f 22cos π,研究f ?的大小对提取单频信号的影响。 1. 自适应滤波器原理 自适应滤波器理论是现代信号处理技术的重要组成部分,它对复杂信号的处理具有独特的功能。自适应滤波器在信号处理中属于随机信号处理的畴。在一些信号和噪声特性无法预知或他们是随时间变化的情况下,自适应滤波器通过自适应滤波算法调整滤波器系数,使得滤波器的特性随信号和噪声的变化,以达到最优滤波的效果,解决了固定全系数的维纳滤器和卡尔曼滤波器的不足。 (1) 自适应横向滤波器 所谓自适应滤波,就是利用前一时刻已获得的滤波器参数等结果,自动调节现时刻的滤波器参数,以适应信号和噪声未知或随时间变化的统计特性,从而实现最优滤波。自适应滤波器由两个部分组成:滤波器结构和调节滤波器系数的自适应算法。自适应滤波器的特点是自动调节自身的冲激响应,达到最优滤波,此算法适用于平稳和非平稳随机信号,并且不要求知道信号和噪声的统计特性。

一个单输入的横向自适应滤波器的原理框图如图所示: 实际上这种单输入系统就是一个FIR 网络结构,其输出()n y 用滤波器单位脉冲响应表示成下式: ()()()∑-=-=1 N m m n x m w n y 这里()n w 称为滤波器单位脉冲响应,令: ()()n i n x x i w w m i i i ,1,1,1+-=-=+=用j 表示,上式可以写成 ∑==N i ij i j x w y 1 这里i w 也称为滤波器加权系数。用上面公式表示其输出,适用于自适应线性组合器,也适用于FIR 滤波器。将上式表示成矩阵形式: X W W X j T T j j y == 式中 [][ ] T Nj j j j T N x x x w w w X W ,...,,, ,...,,2121== 误差信号表示为 X W j T j j j j d y d e -=-= (2) 最小均方(LMS )算法 Widrow 等人提出的最小均方算法,是用梯度的估计值代替梯度的精确值,这种算法简单易行,因此获得了广泛的应用。

遥感图像处理 图像配准、图像裁剪 实验报告

Lab3 geometric correction and projection transformation of remotely sensed data Objective : The purpose of the current lab section is to adequately understand the mathematic principles and methods of geometric correction (co-registration) and projection transformation . In addition,you guys need to gain hands-on experience or skill to perform them in ENVI and ERDAS environments. 实验过程: 一、envi中图像配准 1、根据控制点的坐标对图像进行配准 1)加载中山陵地形图 2) 选择map 菜单下的registration菜单,选择select gcps:image to map 设置投影信息:基于经纬度的投影(geographic lat/lon),选择基准面为WGS—84

3)开始配准 依次移动一级窗口中的光标到四个图廓点的位置,在三级放大窗口中把十字司放在经纬线的交点的中间位置,输入该点的经纬度于编辑对话框中:

点击add point,完成对控制点的编辑 4)选择option菜单下的wrap file将配准好的地图生成一幅新的影像

修改生成图像信息,改为50带的UTM投影,基准面为WGS-84,保存 2、图像到图像的配准 1)加载全色波段影像作为待配准的影像

北航卡尔曼滤波实验报告-GPS静动态滤波实验

卡尔曼滤波实验报告

2014 年 4 月 GPS 静/动态滤波实验 一、实验要求 1、分别建立GPS 静态及动态卡尔曼滤波模型,编写程序对静态和动态GPS 数据进行Kalman 滤波。 2、对比滤波前后导航轨迹图。 3、画出滤波过程中估计均方差(P 阵对角线元素开根号)的变化趋势。 4、思考:① 简述动态模型与静态模型的区别与联系;② R 阵、Q 阵,P0阵的选取对滤波精度及收敛速度有何影响,取值时应注意什么;③ 本滤波问题是否可以用最小二乘方法解决,如果可以,请阐述最小二乘方法与Kalman 滤波方法的优劣对比。 二、实验原理 2.1 GPS 静态滤波 选取系统的状态变量为[ ]T L h λ=X ,其中L 为纬度(deg),λ为经度(deg),h 为高度 (m)。设()w t 为零均值高斯白噪声,则系统的状态方程为: 310()w t ?=+X (1) 所以离散化的状态模型为: ,111k k k k k W ---=+X X Φ (2) 式中,,1k k -Φ为33?单位阵,k W 为系统噪声序列。 测量数据包括:纬度静态量测值、经度静态量测值和高度构成31?矩阵Z ,量测方程

可以表示为: k k k Z HX V =+ (3) 式中,H 为33?单位阵,k V 为量测噪声序列。 系统的状态模型是十分准确的,所以系统模型噪声方差阵可以取得十分小,取Q 阵零矩阵。 系统测量噪声方差阵R 由测量确定,由于位置量测精度为5m ,采用克拉索夫斯基地球椭球模型,长半径e R 为6378245m ,短半径p R 为6356863m 。所以R 阵为: 2 2 25180()0 05180 ( )0cos()00 5p e R R L ππ ??? ?? ? ??= ??? ? ? ?? ? R (4) 2.2 GPS 动态滤波 动态滤波基于当前统计模型,在地球坐标系下解算。选取系统的状态变量为 T x x x y y y z z z X x v a y v a z v a εεε??=??,其中,,,x x x x v a ε依次为地球坐标系下x 轴上的位置、速度、加速度和位置误差分量,,y z 轴同理。系统的状态模型可以表示为: ()()()()t t t t =++X AX U W (5) 式中,位置误差视为有色噪声,为一阶马尔科夫过程,可表示为: x x x x y y y y z z z z w w w εετεετεετ?=-+????=-+????=-+?? 1 11 (6) 其中,i τ(,,i x y z =)为对应马尔科夫过程的相关时间常数,(,,)i w i x y z =为零均值高斯白噪声。

利用ENVI软件进行遥感图像的融合和增强实习报告

遥感图像处理实习报告实验内容:影像融合与增强 班级:测绘1102班 学号: 1110020213 姓名: 指导老师:陈晓宁、黄远程、竞霞、史晓亮 西安科技大学 测绘科学与技术学院 二零一三年一月 实习三影像融合与增强

一、实习内容: 1.掌握ENVI中各种影像融合方法,并比较各方法的优缺点; 2.熟悉ENVI图像增强操作; 3.本实习的数据源为上节已经过校正的资源三号多光谱和全色影像。 二、实习目的: 1.了解和认识各种图像融合方法的原理、内容及要点; 2.熟悉、熟练操作ENVI软件中各种图像融合的方法、步骤并学会加以比较; 3.学习利用ENVI软件进行各种图像增强处理操作; 4.学会定性、定量分析比较图像融合的差异。 三、实习步骤: 1.图像融合: 三波段融合: HSV和Color Normalized (Brovey)变换: 1)从ENVI主菜单中,选择File → Open Image File,分别加载校正后的资源三号多光谱与全色影像到可用波段列表Available Bands List中; 2)选择多光谱3,2,1波段(可以根据需要选择)对应R,G,B,点击Load RGB将多光谱影像加载到显示窗口display#1; 3)在ENVI的主菜单选择Transform → Image Sharpening → HSV; 4)在Select Input RGB Input Bands对话框中,选择Display #1,然后点击OK。 5)从High Resolution Input File对话框中选择全色影像,点击OK。 6)从HSV Sharpening Parameters对话框中,选择重采样方法,并输入输出路径和文件名,点击OK。即可完成HSV变换融合; 与上述方法类似,选择Transform → Image Sharpening → Color Normalized (Brovey),使用Brovey进行融合变换。 多光谱融合: Gram-Schmidt、主成分(PC)和color normalized (CN)变换

北航卡尔曼滤波实验报告_GPS静动态滤波实验

卡尔曼滤波实验报告 2014 年 4 月 GPS静/动态滤波实验 一、实验要求 1、分别建立GPS静态及动态卡尔曼滤波模型,编写程序对静态和动态GPS数据进行Kalman滤波。 2、对比滤波前后导航轨迹图。

3、画出滤波过程中估计均方差(P 阵对角线元素开根号)的变化趋势。 4、思考:① 简述动态模型与静态模型的区别与联系;② R 阵、Q 阵,P0阵的选取对滤波精度及收敛速度有何影响,取值时应注意什么;③ 本滤波问题是否可以用最小二乘方法解决,如果可以,请阐述最小二乘方法与Kalman 滤波方法的优劣对比。 二、实验原理 2.1 GPS 静态滤波 (deg) 度(m) (1) 所以离散化的状态模型为: (2) 可以表示为: (3) 矩阵。 5m ,采用克拉索夫斯基地球 6378245m 6356863m (4) 2.2 GPS 动态滤波 动态滤波基于当前 统计模型,在地球坐标系下解算。选取系统的状态变量为 (5)

式中,位置误差视为有色噪声,为一阶马尔科夫过程,可表示为: ε τεετεετ-=- =-1 1 (6) 白噪声。 (7) (8) 系统噪声为: (9) 量测量为纬度动态量测值、经度动态量测值、高度和三向速度量测值。由于滤波在地球 坐标系下进行,为了简便首先将纬度、经度和高度转化为三轴位置坐标值,转化方式如下: (10) 量测方程为: (11)

综上,离散化的Kalman滤波方程为: (12) 离散化的系统噪声协方差阵为: 2 [ π ?] ? k x = +<0 “当前”加速度 (13) 离散化量测噪声协方差阵为:diag = R 三、实验结果 3.1 GPS静态滤波

卡尔曼滤波与组合导航课程报告

卡尔曼滤波与组合导航》课程实验报告 实验 捷联惯导 /GPS 组合导航系统静态导航实验 实验序号 3 姓名 陈星宇 系院专业 17 班级 ZY11172 学号 ZY1117212 日期 2012-5-15 指导教师 宫晓琳 成绩 、实验目的 ① 掌握捷联惯导 /GPS 组合导航系统的构成和基本工作原理; ②掌握采用卡尔曼滤波方法进行捷联惯导 /GPS 组合的基本原理; ③掌握捷联惯导 /GPS 组合导航系统静态性能; ④了解捷联惯导 /GPS 组合导航静态时的系统状态可观测性; 、实验原理 ( 1)系统方程 X FX GW 系统噪声矢量由陀螺仪和加速度计的随机误差组成,表达式为: 2)量测方程 和 H 分别为捷联解算与 GPS 的东向速度、北向速度、天向速度、纬度、经度和高度之 差;量测矩阵 H H V H P T ,H P 03 6 diag R M H, (R N H )cos L, 036 , H V 033 diag 1, 1, 1 039 ,v v V E v V N v V U v L v v H 为量测噪声。 量测噪声 v E v N T v U L h x y z x y z 其中, E 、 N 、 U 为数学平台失准角; v E 、 v N 、 v U 分别为载体的东向、北向和天向速度误差; L 、 、 h 分别为纬度误差、经度误差和高度误差; x 、 y 、 z 、 x 、 y 、 z 分别为陀螺随 机常值漂移和加速度计随机常值零偏。(下 标 系统的噪声转移矩阵 G 为: E 、N 、 U 分别代表东、北、天) C b n 3 3 0 9 3 3 3 C n C b 9 3 15 6 系统的状态转移矩阵 w w w w F 组成内容为: w z F 06N 9 F S F M ,其中 F N 中非零元素为可由惯导误差模型获得。 F S C b n 3 3 0 3 3 3 3 C b n 3 3 96 量测变量 z V E V N V U L H , , V E 、 V N 、 V U 、 L 、 X U

遥感图像解译实习报告

遥感图像解译实习报告 遥感图像解译课程 综合实习 实习报告 学院:遥感信息工程学院 班级:10011 学号:20213025900 姓名:李祥指导老师:刘继琳 一、实习目的与意义 1. 掌握遥感影像的目视判读方法和流程,能够对快鸟影像、SPOT影像和航拍 影像进行目视解译; 2. 学会使用图纸制作遥感影像底图并清绘遥感影像; 3. 掌握实地调绘、核实和补测的基本方法; 4. 学会使用ERDAS软件进行数字化成图,并制作专题图。 二、实习资料与设备 在进行内业清绘和外业调绘阶段,实习资料有2002年的快鸟影像一张、2002年的SPOT影像一张、20xx年的航空影像一张、转印纸三张。 在进行室内计算机成图阶段,实习资料有20xx年的航空影像一张、2002年的快鸟影像一张以及ERDAS软件。 三、实习原理

一) 遥感图像解译标志 1) 色调(tone):全色遥感图像中从白到黑的密度比例叫色调(也叫灰度)。如 海滩的砂砾色调标志是识别目标地物的基本依据,依据色调标志,可以区分出目标地物。 2) 颜色(colour):是彩色遥感图像中目标地物识别的基本标志。日常生活中目 标地物的颜色:遥感图像中目标地物的颜色:地物在不同波段中反射或发射电磁辐射能量差异的综合反映。彩色遥感图像上的颜色:真\\假彩色 3) 阴影(shadow):遥感图像上光束被地物遮挡而产生的地物的影子 根据阴影形状、大小可判读物体的性质或高度。不同遥感影像中阴影的解译是不同的 4) 形状(shape):目标地物在遥感图像上呈现的外部轮廓。 遥感图像上目标地物形状:顶视平面图解译时须考虑遥感图像的成像方式。 5) 纹理(texture):内部结构,指遥感图像中目标地物内部色调有规则变化造成 的影像结构。如航空像片上农田呈现的条带状纹理。纹理可以作为区别地物属性的重要依据。二)

相关文档
最新文档