遥感数字图像处理实验报告

实验一 遥感图像统计特性一、实验目的掌握遥感图像常用的统计特性的意义和作用，能运用高级程序设计语言实现遥感图像统 计参数的计算。

二、实验内容编程实现对遥感图像进行统计特性分析，均值、方差（均方差）、直方图、相关系数等。

三、实验原理1.均值像素值的算术平均值，反映图像中地物的平均反射强度。

1100(,)N M j i f i j f MN--===∑∑2.方差（或标准差）像素值与平均值差异的平方和，反映了像素值的离散程度。

也是衡量图像信息量大小的 重要参数。

112002[(,)]N M j i f i j f MNσ--==-=∑∑3. 相关系数反映了两个波段图像所包含信息的重叠程度。

f , g 分别为两个波段的图像，它们之间的 相关系数计算公式为：11[((,))((,))](,)M N fg f i j eg i j e C f g ---⨯-=∑∑其中， e f , e g 分别为两个波段图像的均值。

四、实验步骤和内容 1.实验代码clc clear allI =imread ('m1.jpg'); whos I %显示图像信息 figure (1),imshow (I ); R =double (I (:,:,1)); G =double (I (:,:,2)); B =double (I (:,:,3));%求图像的R,G,B 的均值,avg=mean(mean(I))%求图像的R,G,B的均值mean(R(:))mean(G(:))mean(B(:))%求R,G,B的方差varR=var(R(:));varG=var(G(:))varB=var(B(:))%求RG,RB,GB的相关系数corrcoef(R(:),G(:))corrcoef(R(:),B(:))corrcoef(B(:),G(:))2.原始图像Figure 1原始图像3.实验结果R,G,B的均值R =71.4789G =99.6597B =59.5149R,G,B的方差varR =1.0614e+03varG =1.6791e+03varB =192.6365RG,RB,GB的相关系数ans =1.0000 0.95360.9536 1.0000ans =1.0000 0.34600.3460 1.0000ans =1.0000 0.14010.1401 1.00004. 遥感图像的均值、方差、相关系数、信息熵等统计参数，以及图像直方图的意义和作用。

①意义：均值：像素值的算术平均值，反映的是图像中地物的平均反射强度，大小由图像中主体地物的光谱信息决定。

方差：像素值与平均值的平方和，表示像素值的离散程度。

相关系数：反映了两个波段图像所包含信息的重叠程度。

直方图：灰度级的函数，它表示图像中具有某种灰度级的像素的个数，反映了图像中某种灰度出现的频率。

②作用：测量上的误差以及各种干扰因素的存在，图像的像素值变化具有随机性的特点。

多数人认为，遥感图像中某一灰度级内像素出现的频率是服从高斯分布，即密度函数是正态的。

一般来说，图像的概率分布难以用某一分析式来表示，但通过分析直方图，灰度级内的像素频数总是可以找出来的。

从统计学角度来说，图像的数字特征可作为区分或识别图像中地物的依据。

把图像作为一个随机向量X，按照概率论可以有两种方法来表示，一种用密度函数来表示；另一种用统计参数来表示，这往往是密度函数不可知条件下的表示，如期望、方差、协方差等。

使用统计特征可以用来对不同的图像或图像的处理效果进行比较。

统计的图像范围根据需要确定，或者是整景图像，或者是指定的地图类型。

直方图：根据直方图的形态可以大致推断图像的反差，然后可通过有目的地改变直方图形态来改善图像的对比度。

一般来说，如果图像的直方图形态接近正态分布，则这样的图像反差适中；如果直方图峰值位置偏向灰度值打的一遍，图像偏亮；如果峰值位置偏向灰度值小的一边，图像偏暗；峰值变化过陡、过窄，则说明图像的灰度值国语集中，反差小。

实验二 遥感图像增强处理一、实验目的 掌握常用遥感图像的增强方法，能运用高级程序设计语言实现遥感图像的增强处理。

二、实验内容编程实现对遥感图像的 IHS 变换、IHS 逆变换、进行统计特性分析，均值、方差（均方 差）、直方图、相关系数等。

三、实验原理1. IHS 变换与 IHS 逆变换IHS 变换：120I R V G V B ⎡⎤⎡⎤⎢⎥⎢⎥=⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦⎥⎥⎦其中，21arctan V H V ⎛⎫= ⎪⎝⎭S =IHS 逆变换：120R IG V B V ⎤⎥⎥⎡⎤⎡⎤⎢⎥⎢⎥=⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦⎥⎥⎦2. 遥感图像的密度分割密度分割：将图像的密度或亮度值分成若干等级的处理方法。

对单波段遥感图像按灰度分级，对每级赋予不同的色彩，使之变为一幅彩色图像。

3. SPOT 图像模拟真彩色模拟真彩色：通过某种形式的运算得到模拟的红、绿、蓝三个通道，然后通过彩色合成近似的产生真彩色图像。

（1）SPOT IMAGE 公司提供的方法 该方法实际上是将原来的绿波段当作蓝波段，红波段（0.61-0.68 μm ）仍采用原来的波段，绿波段用绿波段、红波段、红外波段的算术平均值来代替。

（2）ERDAS IMAGING 软件中的方法 此法将原来的绿波段当作蓝波段，红波段仍采用原来的波段，绿波段用绿波段、红外波段按 3：1 的加权算术平均值来代替。

（3）不确定参数法引入了全色波段（用 P 表示），红色用(aP ＋(1－a)XS3)来表示，绿色用 2P ×XS2/(XS1+ XS2)表示，蓝色用 2P ×XS1/(XS1+XS2)表示。

系数 a 根据遥感影像景观取值介于 0.1 到 0.5 之间。

4. 直方图规定化（直方图匹配）直方图规定化是为了使一个波段图像的直方图变成规定形状的直方图而对图像进行转换的增强方法。

图 2-1 直方图规定化示意图令 P(r) 为原始图像的灰度密度函数，P(z)是期望通过匹配的图像灰度密度函数。

对 P(r)及 P(z) 作直方图均衡变换，通过直方图均衡为桥梁，实现 P(r) 与 P(z) 变换。

步骤：（1）由()()rs T r p r dr==⎰ 01r ≤≤ 各点灰度由 r 映射成 s 。

（2）由()()zv G z p z dz==⎰01z ≤≤各点灰度由 z 映射成 v 。

（3）根据 v=G(z), z=G-1(v)由于 v, s 有相同的分布,逐一取 v=s ，求出与 r 对应的 z=G-1(s)。

离散灰度级情况：由（1）、（2）计算得两张表，从中选取一对 vk , sj ，使 vk ≈sj ，并从两张表中查得对 应的 rj ，zk 。

于是，原始图像中灰度级为 rj 的所有象素均映射成灰度级 zk 。

最终得到所期望的图像。

四、实验代码及图像1.HIS变换和逆变换①实验代码clcclear allT=imread('F:\桌面\实验\遥感数字图像处理\shiyan\L7.tif');T=im2double(T);R=T(:,:,1);G=T(:,:,2);B=T(:,:,3);[row,col,q]=size(T);x2=sqrt(2);x3=sqrt(3);x6=sqrt(6);I=zeros(row,col);V1=zeros(row,col);V2=zeros(row,col);H=zeros(row,col);S=zeros(row,col);%RGB到ISH ISH变换for i=1:rowfor j=1:colx=(1/x3)*R(i,j)+(1/x3)*G(i,j)+(1/x3)*B(i,j);I(i,j)=x;y=(1/x6)*R(i,j)+(1/x6)*G(i,j)+(-2/x6)*B(i,j);V1(i,j)=y;z=(1/x2)*R(i,j)+(-1/x2)*G(i,j)+0*B(i,j);V2(i,j)=z;H(i,j)=atan(V1(i,j)/V2(i,j));S(i,j)=sqrt(V1(i,j)^2+V2(i,j)^2);endendish=cat(3,I,H,S);figure,subplot(3,2,1),imshow(T),title('原始图像');subplot(3,2,2),imshow(ish),title('ISH图像');subplot(3,2,3),imshow(I),title('亮度I');subplot(3,2,4),imshow(S),title('饱和度S');subplot(3,2,5),imshow(H),title('色调H');%ISH到RGB ISH逆变换R1=zeros(row,col);G1=zeros(row,col);B1=zeros(row,col);for s=1:rowfor t=1:colx1=(1/x3)*I(s,t)+(1/x6)*V1(s,t)+(1/x2)*V2(s,t);y1=(1/x3)*I(s,t)+(1/x6)*V1(s,t)+(-1/x2)*V2(s,t);z1=(1/x3)*I(s,t)+(-2/x6)*V1(s,t)+0*V2(s,t);R1(s,t)=x1;G1(s,t)=y1;B1(s,t)=z1;endendRGB=cat(3,R1,G1,B1);figure,subplot(3,2,1),imshow(ish),title('ISH图像');subplot(3,2,2),imshow(RGB),title('RGB图像');subplot(3,2,3),imshow(R),title('红色波段R');subplot(3,2,4),imshow(G),title('绿色波段G');subplot(3,2,5),imshow(B),title('蓝色波段B');②实验结果图1 原始图像图2 HIS变化后的图像图3-1 正变换H分量图3-2 正变换S分量图3 正变换I分量图4 HIS逆变换及其R,G,B分量2.SPOT图像模拟真彩色①实验代码clcclear allT=imread('F:\桌面\实验\遥感数字图像处理\shiyan\test23.tif');T=im2double(T);G=T(:,:,1);%原图的绿波段R=T(:,:,2);%原图的红波段NR=T(:,:,3);%原图的近红外波段[row,col,q]=size(T);B1=G;R1=R;%SPOT IMAGE公司提供的拟彩色方法G1=zeros(row,col);for i=1:rowfor j=1:colG1(i,j)=(G(i,j)+R(i,j)+NR(i,j))/3;endendncs1=cat(3,R1,G1,B1);figure,subplot(1,2,1),imshow(T),title('原始图像'); subplot(1,2,2),imshow(ncs1),title('拟彩色图像');%ERDAS IMAGING软件中提供的拟彩色方法G2=zeros(row,col);for i=1:rowfor j=1:colG2(i,j)=(3*G(i,j)+NR(i,j))/4;endendncs2=cat(3,R1,G2,B1);figure,subplot(1,2,1),imshow(T),title('原始图像'); subplot(1,2,2),imshow(ncs2),title('拟彩色图像');五、分析与讨论实验三遥感图像融合一、实验目的掌握多源遥感图像融合的原理与方法，能运用高级程序设计语言实现遥感图像的融合。