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，如下可知红、绿、蓝三维散点的明显线性趋势显示出可见波段数据的高度相关性，于是未增强的真彩色图像显示的像单色图像。
（3）图像经过对比度增强后，进行直方图检测发现数据被扩展到更大范围内的可用动态范围。
地表特征变得较为容易识别。
（4）图像经过去相关拉伸后，由下图的三色散点图容易看出，此时波段数据已经没有了高度的相关性。
经过线性对比度扩展和去相关，图像的地表特征可识别度得到了很大提高，画面中不同波段的不同被夸大了。
四、实验程序：clear all;clc;Paris_img=multibandread('',[512,512,7],'uint8=>uint8',128','bil','iee e-le',{'Band','Direct',[3 2 1]});figure(1);imshow(Paris_img);r=Paris_img(:,:,3);g=Paris_img(:,:,2);b=Paris_img(:,:,1);figure(2);subplot(311);imhist(r);title('红色波段直方图');subplot(312);imhist(g);title('绿色波段直方图');subplot(313);imhist(b);title('蓝色波段直方图');figure(3);plot3(r(:),g(:),b(:),'.');Stretch_img=imadjust(Paris_img,stretchlim(Paris_img));figure(4);subplot(211);imshow(Stretch_img);subplot(212);imhist(Paris_img(:,:,3));Decorrstretch_img=decorrstretch(Paris_img,'Tol',;figure(5);imshow(Decorrstretch_img);rd=Decorrstretch_img(:,:,3);gd=Decorrstretch_img(:,:,2);bd=Decorrstretch_img(:,:,1);figure(6);subplot(311);imhist(rd);subplot(312);imhist(gd);subplot(313);imhist(bd);figure(7);plot3(rd(:),gd(:),bd(:),'.');实验二：遥感图像的配准一、实验目的：利用一幅未配准的机场图像和一幅同样场景正摄影获得的图像进行配准。
二、实验过程：1.读取‘机场.png’和‘正摄影.png’两幅未配准图像（imread）；2.加载‘配准点.mat’文件，其中包含四组控制配准点；3.用fitgeotrans语句找到配准参数；5.显示正摄影图像为基础的配准后的图像（imshowpair）。
三、实验分析：（1）寻找配准参数的函数fitgeotrans，由配准点得到movingPoints和fixedPoints，movingPoints 是图像上想要移动的点的坐标，至少是两个double型2维点，fixedPoints为目标点，与movingPoints规模相同，transformationType为变换类型，包括仿射变换、投影变化、相似变换等，这个函数主要描述了将movingPoints（设大小为:N*2,N>=2）通过某种变换变化到fixedPoints来，最后输出了变换矩阵。
得到的fun_para是一个结构体类型，里面包含了变换矩阵。
（2）要求参加配准的图像满足一定灰度相似性，所以原图像对噪声较敏感，在配准后避免了直接对灰度图像的操作，所以抗噪性较强。
四、实验程序：clear all;airport=imread('机场.png');figure(1);imshow(airport);right=imread('正摄影.png');figure(2);imshow(right);load 配准点.mat;fun_para=fitgeotrans(movingPoints,fixedPoints,'projective');fixed_size=imref2d(size(right));pic_reg=imwarp(airport,fun_para,fixed_size);figure(3);imshowpair(airport,pic_reg,'blend');实验三：遥感图像的分割一、实验目的：利用一幅城市多光谱遥感图像，研究其NDVI值的特点，并利用NDVI阈值处理对图像进行分割，获得植被图像。
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4，3，2波段（分别对应NIR，R，G层）；2.显示假彩色图像；3.显示近红外和红光波段的图像；4.计算NDVI值：NIR R NIR R-+；5.选取合适阈值分割植被图像；6.显示分割后的植被图像。
三、实验分析：（1）近红外（NIR）光谱波段（波段4）和可见光谱的相关性相对较小。
和可见光谱一样，卫星地图得到的不可见光谱的信息也可以通过构建和增强RGB复合图像以后直接观察。
近红外NIR波段（波段4）很重要，因为该波段在光谱中对叶绿素反射率较高，利用NIR波段可以很好地区分出图像中的植被。
当和可见光和绿光（分别是波段3和波段2）进行复合形成一个彩色红外复合图像（CIR）时，这一特点比较有用。
彩色红外复合图像通常用来识别植被或评定植被的生长情况。
（2）第一次阈值选取时，没有将原始像素的数据格式转为double，由于近红外和红色波段的相关性存在，导致出现NIR与R某些像素相等的情况，NDVI=（近红外波段辐射率-红外辐射率）/（近红外辐射率+红外波段辐射率）求出来为0或者1，得到的分割图像如下：这样分割的效果并不明显，于是将近红外和红色波段的数据格式改为了double，让NDVI求出的数值有小数而不是0或1，再选取合适的阈值（这里选择了），得到最后分割后的植被图像。
四、实验程序：clear all;clc;Paris_img=multibandread('',[512,512,7],'uint8=>uint8',128','bil','ieee-le',{'Band','Direct',[4 3 2]}); figure(1);imshow(Paris_img);NIR=multibandread('',[512,512,7],'uint8=>uint8',128','bil','ieee-le',{'Band','Direct',[4]});R=Paris_img(:,:,3);G=Paris_img(:,:,2);figure(2);subplot(311);imhist(NIR);title('近红外波段直方图');subplot(312);imhist(R);title('红色波段直方图');subplot(313);imhist(G);title('绿色波段直方图');figure(3);subplot(211);imshow(NIR);title('近红外波段图像');subplot(212);imshow(R);title('红色色波段图像');NIR_double=im2double(NIR);R_double=im2double(R);NDVI=(NIR_double-R_double)./(NIR_double+R_double);N=size(NDVI);for i=1:Nfor j=1:Nif NDVI(i,j)<;t(i,j)=1;endendendfigure(4);imshow(t);实验四：遥感图像特征提取一、实验目的：利用一幅道路遥感图像，提取其颜色特征，并利用颜色特征提取方法对图像进行分割，获得道路提取图像。
二、实验过程：1.读取道路图像；2.利用makecform和applycfor语句获得图像的lab颜色模型；3.分析道路像素特点；4.找到合适阈值并对图像进行分割；5.利用形态学方法进一步提取道路信息；6.得到道路提取图像，并进行显示三、实验分析：（1）LAB模式的特点在于灰度信息和色彩信息的分别保存。