遥感实验报告直方图的修正
直方图修正
实验名称：直方图修正一、实验目的1.对影像进行直方图规定化和均衡化2.利用另外一幅影像进行直方图匹配3.利用直方图统计功能对结果进行分析二、实验内容1.对两幅卫星遥感影像进行规定化并统计分析2.对一幅卫星遥感影像进行均衡化并统计分析三、实验所用的仪器设备计算机和ENVI软件在不同时刻同地的卫星遥感影像2幅四、实验原理1.直方图规定化：是使原图像灰度直方图变成规定形状的直方图而对原始图像作修正的增强方法。
作用：对于在不同时间获取的同一地区或者邻接地区的图像，或者是由于太阳高度角或大气的影响引起差异的图像很有用，特别是对图像镶嵌和变化检测。
2.直方图均衡化:又称直方图平坦化，是将一已知灰度概率密度分布的影响，经过某种变换变成一幅具有均匀灰度概率密度分布的新影像，其结果是是扩大了像元取值得动态范围。
效果:(1) 均衡后每个灰度级的像元频率近似相等。
（2）频率少的灰度级被合并，频率数高的灰度级被保留，可以增强影像上大面积地物与周围地物的反差。
五、实验步骤1.直方图规定化与统计：1)同时打开两幅遥感影像，影像显示号分别为Display#1，Display#2.规划化前影像——Display#2 规划化前影像——Display#12)在Display#2的主影像窗口选择Enhance/Histogram Matching,出现HistogramMatching Input parameter对化框。
3)在“Match To”列表中，选择匹配的直方图的影像显示号Display#1。
4)在Input Histogram/Image/OK得到直方图匹配后的结果。
5)在“Flie/Save Image As/Image file”中得到对话框“Output Display to image File”选择保存所在文件下，保存为”guihua”。
6)在“Basic Tools/statistics/Computer Statistics/Computer Statistics InputFile”,选择所要分析统计的图像文件.例如guihua/OK/Basic Stats/Histograms/OK按Display#1的影像进行匹配后的Display#2 即guihua 规划化前影像——Display#17)在Statistics Results :guihua/ Select Plot/Histogram：All Bands并对三幅图进行分析Guihua直方统计图 Display#2 直方统计图 Display#1直方统计图结果分析：[1].由上显示图—1为规划化后的图，图—2，3为规划化前的图，三幅图每个都有3个波段，图—2，3在灰度值0—255之间变化，图—1在0-210之间变化，图—1，2在灰度值80—170变化较集中。
实验四 图像的直方图修正
imhist(X, map)；%计算和显示索引色图像X的直方图，
map为调 色板；
［counts, x］=imhist(…)%返回直方图数据向量counts和
相应的色彩值向量x，用stem(x, counts) 同样可以显示直方图。
【例】 显示灰度图像‘cameraman.tif’的直方图。
j 0 j 0
k
k
nj N
（5）将sk按照原来的量化值，取最近的进行量化sk→r， 将像素数带入，得到新的灰度级及分布。
实例
假设一幅64×64，8bit灰度图像，其概率分布见下
表，试对其进行直方图均衡化处理。 rk nk Pr(rk)=nk/n
r0=0
r1=1/7 r2=2/7 r3=3/7 r4=4/7 r5=5/7 r6=6/7 r7=1
3500
3000
2500
2000
1500
1000
500
0
20ቤተ መጻሕፍቲ ባይዱ
40
60
80
100
120
2 imadjust函数
调用格式：J=imadjust(I,[low high],[bottom top],gamma) 说明：J为图像I调整后返回的图像，[low high]为原图像
的灰度范围，[bottom top]为指定变换后的灰度范
790
1023 850 656 329 245 122 81
0.19
0.25 0.21 0.16 0.08 0.06 0.03 0.02
＊重新命名sk，归并相同灰度级的象素数 rk r0=0 r2=2/7=0.29 r3=3/7=0.43 r4=4/7=0.57 r5=5/7=0.71 r6=6/7=0.86 r7=1 nk 790 850 656 329 245 122 81 Pr(rk) Sk计算 0.19 0.25 0.21 0.16 0.08 0.06 0.03 0.02 0.19 0.44 0.65 0.81 0.89 0.95 0.98 1.00 Sk舍入 1/7=0.14 3/7=0.43 5/7=0.71 6/7=0.86 6/7=0.86 1 1 1 S3 985 0.24 Sk S0 S1 S2 nsk 790 1023 850 P(sk) 0.19 0.25 0.21
遥感图像处理实验报告
遥感图像处理实验报告遥感图像处理实验报告引言：遥感图像处理是一门应用广泛的技术，它通过获取、分析和解释地球表面的图像数据，为地质勘探、环境监测、农业发展等领域提供了重要的支持。
本实验旨在探索遥感图像处理的基本方法和技术，以及其在实际应用中的价值和意义。
一、图像预处理图像预处理是遥感图像处理的第一步，它主要包括图像的去噪、增强和几何校正等操作。
在本实验中，我们使用了一张卫星图像作为样本，首先对图像进行了去噪处理，采用了中值滤波算法，有效地去除了图像中的椒盐噪声。
接着，我们对图像进行了增强处理，采用了直方图均衡化算法，使得图像的对比度得到了显著提高。
最后，我们进行了几何校正，通过对图像进行旋转和缩放，使得图像的几何形状与实际地理位置相符合。
二、图像分类图像分类是遥感图像处理的关键步骤之一，它通过对图像中的像素进行分类，将其划分为不同的地物类型。
在本实验中，我们使用了监督分类方法，首先选择了一些具有代表性的样本像素，然后通过训练分类器，将这些样本像素与不同的地物类型进行关联。
接着，我们对整个图像进行分类，将图像中的每个像素都划分为相应的地物类型。
最后，我们对分类结果进行了验证，通过与实地调查结果进行对比，验证了分类的准确性和可靠性。
三、图像融合图像融合是遥感图像处理的一项重要技术，它可以将多个不同波段或分辨率的图像融合成一幅高质量的图像。
在本实验中，我们选择了两幅具有不同波段的卫星图像，通过波段归一化和加权平均的方法，将这两幅图像融合在一起。
融合后的图像不仅保留了原始图像的颜色信息，还具有更高的空间分辨率和光谱分辨率，可以提供更全面和准确的地物信息。
四、图像变化检测图像变化检测是遥感图像处理的一项关键任务，它可以通过对多幅图像进行比较，检测出地表发生的变化情况。
在本实验中，我们选择了两幅具有不同时间的卫星图像，通过差异图像法和指数变化检测法，对这两幅图像进行了变化检测。
通过对比差异图像和变化指数图，我们可以清晰地看到地表发生的变化，如城市扩张、植被变化等，为城市规划和环境监测提供了重要的参考依据。
遥感图像几何精校正实验报告
遥感图像几何精校正实验名称：遥感图像的几何精校正。
实验目的：1.了解和熟悉envi软件的几何校正的原理2.熟悉和掌握envi软件的几何校正的功能和使用方法；3.对自己的图像先找到投影，再另存一幅图像，去掉投影，在其它软件中旋转一角度，用原先的图像作为参考对旋转后的图像进行几何校正，使得其比较精确。
实验原理：几何校正，主要方法是采用多项式法，机理是通过若干控制点，建立不同图像间的多项式控件变换和像元插值运算，实现遥感图像与实际地理图件间的配准，达到消减以及消除遥感图像的几何畸变。
多项式几何校正激励实现的两大步：1. 图像坐标的空间变换：有几何畸变的遥感图像与没有几何畸变的遥感图像，其对应的像元的坐标是不一样的，如下图1右边为无几何畸变的图像像元分布图，像元是均匀且不等距的分布。
为了在有几何畸变的图像上获取无几何畸变的像元坐标，需要进行两图像坐标系统的空间装换。
图1：图像几何校正示意图在数学方法上,对于不同二维笛卡儿坐标系统间的空间转换,通常采用的是二元n次多项式,表达式如下:其中x, y为变换前图像坐标, u, v为变换后图像坐标, aij , bij为多项式系数, n = 1, 2,3, ⋯。
二元n次多项式将不同坐标系统下的对应点坐标联系起来, ( x, y )和( u, v )分别应不同坐标系统中的像元坐标。
这是一种多项式数字模拟坐标变换的方法,一旦有了该多项式,就可以从一个坐标系统推算出另一个坐标系统中的对应点坐标。
如何获取和建立二元n次多项式,即二元n次多项式系数中a和b的求解,是几何校正成败的关键。
数学上有一套完善的计算方法,核心是通过已知若干存在于不同图像上的同名点坐标,建立求解n次多项式系数的方程组,采用最小二乘法,得出二元n次多项式系数。
不同的二元n次多项式,反映了几何畸变的遥感图像与无几何畸变的遥感图像间的像元坐标的对应关系, 其中哪种多项式是最佳的空间变换模拟式,能达到图像间坐标的完全配准,是需要考虑和分析的。
遥感几何校正实验报告
遥感几何校正实验报告遥感几何校正实验报告一、引言遥感技术在地球科学和环境研究中起着至关重要的作用。
遥感图像的几何校正是确保图像的准确性和可用性的关键步骤之一。
本实验旨在通过对遥感图像进行几何校正，探索校正过程中的方法和技术。
二、实验目的1. 了解遥感图像的几何校正原理和意义；2. 掌握几何校正的基本步骤和技术；3. 分析几何校正对遥感图像质量的影响。
三、实验材料与方法1. 实验材料：- 遥感图像数据集；- 几何校正软件。
2. 实验方法：- 导入遥感图像数据集；- 对图像进行几何校正；- 分析校正前后图像的差异。
四、实验过程与结果1. 数据导入：在几何校正软件中导入遥感图像数据集，确保图像能够正确显示。
2. 几何校正：根据几何校正软件的操作指南，按照以下步骤进行几何校正：a) 选择合适的控制点：根据图像中的特征选择控制点，以确保校正的准确性；b) 校正图像：通过对控制点进行配准，对图像进行几何校正；c) 评估校正结果：查看校正后的图像，与原始图像进行对比，评估校正的效果。
3. 结果分析：a) 观察校正后的图像：比较校正前后图像的差异，注意观察图像的形状、位置和尺度是否发生变化；b) 分析校正效果：根据观察结果，评估几何校正的效果。
若图像形状、位置和尺度变化较小，说明校正效果较好；c) 讨论校正结果：讨论校正结果对后续遥感分析的影响，如地物提取、变化检测等。
五、讨论与总结几何校正是遥感图像处理的重要步骤，能够提高图像的准确性和可用性。
本实验通过对遥感图像进行几何校正，探索了校正过程中的方法和技术。
校正后的图像形状、位置和尺度变化较小，说明校正效果较好。
几何校正结果对后续遥感分析有重要影响，能够提高地物提取和变化检测的精度。
然而，几何校正过程中仍存在一些挑战和限制。
例如，控制点的选择和配准的准确性对校正结果至关重要。
此外，校正过程中可能出现图像畸变和信息丢失的情况，需要在校正结果的评估中进行综合考虑。
直方图修正法
重庆交通大学测量与空间信息处理实验报告实验课程：遥感原理及应用实验名称：直方图修正法班级：姓名：学号：实验日期：2012 年11 月17 日实验原理一.直方图均衡化直方图均衡算法是图象增强空域法中的最常用、最重要的算法之一。
目前较常用的增强方法有全局直方图均衡化、局部直方图均衡化两大类。
全局直方图均衡化是将原图像的直方图通过变换函数变为均匀的直方图, 然后按均匀直方图修正原图像, 从而获得一幅灰度分布均匀的新图像。
它以概率理论作基础, 运用灰度点运算来实现直方图的变换, 从而达到图象增强的目的。
它的变换函数取决于图像灰度直方图的累积分布函数。
概括的说, 就是把一已知灰度概率分布的图像, 经过一种变换, 使之演变成一幅具有均匀概率分布的新图像。
当图像的直方图为一均匀分布时,图像的信息熵最大,此时图像包含的信息量最大,图像看起来就显得清晰。
下面先讨论连续变化图像的均衡化问题。
设r 、s 分别表示原图像和增强后图像的灰度。
假设r 被归一化到区间[0,1], 且r =0 表示黑色及 r = 1表示白色。
当r 、s 在[0,1] 之间时,表示像素灰度在黑白之间变化。
灰度变换函数为s=T（r） 0≤r≤1 （1）它满足以下两个条件：(1) T（r）在区间0≤r≤1中为单值且单调递增；(2) 当0≤r≤1时, 0 ≤T（r）≤1；条件(1)中要求T（r）为单值是为了保证反变换存在, 单调条件保证原图各灰度级在变换后仍保持从黑到白( 或从白到黑) 的排列次序；条件(2)保证变换前后灰度值动态范围的一致性。
图1 给出了满足这两个条件的一个变换函数的例子, 由s 到r 的反变换可以表示为：= 0≤s≤1 （2）r-),(1sT即使 T（r）满足条件(1)和(2), 相应的函数)(1sT-也可能不为单值。
一幅图像的灰度级可被视为区间[0,1] 的随机变量。
令)(r p r 和)(s p s 分别代表随机变量 r 和s 的概率密度函数。
遥感图像处理实验报告
遥感图像处理实习报告姓名：学号：联系方式：日期：一、实习要求（一）掌握使用ENVI进行各种图像基本操作；（二）熟练运用ENVI中工具进行图像图像校正、裁剪拼接、融合及图像增强处理；二、实习操作过程与实现结果（一）辐射校正及大气校正1、辐射校正（1）选择File->open，选择Landset8武汉数据中的‘’文件。
（2）选择Toolbox->Radiometric Correction->Radiometric Calibration工具，选择要校正的‘LC8LGN00_MTL_MultiSpectral’多光谱数据，设置定标参数（存储格式：BIL；单位转换“Scale Factor”的设置，单击Apply FLAASH Settings得到相应的参数），得到辐射定标后的结果。
2、大气校正（1）选择Toolbox->Radiometric Correction->Atmospheric Correction Module->FLAASH Atmospheric Correction工具；打开工具后设置参数：在FLAASH Atmospheric Correction Module Input Parameters 面板中如图设置各项参数；点击apply运行大气校正。
（2）大气校正运行结果（二）图像裁剪与拼接1、15米全色波段图像裁剪拼接（1）选择File->open，选择‘县界.shp’‘LC8LGN00_MTL’及‘LC8LGN00_MTL’文件。
（2）选择Toolbox->Regions of Interest->Subset Date from ROIs 工具；双击打开后input file面板选择38区段15米分辨率文件，input ROIs面板选择‘县界’文件。
点击‘OK’，38区段文件裁剪后如图。
（3）重复（2）中工具选择步骤；双击打开后在input file 面板选择39区段15米分辨率文件，在input ROIs面板选择‘县界’文件。
遥感实验报告几何校正
遥感实验报告几何校正1. 引言遥感技术在地球科学领域中起着至关重要的作用，可以提供大量的空间信息。
然而，由于地球曲率、地表高程、投影效果等原因，遥感图像中存在一定的几何失真。
为了解决这些问题，需要对遥感图像进行几何校正，以确保图像的精确度和准确性。
本实验旨在通过软件工具进行遥感图像的几何校正，以便更好地分析和解读遥感图像所提供的信息。
2. 实验目标本实验的主要目标是对给定的遥感图像进行几何校正，达到以下几个具体目标：1. 去除图像中的地理畸变，使图像上的物体形状和比例与现实世界相符合；2. 将图像从传感器坐标系转换到地理坐标系，使图像可以与其他地理数据进行叠加分析；3. 评估图像几何校正的效果，验证几何校正的有效性。
3. 实验步骤3.1 数据准备在实验开始前，我们需要准备一幅遥感图像和其对应的地理坐标信息。
安装并配置合适的遥感图像处理软件，以便进行后续的操作。
3.2 图像去畸变首先，需要对图像进行去畸变处理，以消除地理畸变对图像造成的影响。
根据实际情况选择适合的去畸变算法，对图像进行处理，并保存处理后的图像。
3.3 坐标系转换将处理后的图像从传感器坐标系转换到地理坐标系。
选择合适的坐标转换方法和参数，进行坐标系转换，并保存转换后的图像。
3.4 评估几何校正效果通过对比几何校正前后的图像，评估几何校正的效果。
可以采用多种指标进行评估，如虚拟控制点对比、图像配准精度等。
4. 实验结果经过上述实验步骤，我们成功实现了对遥感图像的几何校正。
通过图像去畸变和坐标系转换，我们得到了一幅与现实世界相符合的几何校正后的遥感图像。
评估几何校正效果时，通过与虚拟控制点对比和图像配准精度的测量，我们发现几何校正的效果符合预期，并且达到了较好的精度要求。
5. 结论与展望本实验通过对遥感图像进行几何校正，成功消除了图像中的地理畸变，实现了图像的空间精确定位。
几何校正的结果具有较高的精度和准确性，可以为后续的遥感图像分析和解读提供可靠的基础。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
实验名称：直方图的修正
一、实验内容
1.对影像进行直方图均衡化。
2.利用另外一幅影像进行直方图匹配。
二、实验所用的仪器设备，包括所用到的数据
电脑一台，遥感影像处理软件（ENVI4.3），bhtmref遥感影像
三、实验原理
（一）直方图的均衡化
1.定义：又称直方图的平坦化。
是将一已知的灰度概率密度分布的影像，经过某种变换，变成
一幅具有均匀灰度概率密度分布的新影像，结果是扩大了像元取值的动态范围。
2.直方图均衡的效果：
（1）均衡后每个灰度级的像元频率近似相等
（2）频数少的灰度级被合并，频数高的灰度级被保留，可以增强影像上大面积地物与周围地物的反差。
（二）直方图的规定化
1.定义：是使原影像灰度直方图变成规定形状的直方图而对原始影像做修正的增强方法。
2.原理：先对原始影像进行均衡化，再对希望影像进行均衡化，由原始影像均衡化的灰度级得
到希望影像的灰度级。
3.作用：对于在不同时间获取的同一地区或者邻接地区的影像，或者是由于太阳高度角或大气
的影响引起差异的影像很有用，特别是对影像镶嵌和变化检测。
四、实验步骤及其结果分析
（一）直方图均衡化
1.实验步骤：
（1）打开bhtmref遥感影像，显示如图一所示。
（2）在Image窗口菜单上点击Enhance/[Image]Equalization，得到结果影像（图2）。
（3）点击New Display，在image窗口菜单上点击Enhance/[Zoom]Equalization,得到结果影像（图3）。
图1.TM432（RGB）合成影像图2.图1Image窗口均衡化结果影像图3.图1 Zoom窗口均衡化影像结果
2.结果及分析：
（1）图2比图1更清晰。
通过对两幅图的比较，发现图2相邻地物之间的对比更加明显。
从表一中比较图1和图2的基础数据，可以得到以下结果：
从灰度级的最值的差异度可以看出，图二灰度级的最值差绝对值更大，这说明对比度更大。
图2的灰度平均值比图1大很多，这说明图2 的亮度更高。
另外，图2比图1的协方差也大出很多，说明图2的离散程度更高，像素更集中。
直方图均衡化处理之后，原来比较少的像素的灰度会被分配到别的灰度中去，像素相对集中，处理后灰度范围变大，对比度变大，所以图二更清晰。
（2）针对同一影像（图1），都进行均衡化操作，得到的结果影像（图2和图3）效果不一样。
原因在于均衡化操作的对象不一样。
图2是图1在Image窗口下进行的均衡化，图3是图1在Zoom窗口下进行的均衡化。
Image窗口点集较Zoom窗口多，因此Image窗口影像在均衡化的时候计算的归一化灰度范围与Zoom窗口的不同，这导致了图2和图3的差异。
针对图1进行均衡化操作，图2和图3的灰度平均值不一样，所以反映在影像上表现为亮度不一样。
表1.图1图2图3的直方图统计基础数据表
Basic states Min Max Mean Stdev Num Eigenvalue
Band1 6 38 16.616413 3.565327 1 22.992189
图1 Band2 4 41 18.365726 4.701562 2 6.009075 Band3 3 56 26.346813 4.696301 3 1.085246
Band1 0 255 107.175507 73.988905 1 11300.351870 图2 Band2 0 255 110.478828 69.061010 2 3526.282559 Band3 0 255 109.183197 68.776277 3 147.322998
Band1 0 255 98.285122 64.861383 1 8021.201875 图3 Band2 0 255 141.440071 58.776028 2 3551.969030 Band3 0 255 145.381351 63.396689 3 107.589773
图4.图1对应的直方图图5. 图2对应的直方图图6. 图3对应的直方图
（二）直方图规定化
1.实验步骤
（1）同时打开两幅遥感影像，如图1和图2.其影像显示号分别为Display#1,Display#2。
（2）在Display#1的主影像窗口选择Enhance/Histogram Matching,出现Histogram Matching
Input parameters 对话框。
（3）在“Match To”列表中，选择要匹配的直方图的影像显示号：Display#2。
（4）在“Input Histogram”下面，选择输入直方图的来源：“Image”。
（5）点击“OK”。
得到直方图匹配后的结果如图3所示。
（6）利用直方图统计工具对匹配后的影像及参考影像进行直方图统计，比较直方图形状及各相关参数的差异。
图1 t1时刻获得的遥感影像（TM432（RGB））图2 t2时刻获得的遥感影像（TM432（RGB））图3 以图2为参考影像对图1进行规定
化得到的结果影像
图4 图1的遥感影对应的直方图图5 图2的遥感影像对应的直方图图6 图3的遥感影像对应的直方图
（三）直方图规定化分析
对比图1和图3，可以看到与原始影像比较规定化后的影像亮度变暗，清晰度增加。
分别对比图1，图2和图3，可以看到直方图规定化后的影像图3与选择的匹配影像图2接近，与原始影像图1差异明显。
通过直方图统计可以得到图1，图2和图3对应的直方图图4，图5，图6,，对比可得：直方图图4与图5，图6无论从形状还是分布都有很大差异，而直方图图5和图6的形状和分布比较接近。
据此，可初步解释规定化后影像变化的原因。
通过分析图1，图2，图3遥感影像的基本统计量，如表1，可得：图3的平均值（Mean）和标准差（Stdev）均小于原始影像图1，故经过直方图规定化后的遥感影像图3较原始影像图1更清晰但亮度变暗。
图3与图2相比，平均值（Mean）、标准差（Stdev）和特征值（Eigenvalue）
数值接近且波动基本一致但与图1无论是数值还是波动都相差很大，故经过直方图规定化后的影像图3与匹配影像图2接近，与原始影像差异明显。
综上分析，我们得出直方图规定化后影像变化的现象和实质。
正是基于这种变化决定了直方图规定化在处理不同时间和其他因素导致的影像差异的恢复、检测和影像镶嵌的重要意义。
表1 图1,2,3遥感影像基本统计量
Basic Stats Min Max Mean Stdev Num Eigenvalue
图1 Band 1 0 255 118.89526 49.643227 1 6663.969109 Band 2 0 255 169.97121 59.218481 2 2391.830456 Band 3 0 255 168.381306 56.11772 3 64.677479
图2 Band 1 0 255 116.244102 43.714687 1 3482.550655 Band 2 0 255 118.480747 39.350941 2 1522.749008 Band 3 0 255 117.268738 39.904574 3 46.545845
图3 Band 1 0 207 104.913967 44.900029 1 2955.363878 Band 2 0 177 109.056286 34.209622 2 1593.496517 Band 3 0 176 104.29583 37.515586 3 44.869621
五、实验中所遇到的问题及其解决的方法
本次实验过程中比较顺利，达到了预期的效果和目的。
遇到的最大问题在于写实验报告过程中分析和讨论即如何解释现象的原因和如何通过数据分析现象的本质。
我们小组通过认真的分析和讨论，基本建立了此次实验的解释，但在数据的筛选和表达形式方面还值得完善。
衷心希望老师给于我们此次实验批评指正！
附表：实验组成员分工明细。