浅谈遥感图像的图像增强处理与k均值算法本科毕业（设计）论文.doc

遥感原理与应用课程设计 “遥感影像处理算法设计” 实习报告 学院：遥感信息工程学院 专业：遥感科学与技术 班级： 学号： 姓名： 指导老师： 日期：2015年6月 30 日  浅谈遥感图像的图像增强处理与K均值算法 摘 要：本文主要是对针对遥感图像的增强处理，如平滑、锐化处理、边缘提取等以及非监督分类中的K均值聚类方法进行探讨，主要从原理、实现与过程、实验结果与分析以及讨论与总结几个部分出发，展开了对处理的相关描述。 关键词 1 原理介绍 1.1 GDAL 本次实习是在GDAL数据转换库的辅助下，在VC环境下对各类遥感图像进行的图像处理。 GDAL是一种开源栅格空间数据转换库，提供对多种栅格数据的支持，并利用抽象数据模型来表达所支持的各种文件格式，此外，该库还包括了对矢量数据操作的功能，功能十分强大。而此次实习所采用的图像是多光谱遥感影像，具有多个波段，不同波段的灰度图像叠加即形成多光谱影像，利用GDAL来进行实现也更为简便。 1.2 图像增强 增强处理，即增强图像中的有用信息，它可以是一个失真的过程，其目的是要改善图像的视觉效果，针对给定图像的应用场合，有目的地强调图像的整体或局部特性，将原来不清晰的图像变得清晰或强调某些感兴趣的特征，扩大图像中不同物体特征之间的差别，抑制不感兴趣的特征，使之改善图像质量、丰富信息量，加强图像判读和识别效果，满足某些特殊分析的需要在本次实习中主要完成了平滑锐化边缘提取等基本处理中值滤波是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术，中值滤波的基本原理是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替，让周围的像素值接近的真实值，从而消除孤立的噪声点。方法是用某种结构的二维滑动模板，将板内像素按照像素值的大小进行排序，生成单调上升（或下降）的为二维数据序列。二维中值滤波输出为g（x,y）=med{f(x-k,y-l) , (k,lW)} ，其中，f(x,y)，g(x,y)分别为原始图像和处理后图像。在本次实习中共使用了均值滤波也称为线性滤波，其采用的主要方法为邻域平均法。线性滤波的基本原理是用均值代替原图像中的各个像素值，即对待处理的当前像素点（x，y），选择一个模板，该模板由其近邻的若干像素组成，求模板中所有像素的均值，再把该均值赋予当前像素点（x，y），作为处理后图像在该点上的灰度个g（x，y），即个g（x，y）=1/m ∑f（x，y） m为该模板中包含当前像素在内的像素总个数在本次实习中主要采用了图像锐化处理的目的是为了使图像的边缘、轮廓线以及图像的细节变的清晰便于为以后的提取边缘以及跟踪提供前提也更能突出人们所更感兴趣的地方 为简化梯度的运算，通常利用grad(x,y)=max(|f’(x)|,|f’(y)|)来进行计算。 一般认为边缘是一定数量点亮度发生变化的地方，所以的目的是标识数字图像中亮度变化明显的点那么边缘检测大体上就是计算这个亮度变化的导数。有许多用于边缘检测的方法, 他们大致可分为两类：基于搜索和基于零交叉即一阶导数与二阶导数一阶导数主要是计算估计边缘的局部方向， 通常采用梯度的方向，并利用此方向找到局部梯度模的最大值。在本次实习中采用的就是一阶导数的方法主要为Prewitt算子和Sobel算子Prewitt算子其原理是在图像空间利用两个方向模板与图像进行邻域卷积来完成的，这两个方向模板一个检测水平边缘，一个检测垂直边缘。对数字图像f(x，y)，Prewitt算子的定义如下： G(i)=|[f(i-1,j-1)+f(i-1,j)+f(i-1，j+1)]-[f(i+1,j-1)+f(i+1，j)+f(i+1，j+1)]| G(j)=|[f(i-1,j+1)+f(i,j+1)+f(i+1，j+1)]-[f(i-1,j-1)+f(i,j-1)+f(i+1，j-1)]| 则 P(i,j)=max[G(i),G(j)]或 P(i,j)=G(i)+G(j)Prewitt算子相似也是两个方向模板，Sobel算子对于象素的位置的影响做了加权，可以降低边缘模糊程度，因此效果更好。 1.3 K均值算法 K均值分类是一种非监督分类，在遥感图像的地物划分与辨别中是十分重要的。该算法是很典型的基于距离的聚类算法，采用距离作为相似性的评价指标，即认为两个对象的距离越近，其相似度就越大。该算法认为簇是由距离靠近的对象组成的，因此把得到紧凑且独立的簇作为最终目标。其具体过程可简述为1）从N个文档随机选取K个文档作为质心2）对剩余的每个文档测量其到每个质心的距离，并把它归到最近的质心的类3）重新计算已经得到的各个类的质心4）迭代2～3步直至新的质心与原质心相等或小于指定阈值，算法结束 2.2 彩色图像均值滤波 2.3彩色图像中值滤波 2.4彩色图像高斯平滑