遥感实验三(图像分割).docVIP

图像分割 一、目的与要求 1.目的：利用光谱特征进行遥感图像的分割和分割后处理。 2.要求：能够根据图像的特征，综合使用不同的方法分割出地物对象。 熟练掌握图像直方图的应用。 掌握彩色图像分割的基本方法。 掌握利用波段组合进行图像分割的工作流程。 熟悉数学形态学基本方法的应用。 3.软件和数据：ENVI软件 照片，TM图像数据。 二、实验内容 （1）利用直方图进行图像分割 实验步骤：1、打开实验图像（地物与直方图DSCF0153.JPG）并显示图像直方图 2、在直方图窗口，移动RGB拉伸的最小值分别为150,160,150，并分别应用，查看拉伸后的图像。 原图： 最小值150的拉伸： 最小值160的拉伸： 去除天空的操作：（菜单—basictools—bandmath） 结果： （2）彩色图像分割 1、提取图像中的兰花 实验步骤：打开兰花.jpg 使用直方图分割：(b1 gt b2)*(b1 gt b3) 结果： 2、去除背景噪声 实验步骤：打开娃娃.bmp 直方图：（图像灰度值大部分处于高亮区域） 直方图拉伸R：154~184 G：8~100 B：0~160 M1：通过波段运算float(b1)/float(b2) M2：b1 gt 0.98 M3：RGB/M2（和原图对比色调变冷） M4：（1-b1）*255 M5：b1(M3 R通道)+b2(M4) 进行RGB合成（M5、M3_G、M3_B） 3、去除背景噪声，增强图像中的字符信息 实验步骤：图像JH0001.jpg 提取表达式：255*(1-((b3 lt 200) and (b2 lt 100)and (b1 lt 100))) 原图： 提取后： （3）提取TM图像中的水体信息 思路：寻找指定地物与其他地物差异最大的波段或波段组合，构造代数表达式产生新的图像，使用阀值进行分割。 （4）提取线性地物信息 图像：IKN NJ PAN.bmp 3*3高斯低通滤波处理后 对3*3高斯低通滤波处理后再使用3*3拉普拉斯低通滤波 对图像进行滤波处理 1、高斯低通 结果： 2、拉普拉斯算子 结果： 上图结果ge 250 (5)图像数学形态学基本方法 1、二值数据的形态学处理： 腐蚀： 膨胀： 开运算： 闭运算： 2、灰度值数据的形态学处理 原图： 腐蚀处理后： （6）栅格矢量化 操作：Vector—Raster to Vector 输入数据： 对DN=1的结果进行矢量化 结果： 要想输出矢量数据，只需再执行evf文件转shp文件即可在arcmap等软件打开 附录： 卷积滤波 卷积（Convolutions）滤波是通过消除特定的空间频率来使图像增强，根据增强类型（低频、中频和高频）不同可分为低通滤波、带通滤波和高通滤波。此外还可以增强图像某些方向特征的方向滤波等。它们的核心部分是卷积核。ENVI提供很多卷积核，包括高通滤波（High Pass）、低通滤波（Low Pass）、拉普拉斯算子（Laplacian）、方向滤波（Directional）、高斯高通滤波（Gaussian High Pass）、高斯低通滤波（Gaussian Low Pass）、中值滤波（Median）、Sobel、Roberts，还可以自定义卷积核。具体操作如下： （1）????????? can_tmr.img。 （2）????????? Filter-Convolutions and Morphology。 （3）????????? Convolutions and Morphology Tool中，选择Covolutions-滤波类型。 （4）????????? 1)?? Kernel Size 卷积核大小，以奇数来表示，如3x3、5x5等，有些卷积核是不能改变大小，包括Sobel 和 Roberts。默认卷积核是正方形，如果需要使用非正方形，选择Options- Square kernel。 2)?? Image Add Back 输入一个加回值（add back）。将原始图像中的一部分“加回”到卷积滤波结果图像上，有助于保持图像的空间连续性，该方法经常用于图像锐化。“加回”值是原始图像在结果输出图像中所占的百分比。例如：如果为“加回”值输入40%，那么40%的原始图像将被“加回”到卷积滤波结果图像上，并生成最终的结果图像。 3)?? Editable Kernel 卷积核中各项的值。在文本框中双击鼠标可以进行编辑，选择File-Save Kernel或者Restore Kernel，可以把卷积核保存为文件（.ker）或者打开一个卷积核文件。 （5）????????? a)??? 选择Covolutions-High Pass，其它项按照默认