偶看新闻骷髅跳舞视频:17.4 在多分辨率图像中检测植被（1） - 51CTO.COM
来源：百度文库 编辑：偶看新闻 时间：2024/04/30 21:55:15
17.4 在多分辨率图像中检测植被（1）
http://book.51cto.com 2009-06-24 13:35 张强/王正林 电子工业出版社 我要评论()- 摘要：《精通MATLAB图像处理》第17章MATLAB图像分割实战，本章主要讲述了图像分割方面的7大实例，读者通过这些实例，能够熟练掌握MATLAB在图像分割方面的应用。本节为大家介绍在多分辨率图像中检测植被。
- 标签：MATLAB 图像处理 精通MATLAB图像处理
17.4 在多分辨率图像中检测植被（1）
在多分辨率图像中检测植被的基本步骤如下：
读取图像；
对图像进行增强；
提取不同的颜色分量；
根据植被特征选择合适的变量进行检测。
下面的例子说明了在一幅美国地球资源卫星拍摄的图像中，利用可见光红色和近红外光谱的不同来确定包含大量植被的区域。
例17-5 在多分辨率图像中检测植被。
多分辨率图像广泛应用在遥感图像中，它通过获取不同光谱带下的信息来使获取的图像含有更多的信息。通常，分辨率越高，图像描述得就越精细，但同时需要的存储空间也会越大。多分辨率图像在实际应用中有广泛的用途。
地球表面的物质通过不同的光谱会有不同的反射信息，这种差别提供了一种理解多分辨率图像特征的机制。
【本例要点】本例中多分辨率图像的对比度不高，在检测植被前首先使用decorrstretch函数进行增强。绿色植被的近红外光谱带（NIR）和红色光谱带（red）之间差异比较大，可以通过计算两者之间的归一化变量来确定绿色植被的分布区域。
本例的基本步骤如下：
读取图像并进行增强。
代码如下：
- CIR = multibandread('paris.lan', [512, 512, 7], 'uint8=>uint8',...
- 128, 'bil', 'ieee-le',{'Band','Direct',[4 3 2]});%生成多分辨率图像
- figure; subplot(121)
- imshow(CIR)%显示
- title('CIR Composite (Un-enhanced)')
- text(size(CIR,2), size(CIR,1) + 15,...
- 'Image courtesy of Space Imaging, LLC',...
- 'FontSize', 7, 'HorizontalAlignment', 'right')
- decorrCIR = decorrstretch(CIR, 'Tol', 0.01);%图像增强
- subplot(122) ; imshow(decorrCIR)%显示增强后的图像
- title('CIR Composite with Decorrelation Stretch')
在这个程序中，首先读取lan格式文件paris，这个文件包含了一幅7条光谱带的地球资源卫星图像。这个文件开头包含有128个字节的文件头，然后是图像的像素值。其中multibandread函数从文件中读取4、3、2色带，这三个色带包含光谱中可见光的两个分量红色、绿色和近红外光谱带。
函数multibandread的最后一个输入参数规定了需要读取的色带和读取的顺序。这个真彩色图像的对比度很差，如图17-14左图所示，其中红色区域反映的是近红外光谱带的信息，绿色区域反映的是可见光中红色光谱带的信息，蓝色显示的是可见光中绿色光谱带的信息，这幅图像是一幅伪彩色图像。
在这幅图像中，水是用很深的颜色显示的，而绿色植被看上去是红色的。这幅图像对比度很低，对颜色很敏感。
（点击查看大图）图17-14 原图像和增强后的图像 为了改善图像的对比度，首先需要对图像进行增强。由于地表物质中对色彩的敏感，因此使用去相关增强是一种合适的方法，可以使用MATLAB图像处理工具箱中decorrstretch函数对图像进行去相关增强。
增强后的图像如图17-14右图所示。从增强后的图像中，可以看出表面特征变得更明显，并且图像的色彩信息更加丰富，这是因为光谱之间的差异已经被放大，并且对比度增加了。
图像中的红色区域是由于富含叶绿素的植被对近红外光谱带有很强的反射特性，而近红外光谱带的信息对应于图像中的红色，因此绿色植被的区域在图像中显示为红色，例如图像左边的区域有一大块明显的红色，在这块区域中的一条河流旁的公园，含有很多绿色植物。