【图像检测】基于matlab GUI比值+归一化+相关系数遥感图像【含Matlab源码 737期】

本文主要是介绍【图像检测】基于matlab GUI比值+归一化+相关系数遥感图像【含Matlab源码 737期】,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

✅博主简介:热爱科研的Matlab仿真开发者,修心和技术同步精进,Matlab项目合作可私信。
🍎个人主页:海神之光
🏆代码获取方式:
海神之光Matlab王者学习之路—代码获取方式
⛳️座右铭:行百里者,半于九十。

更多Matlab仿真内容点击👇
Matlab图像处理(进阶版)
路径规划(Matlab)
神经网络预测与分类(Matlab)
优化求解(Matlab)
语音处理(Matlab)
信号处理(Matlab)
车间调度(Matlab)

⛄一、简介

遥感图像模型和特征
在这里插入图片描述
1 遥感图像模型
了解像素值的含义
遥感图像模型考虑的是遥感图像中像素值的 物理意义
对地观测的遥感分为三部分:大气遥感、水色遥感、陆地遥感
遥感图像中像素值的物理意义:电磁波能量分布的一种表达
在这里插入图片描述
1.1 陆地遥感的图像模型
在这里插入图片描述
在可见光遥感中,遥感图像中的能量和地物目标的反射率是成正比的
入射能量I是太阳辐射,这个基本上可以看成是常数
夜晚中,右侧为0,L=左项 ,左侧可以通过红外的方式来获取,获取的是目标发射的能量(温度)
在这里插入图片描述
在陆地遥感中,将水体当成一种资源、土地利用的类型,不考虑水体内部的差异,把水体当成一个整体来考虑。

1.1.2 水色遥感图像模型
水色遥感:考虑的是水体内部的物质组成的遥感的推断或者是遥感的繁衍
在这里插入图片描述
首先看到的是表面的波,水下不是很清楚
在这里插入图片描述
能量来自于太阳辐射
传感器接收的能量有三种:大气中颗粒物等散射过来的光,经过水体表面反射过来的光,穿过水体离开水体反射过来的光
在这里插入图片描述
传感器接收的能量=水面的离水辐亮度+水面反射+大气散射
离水辐亮度=f(离水辐射)=水底发射+水中散射
在这里插入图片描述
对地物的观测时垂直观测,水色的观测时有一定角度的,因为需要避开水面的耀斑。
光学活性物质:对光学本身(入射的电磁波)具有反映的物质。
(如 悬浮颗粒物、浮游植物等)

陆地遥感与水色遥感的差异
在这里插入图片描述
1.3 大气遥感图像模型
在这里插入图片描述
如果大气足够的厚,地面能量为0.用大气遥感来推测大气中的物质成分或者浓度。
在这里插入图片描述
在做遥感研究的时候,首先要明确我们的遥感观测对象是什么,确定我们的遥感图像模型,确定合适的校正、处理和信息提取方法。遥感图像模型是所有工作的核心。

2 图像统计
图像统计的结果我们称为统计特征
在这里插入图片描述
遥感图像本身是没有颜色的,所有的颜色都是合成的结果。
在这里插入图片描述
图像本身是由多波段所构成的。
2.1 基本的统计特征
基本统计量
在这里插入图片描述
变差=max-min

2.2 直方图
在这里插入图片描述
在这里插入图片描述
直方图的简单应用: 判断对比度
在这里插入图片描述
灰度级越大,越亮

2.3 多波段统计特征
在这里插入图片描述
协方差和相关系数
在这里插入图片描述
在这里插入图片描述

⛄二、部分源代码

function varargout = ImgChangeDetect(varargin)
% IMGCHANGEDETECT MATLAB code for ImgChangeDetect.fig
% IMGCHANGEDETECT, by itself, creates a new IMGCHANGEDETECT or raises the existing
% singleton*.
%
% H = IMGCHANGEDETECT returns the handle to a new IMGCHANGEDETECT or the handle to
% the existing singleton*.
%
% IMGCHANGEDETECT(‘CALLBACK’,hObject,eventData,handles,…) calls the local
% function named CALLBACK in IMGCHANGEDETECT.M with the given input arguments.
%
% IMGCHANGEDETECT(‘Property’,‘Value’,…) creates a new IMGCHANGEDETECT or raises the
% existing singleton*. Starting from the left, property value pairs are
% applied to the GUI before ImgChangeDetect_OpeningFcn gets called. An
% unrecognized property name or invalid value makes property application
% stop. All inputs are passed to ImgChangeDetect_OpeningFcn via varargin.
%
% *See GUI Options on GUIDE’s Tools menu. Choose “GUI allows only one
% instance to run (singleton)”.
%
% See also: GUIDE, GUIDATA, GUIHANDLES

% Edit the above text to modify the response to help ImgChangeDetect

% Last Modified by GUIDE v2.5 03-Dec-2014 19:30:18

% Begin initialization code - DO NOT EDIT
gui_Singleton = 1;
gui_State = struct(‘gui_Name’, mfilename, …
‘gui_Singleton’, gui_Singleton, …
‘gui_OpeningFcn’, @ImgChangeDetect_OpeningFcn, …
‘gui_OutputFcn’, @ImgChangeDetect_OutputFcn, …
‘gui_LayoutFcn’, [] , …
‘gui_Callback’, []);
if nargin && ischar(varargin{1})
gui_State.gui_Callback = str2func(varargin{1});
end

if nargout
[varargout{1:nargout}] = gui_mainfcn(gui_State, varargin{:});
else
gui_mainfcn(gui_State, varargin{:});
end
% End initialization code - DO NOT EDIT

% — Executes just before ImgChangeDetect is made visible.
function ImgChangeDetect_OpeningFcn(hObject, eventdata, handles, varargin)
% This function has no output args, see OutputFcn.
% hObject handle to figure
% eventdata reserved - to be defined in a future version of MATLAB
% handles structure with handles and user data (see GUIDATA)
% varargin command line arguments to ImgChangeDetect (see VARARGIN)

% Choose default command line output for ImgChangeDetect
handles.output = hObject;

% Update handles structure
guidata(hObject, handles);

% UIWAIT makes ImgChangeDetect wait for user response (see UIRESUME)
% uiwait(handles.figure_main);

% — Outputs from this function are returned to the command line.
function varargout = ImgChangeDetect_OutputFcn(hObject, eventdata, handles)
% varargout cell array for returning output args (see VARARGOUT);
% hObject handle to figure
% eventdata reserved - to be defined in a future version of MATLAB
% handles structure with handles and user data (see GUIDATA)

% Get default command line output from handles structure
varargout{1} = handles.output;

% — Executes on button press in pushbutton_open1.
function pushbutton_open1_Callback(hObject, eventdata, handles)
%图像文件的打开
[fname, pname] = uigetfile({ ‘.bmp’;'.tif’;‘*.jpg’}, ‘选择图片’);
if isequal(fname,0)||isequal(pname,0)
return;
else
srcFile = [pname fname];
img1 = imread(srcFile);
axes(handles.axes_src1);
imshow(img1);
title(‘变化前图像’);
% 保存图像1
handles.img_src1 = img1;
guidata(hObject,handles);
end

% — Executes on button press in pushbutton_open2.
function pushbutton_open2_Callback(hObject, eventdata, handles)
%图像文件的打开
[fname, pname] = uigetfile({ ‘.bmp’;'.tif’;‘*.jpg’}, ‘选择图片’);
if isequal(fname,0)||isequal(pname,0)
return;
else
srcFile = [pname fname];
img2 = imread(srcFile);
axes(handles.axes_src2);
imshow(img2);
title(‘变化后图像’);
% 保存图像2
handles.img_src2 = img2;
guidata(hObject,handles);
end

% — Executes on button press in pushbutton_save.
function pushbutton_save_Callback(hObject, eventdata, handles)
% 保存结果图像
[fname, pname] = uiputfile({‘.bmp’;'.tif’;‘*.jpg’ }, ‘保存图片为’);
if isequal(fname,0)||isequal(pname,0)
return;
else
fpath = fullfile(pname,fname);% 获取全路径
end
img_res = handles.img_res;
imwrite(img_res,fpath);

% — Executes on button press in pushbutton_exit.
function pushbutton_exit_Callback(hObject, eventdata, handles)
% 程序退出
close(handles.figure_main);

function edit_nChange_Callback(hObject, eventdata, handles)
% hObject handle to edit_nChange (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles structure with handles and user data (see GUIDATA)

% Hints: get(hObject,‘String’) returns contents of edit_nChange as text
% str2double(get(hObject,‘String’)) returns contents of edit_nChange as a double

% — Executes during object creation, after setting all properties.
function edit_nChange_CreateFcn(hObject, eventdata, handles)
% hObject handle to edit_nChange (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles empty - handles not created until after all CreateFcns called

% Hint: edit controls usually have a white background on Windows.
% See ISPC and COMPUTER.
if ispc && isequal(get(hObject,‘BackgroundColor’), get(0,‘defaultUicontrolBackgroundColor’))
set(hObject,‘BackgroundColor’,‘white’);
end

function edit_pChange_Callback(hObject, eventdata, handles)
% hObject handle to edit_pChange (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles structure with handles and user data (see GUIDATA)

% Hints: get(hObject,‘String’) returns contents of edit_pChange as text
% str2double(get(hObject,‘String’)) returns contents of edit_pChange as a double

% — Executes during object creation, after setting all properties.
function edit_pChange_CreateFcn(hObject, eventdata, handles)
% hObject handle to edit_pChange (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles empty - handles not created until after all CreateFcns called

% Hint: edit controls usually have a white background on Windows.
% See ISPC and COMPUTER.
if ispc && isequal(get(hObject,‘BackgroundColor’), get(0,‘defaultUicontrolBackgroundColor’))
set(hObject,‘BackgroundColor’,‘white’);
end

⛄三、运行结果

在这里插入图片描述
在这里插入图片描述

⛄四、matlab版本及参考文献

1 matlab版本
2014a

2 参考文献
[1]杨守义,姬留杰,穆晓敏,齐林.基于FRFT的数字水印算法分析[J].计算机应用与软件. 2009,26(01)

3 备注
简介此部分摘自互联网,仅供参考,若侵权,联系删除

🍅 仿真咨询
1 各类智能优化算法改进及应用

生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化

2 机器学习和深度学习方面
卷积神经网络(CNN)、LSTM、支持向量机(SVM)、最小二乘支持向量机(LSSVM)、极限学习机(ELM)、核极限学习机(KELM)、BP、RBF、宽度学习、DBN、RF、RBF、DELM、XGBOOST、TCN实现风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断

3 图像处理方面
图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知

4 路径规划方面
旅行商问题(TSP)、车辆路径问题(VRP、MVRP、CVRP、VRPTW等)、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、车辆协同无人机路径规划、天线线性阵列分布优化、车间布局优化

5 无人机应用方面
无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配

6 无线传感器定位及布局方面
传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化

7 信号处理方面
信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化

8 电力系统方面
微电网优化、无功优化、配电网重构、储能配置

9 元胞自动机方面
交通流 人群疏散 病毒扩散 晶体生长

10 雷达方面
卡尔曼滤波跟踪、航迹关联、航迹融合

这篇关于【图像检测】基于matlab GUI比值+归一化+相关系数遥感图像【含Matlab源码 737期】的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/893469

相关文章

Python如何实现PDF隐私信息检测

《Python如何实现PDF隐私信息检测》随着越来越多的个人信息以电子形式存储和传输,确保这些信息的安全至关重要,本文将介绍如何使用Python检测PDF文件中的隐私信息,需要的可以参考下... 目录项目背景技术栈代码解析功能说明运行结php果在当今,数据隐私保护变得尤为重要。随着越来越多的个人信息以电子形

Go中sync.Once源码的深度讲解

《Go中sync.Once源码的深度讲解》sync.Once是Go语言标准库中的一个同步原语,用于确保某个操作只执行一次,本文将从源码出发为大家详细介绍一下sync.Once的具体使用,x希望对大家有... 目录概念简单示例源码解读总结概念sync.Once是Go语言标准库中的一个同步原语,用于确保某个操

Python将大量遥感数据的值缩放指定倍数的方法(推荐)

《Python将大量遥感数据的值缩放指定倍数的方法(推荐)》本文介绍基于Python中的gdal模块,批量读取大量多波段遥感影像文件,分别对各波段数据加以数值处理,并将所得处理后数据保存为新的遥感影像... 本文介绍基于python中的gdal模块,批量读取大量多波段遥感影像文件,分别对各波段数据加以数值处

SpringBoot使用Apache Tika检测敏感信息

《SpringBoot使用ApacheTika检测敏感信息》ApacheTika是一个功能强大的内容分析工具,它能够从多种文件格式中提取文本、元数据以及其他结构化信息,下面我们来看看如何使用Ap... 目录Tika 主要特性1. 多格式支持2. 自动文件类型检测3. 文本和元数据提取4. 支持 OCR(光学

基于WinForm+Halcon实现图像缩放与交互功能

《基于WinForm+Halcon实现图像缩放与交互功能》本文主要讲述在WinForm中结合Halcon实现图像缩放、平移及实时显示灰度值等交互功能,包括初始化窗口的不同方式,以及通过特定事件添加相应... 目录前言初始化窗口添加图像缩放功能添加图像平移功能添加实时显示灰度值功能示例代码总结最后前言本文将

Java汇编源码如何查看环境搭建

《Java汇编源码如何查看环境搭建》:本文主要介绍如何在IntelliJIDEA开发环境中搭建字节码和汇编环境,以便更好地进行代码调优和JVM学习,首先,介绍了如何配置IntelliJIDEA以方... 目录一、简介二、在IDEA开发环境中搭建汇编环境2.1 在IDEA中搭建字节码查看环境2.1.1 搭建步

基于人工智能的图像分类系统

目录 引言项目背景环境准备 硬件要求软件安装与配置系统设计 系统架构关键技术代码示例 数据预处理模型训练模型预测应用场景结论 1. 引言 图像分类是计算机视觉中的一个重要任务,目标是自动识别图像中的对象类别。通过卷积神经网络(CNN)等深度学习技术,我们可以构建高效的图像分类系统,广泛应用于自动驾驶、医疗影像诊断、监控分析等领域。本文将介绍如何构建一个基于人工智能的图像分类系统,包括环境

综合安防管理平台LntonAIServer视频监控汇聚抖动检测算法优势

LntonAIServer视频质量诊断功能中的抖动检测是一个专门针对视频稳定性进行分析的功能。抖动通常是指视频帧之间的不必要运动,这种运动可能是由于摄像机的移动、传输中的错误或编解码问题导致的。抖动检测对于确保视频内容的平滑性和观看体验至关重要。 优势 1. 提高图像质量 - 清晰度提升:减少抖动,提高图像的清晰度和细节表现力,使得监控画面更加真实可信。 - 细节增强:在低光条件下,抖

JAVA智听未来一站式有声阅读平台听书系统小程序源码

智听未来,一站式有声阅读平台听书系统 🌟 开篇:遇见未来,从“智听”开始 在这个快节奏的时代,你是否渴望在忙碌的间隙,找到一片属于自己的宁静角落?是否梦想着能随时随地,沉浸在知识的海洋,或是故事的奇幻世界里?今天,就让我带你一起探索“智听未来”——这一站式有声阅读平台听书系统,它正悄悄改变着我们的阅读方式,让未来触手可及! 📚 第一站:海量资源,应有尽有 走进“智听

烟火目标检测数据集 7800张 烟火检测 带标注 voc yolo

一个包含7800张带标注图像的数据集,专门用于烟火目标检测,是一个非常有价值的资源,尤其对于那些致力于公共安全、事件管理和烟花表演监控等领域的人士而言。下面是对此数据集的一个详细介绍: 数据集名称:烟火目标检测数据集 数据集规模: 图片数量:7800张类别:主要包含烟火类目标,可能还包括其他相关类别,如烟火发射装置、背景等。格式:图像文件通常为JPEG或PNG格式;标注文件可能为X