(二)Landsat_5 TM 遥感影像波段合成真假彩色影像

这篇具有很好参考价值的文章主要介绍了(二)Landsat_5 TM 遥感影像波段合成真假彩色影像。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

(二)Landsat_5 TM 遥感影像波段合成真假彩色影像

前言

回顾以下Landsat系列卫星的发展史,可以发现Landsat_5卫星已经退役,作为世界上寿命最长的地球观测卫星,其在影像方面对人类的发展具有很深刻的意义。Landsat_5 TM共有7个波段,通过不同的波段组合,形成不同遥感图像,也就是常见的红绿蓝三通道影像立方体。地物对每一个波段的电磁波吸收率都有差异,因此可以利用波段组合来识别一些真彩色影像人眼难以识别的地物和特征。以下便是利用matlab可视化波段组合的方法。
(二)Landsat_5 TM 遥感影像波段合成真假彩色影像

一、真彩色合成

注:主要合成方式有以下几种
1)红绿蓝三个波段分别依次赋值给红绿蓝三个通道(由于数据是进行裁剪之后得到的,其中含有异常值,故在合成时蓝色通道为蓝波段的一半,具体权重视实际情况为准,可适当调整);
2)红波段赋值给红色通道,绿色通道为红绿蓝三个波段的均值,蓝色通道为绿色波段;
3)红波段赋值给红色通道,绿色通道为红波段的二倍加上蓝波段再除以三,蓝色通道为绿色波段。

R_band=adapthisteq(image{3}); %自适应直方图均衡化
G_band=adapthisteq(image{2});
B_band=adapthisteq(image{1}.*0.5);
hend=cat(3,R_band,G_band,B_band);
figure;
imshow(hend.*3);
title('真彩色影像 band-3+2+(1*0.5)');
hend2=cat(3,R_band,(R_band+G_band+B_band)./3,G_band);
imshow(hend2.*3);
title('真彩色影像 band-3+((3+2+1)/3)+2');
hend3=cat(3,R_band,(R_band.*2+B_band)./3,G_band);
imshow(hend3.*3);
title('真彩色影像 band-3+((3×2+1)/3)+2');

(二)Landsat_5 TM 遥感影像波段合成真假彩色影像
(二)Landsat_5 TM 遥感影像波段合成真假彩色影像
(二)Landsat_5 TM 遥感影像波段合成真假彩色影像

二、假彩色合成

由于该区域是裁剪的一部分的影像,其分辨率不是很清晰,所以下面的图看起来有点模糊,且是经过直方图均衡化处理。

%波段合成
RGB_martix=[
    4,3,2;
    7,4,3;
    7,5,4;
    5,4,1;
    4,5,3;
    3,4,5];
RGB_name={'假彩色影像 band-4+3+2(植被)','假彩色影像 band-7+4+3(水体)',['假彩色影像 ' ...
    'band-7+5+4(地质)'],'假彩色影像 band-5+4+1(植物)','假彩色影像 band-4+5+3(界限)','假彩色影像 band-3+4+5(水体)'};
RGB_dataset={};
for i=1:length(RGB_martix)
    RGB_dataset{i}=cat(3,image{RGB_martix(i,1)},image{RGB_martix(i,2)},image{RGB_martix(i,3)});
end
for j=1:length(RGB_dataset)
    band=double(RGB_dataset{j});
    minValue =min(band(:));
    maxValue=max(band(:));
    normal=band-minVal;
    normal=normal./(maxValue-minValue);
    band=normal;
    [rows, cols, bands] = size(band);
    red = band(:,:,1);
    green = band(:,:,2);
    blue = band(:,:,3);
    rgb = zeros(size(band, 1), size(band, 2), 3);
    rgb(:,:,1) = adapthisteq(red);      
    rgb(:,:,2) = adapthisteq(green);
    rgb(:,:,3) = adapthisteq(blue); 
    figure;
    imshow(rgb);
    title(RGB_name{j});
end

该合成的假彩色图像中,植被主要呈现出红色,非植被的地物则为其他颜色,主要用于植被的区分和识别。

(二)Landsat_5 TM 遥感影像波段合成真假彩色影像
该合成图像中,其水体呈现出蓝色或者浅蓝色,其他地物被赋予其他颜色,主要用于水体的区分和识别。

(二)Landsat_5 TM 遥感影像波段合成真假彩色影像
该合成图像中,裸地以及无植被覆盖区域显示明显,呈现出浅蓝色,可用于地质探查以及地表岩石矿物识别。

(二)Landsat_5 TM 遥感影像波段合成真假彩色影像
该合成图像中,植被被赋予绿色,裸地区分明显,可以用于农业或者林业的植物识别,裸地区分明显。
(二)Landsat_5 TM 遥感影像波段合成真假彩色影像
该合成影像能区分土壤含水量(水分越多则越暗)。用于土壤湿度和植被状况分析,也可以用于内陆水体和陆地和水体边界的确定。
(二)Landsat_5 TM 遥感影像波段合成真假彩色影像
该合成图像中,可以用于水体的识别。

(二)Landsat_5 TM 遥感影像波段合成真假彩色影像文章来源地址https://www.toymoban.com/news/detail-504174.html

到了这里,关于(二)Landsat_5 TM 遥感影像波段合成真假彩色影像的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • Landsat 7的热红外波段有2个该如何选择?

      本文介绍 Landsat 7 遥感影像数据中 B61 、 B62 两个 热红外波段 的区别,以及研究应用时二者选择的依据。    Landsat 7 遥感影像数据具有 2 个热红外波段,分别是 Band 61 与 Band 62 这两个波段;有些地方也将这两个波段写作 Band 6L 与 Band 6H 、 Band 6a 与 Band 6b 等等。因此,这

    2024年03月10日
    浏览(58)
  • Python遥感图像处理应用篇(二十四):Python绘制遥感图像各波段热力图(相关系数矩阵)

    给多光谱遥感图像各个波段绘制热力图,首先需要计算波段之间的相关系数矩阵,而计算遥感图像波段相关系数矩阵有不同的方法,常用的我们可以采用遥感图像处理软件计算,比如ENVI软件就可以计算相关系数矩阵,使用工具箱中的Statistics工具即可进行多种统计运算。 我们

    2023年04月09日
    浏览(44)
  • Python遥感图像处理应用篇(二十七):Python绘制遥感图像各波段热力图(相关系数矩阵)(续)

    续-https://soderayer.blog.csdn.net/article/details/125757807 上一篇中使用csv文件计算的相关系数热力图,本篇我们直接使用遥感图像来计算图像波段之间的相关系数。 实际上,目前已有的软件,如ENVI就可以直接计算图像波段之间的相关系数,该工具计算的是合成波段之间的相关系数。如

    2023年04月17日
    浏览(45)
  • 利用GEE计算遥感生态指数(WBEI)——Landsat 8为例

    基于GEE平台,实现顾及水效益的生态环境质量评价方法。 《Water Benefit-based Ecological Index for Urban Ecological Environment Quality Assessments》 论文链接:https://ieeexplore.ieee.org/document/9492814 运行结果: 代码如下(示例): 代码如下(示例): 代码如下(示例): 代码如下(示例): 代

    2024年02月12日
    浏览(34)
  • Arcgis处理:单波段提取详细步骤(以农田无人机影像为例)

    1.窗口-影像分析 2.选择要提取单波段的影像-添加函数 3.选择影像-插入函数-波段提取函数 4.方法:根据波段顺序提取-选择波段 5.提取单波段-组合:与波段对应(需要知道每一个ID具体对应的波段) 6.确定 . 7.选中提取的出来的单波段影像-保存

    2024年01月25日
    浏览(45)
  • 【M波段2D双树(希尔伯特)小波多分量图像去噪】基于定向M波段双树(希尔伯特)小波对多分量/彩色图像进行降噪研究(Matlab代码实现)

     💥💥💞💞 欢迎来到本博客 ❤️❤️💥💥 🏆博主优势: 🌞🌞🌞 博客内容尽量做到思维缜密,逻辑清晰,为了方便读者。 ⛳️ 座右铭: 行百里者,半于九十。 📋📋📋 本文目录如下: 🎁🎁🎁 目录 💥1 概述 📚2 运行结果 🎉3 参考文献 🌈4 Matlab代码实现 本文实

    2024年02月13日
    浏览(40)
  • python:使用Scikit-image库对单波段遥感图像做特征提取

    作者:CSDN @ _养乐多_ 本文将介绍使用Scikit-image库对单波段遥感图像做特征提取的代码。方法包括:颜色直方图特征提取(histogram),纹理特征提取(texture) ,形状特征提取(morphology) ,边缘检测特征提取(edges) ,角点检测特征提取(corner) ,尺度空间特征提取(scale-

    2024年02月10日
    浏览(49)
  • Google Earth Engine ——Landsat 7 影像集合数据集详细介绍

    Landsat 7 collection. Surface Reflectance¶ USGS Landsat 7 Surface Reflectance Tier 1 USGS Landsat 7 Surface Reflectance Tier 2 Top of Atmosphere (TOA)¶ USGS Landsat 7 Collection 1 Tier 1 TOA Reflectance USGS Landsat 7 Collection 1 Tier 1 and Real-Time data TOA Reflectance USGS Landsat 7 Collection 1 Tier 2 TOA Reflectance Raw Images¶ USGS Landsat 7 Colle

    2023年04月27日
    浏览(37)
  • GEE python:Landsat 5影像的缨帽变换(K-T)分析含矩阵乘法和影像向矩阵的转化

    Landsat影像的缨帽变换又称为高通滤波,是一种基于像元邻域的光谱反射率的统计处理方法。它可以用来从遥感影像中去除大气、地形和植被等因素的影响,从而提取出更纯净的地表信息。 缨帽变换的基本思想是将原始影像与相应的滤波模板进行卷积,达到减少照射面角度和

    2024年01月19日
    浏览(47)
  • AI Earth ——开发者模式案例2:Landsat系列影像数据去云

    AIE平台中提供的  Landsat  影像均为  USGS Collection 2  中的数据,该集合使用  QA_PIXEL  波段对云、雪进行描述。因此,可通过位运算和逻辑运算,生成云掩膜,利用  updateMask  函数去除可能是云或者云阴影的区域。此算法适用于  Landsat-5 / 7 / 8 / 9  。 初始化环境¶ 定义去云算

    2023年04月20日
    浏览(47)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包