matlab 光学遥感

### 使用MATLAB进行光学遥感处理和分析

#### 遥感图像频谱分析与识别系统的实现
在MATLAB环境中，可以构建用于遥感图像频谱分析和识别的系统。这类系统特别适用于复杂场景下的高分辨率遥感影像处理，因其丰富的细节特征而增加了分割和识别的技术挑战[^1]。

% 加载遥感图像并显示
img = imread('path_to_image');
imshow(img);
title('原始遥感图像');

% 转换到灰度图以便后续处理
grayImg = rgb2gray(img);

% 应用傅里叶变换获得频率域表示
F = fftshift(fft2(double(grayImg)));
magnitude_spectrum = log(abs(F)+1); % 对数尺度展示幅度谱
figure;
imagesc(magnitude_spectrum);
colormap gray;
colorbar;
title('频谱分布');

#### 基于差分图像的变化检测算法
对于时间序列中的两幅或多幅相同地理位置上的遥感图片，可以通过计算它们之间的差异来探测地物表面发生的改变。这种方法简单有效，在环境监测等领域有着广泛应用价值[^2]。

% 读取两个不同时间段拍摄的同一区域遥感图像
before_img = double(imread('image_before.png'));
after_img = double(imread('image_after.png'));

% 计算差分图像
diff_img = abs(after_img - before_img);

% 显示结果
subplot(1,3,1), imshow(uint8(before_img)), title('前期图像');
subplot(1,3,2), imshow(uint8(after_img)), title('后期图像');
subplot(1,3,3), imagesc(diff_img), colorbar, title('变化检测结果');

#### 农业领域内的应用实例——作物健康状况评估
借助无人机搭载传感器收集的数据，结合特定波段反射率特性，可定量评价农作物生长状态，辅助精准农业决策制定过程。此部分适合具备基础MATLAB技能的学习者深入探索[^3]。

% 导入多光谱/超光谱数据集
datacube = multibandread('hyperspectral_data.raw',...);

% 提取感兴趣区（ROI）
roi_mask = roipoly(datacube(:,:,band_index));

% 分析选定区域内各波段平均反射强度
mean_reflectance = mean(mean(datacube .* uint8(roi_mask)));

disp(['该区域内植物冠层平均反射率为:' num2str(mean_reflectance)]);