灰度圖和矩陣之間有什么區(qū)別？灰度圖通過matlab加載后，就轉(zhuǎn)變?yōu)槎S矩陣了，二維矩陣也可以存儲為灰度圖。如何采用matlab將圖像灰度化？不過在此之前，可以打開Matlab軟件，點擊如圖圖標(biāo)，再打開

灰度圖和矩陣之間有什么區(qū)別？

灰度圖通過matlab加載后，就轉(zhuǎn)變?yōu)槎S矩陣了，二維矩陣也可以存儲為灰度圖。

如何采用matlab將圖像灰度化？

不過在此之前，可以打開Matlab軟件，點擊如圖圖標(biāo)，再打開圖片所在的位置所存地。（或則再打開文件所在地鼠標(biāo)右鍵點擊圖片，不能復(fù)制到MATLAB中）

雷達(dá)影像和光學(xué)影像融合步驟？

如下步驟：

1)四個獲取某一地區(qū)的光學(xué)遙感數(shù)據(jù)和雷達(dá)遙感數(shù)據(jù)，并接受預(yù)處理，將光學(xué)遙感數(shù)據(jù)和雷達(dá)遙感數(shù)據(jù)參照研究區(qū)進(jìn)行圖像衣服裁剪和配準(zhǔn)；

2)使用灰度共生共存矩陣其他提取雷達(dá)遙感數(shù)據(jù)的紋理信息；

3)可以使用主成分分析法對雷達(dá)測繪遙感數(shù)據(jù)和光學(xué)遙感數(shù)據(jù)進(jìn)行融合；

4)在融合為一數(shù)據(jù)的圖像上聲望兌換比較感興趣區(qū)，創(chuàng)建戰(zhàn)隊實現(xiàn)比較感興趣區(qū)的訓(xùn)練樣本；

5)利用能夠得到的融合數(shù)據(jù)和雷達(dá)遙感數(shù)據(jù)的紋理信息，增強訓(xùn)練樣本的光譜特征和后向散射特征可以使用支持向量機法參與分類。優(yōu)選地，在所述步驟1)中，光學(xué)遙感數(shù)據(jù)的預(yù)處理過程以及：對光學(xué)遙感數(shù)據(jù)并且輻射定標(biāo)、大氣與幾何正鏡、重采樣、衣服裁剪；是為防止波段丟失并且分辨率為10m的重樣本采集，選擇最近鄰法為升樣本采集；雷達(dá)遙感數(shù)據(jù)的預(yù)處理過程包括：輻射定標(biāo)、幾何水平校正、影像配準(zhǔn)這些噪聲濾波。

優(yōu)選地，在所述步驟2)中，憑借灰度共同演化矩陣，常規(guī)5×5的窗口提純10種紋理信息，除了：均值、方差、協(xié)、對比度、相異性、信息熵、角二階矩、相關(guān)性、能量和大概率。

優(yōu)選地，在所述步驟3)中，還包涵建議使用j-m距離對訓(xùn)練樣本參與可分離性講：j-m距離算出為：j＝2(1-e-b)式中，b是指在該特征為上的巴氏距離，兩種不同類別間樣本對象的巴氏距離計算出為：式中，mi來表示特征的均值，意思是該類特征的方差，其中，i＝1,2；j-m距離的取值范圍是[0,2]，越靠近2則可分離性越高，當(dāng)訓(xùn)練樣本的j-m距離大于1.8時以為該訓(xùn)練樣本為鑒定合格樣本。

優(yōu)選地，在所述步驟4)中，建議選用支持向量機法并且分類：支持向量機法的決策函數(shù)為：其中，統(tǒng)合最優(yōu)分類超平面為：fi(x)表示分類結(jié)果，i＝1,2,…,m，m來表示土地覆蓋類別的總數(shù)。優(yōu)選地，本先發(fā)明的方法還除了：區(qū)分混為一談矩陣對兩種分類方法接受分類精度評價；在確定測定樣本后，建立起被混淆矩陣，對支持向量機的分類精度進(jìn)行檢驗，換取三千多種土地覆蓋的總體類型精度和kappa系數(shù)，對總體分類精度和kappa系數(shù)進(jìn)行比較好和總結(jié)。所述技術(shù)特征這個可以各種最合適的波段組合或等效的技術(shù)特征來能用，如果也能提升到本發(fā)明的目的。