一种遥感图像的云雾信息探测方法与流程

本发明涉及遥感探测技术和计算机图像处理计算，尤其涉及一种利用图像处理获取遥感图像云雾信息的探测方法。
背景技术：
：在当今社会中雾霾和PM2.5污染是中国绝大部分城市区域的重点治理问题。然而各个城市采用了种种减排措施，包括汽车单双号限行，减少碳排放等，然而整体的大气质量并没有随之改变。而究其原因就是在大气污染治理过程中的监测和执法力度不够。通常对于雾霾等大气污染的检测，往往采用地面监测点的连续观测来进行监测。然而大气成分特性等存在丰富的动态特性，光光靠几个监测点的数据，很难掌握大范围的空气污染的详细情况和空间分布特性。同时大气流动也会导致，连续观测的数据受周边环境污染的可能，从而使得监测难以确定空气污染源的准确位置。因此如何有效地掌握大气污染源的位置和强度，并对不同城市的雾霾成因进行分析，是当前社会环境监测的重要需求。技术实现要素：本发明要解决的技术问题是提供一种技术手段，针对一定天气条件的高分辨率卫星图像，获取其相应的高分辨率的大气云雾强度和空间分布信息。为解决上述技术问题，本发明采用的技术方案为：一种遥感图像的云雾信息探测技术，其实施步骤如下：(1)输入一张遥感图像，利用低通滤波器和导向滤波器获取粗糙云雾估计图。(2)利用暗原色先验获取图像场景的粗糙透过率图和场景的大气天光值，基于该粗糙透过率结合步骤(1)中估计的粗糙云雾估计图，利用导向滤波器获取精细透过率图。(3)基于步骤(1)中滤波处理后的输入图和步骤(2)中得到的精细透过率值和天光值，根据大气多次散射图像模型可以计算出恢复图像的同时，也能够提起出模型中的大气分量将该分量同步骤(1)中获取的粗糙云雾估计信息叠加，就是从遥感图像提取出来的云雾空间强度分布信息。(4)依据遥感图像场景中地面观测点得到的观测数据和步骤(3)中获取的云雾空间强度分布图中对应点的数值，利用对数函数进行数据拟合，从而获取实际场景所需探测物理量和云雾空间强度分布信息之间的映射关系，实现云雾大气信息的定量化测量。进一步地，所述步骤(1)中的详细步骤包括：a)输入一张遥感图像，对其进行傅里叶变换，获取其频谱图，同时构建以下低通滤波器对图像进行滤波处理：式中H(u,v)是滤波器函数，u，v是频率坐标，σ0是截止频率。滤波输出的非均匀云雾背景如下：其中Bcloud是输入图像的低频信息，I是输入图像，和分别是傅里叶变换和傅里叶反变换两个运算符。b)对初步估计的云雾分布信息图像进行对比度扩展，其相应的调整公式如下：其中是调整公式的阈值，max(Bcloud)和min(Bcloud)分别是初步估计的非均匀云层背景图像的最大值和最小值，而k1，k2和λ是调整公式的参量。并对其进行零频补偿，获取最终的初步的估计大气云雾分布信息，其补偿公式如下：B′cloud＝Bcloud-offset(4)其中offset是零频补偿的补偿常量，然后利用输入图像作为引导图，利用导向滤波器对获得的大气云雾分布图进行处理，获取一个保边平滑的初步云雾空间分布估计图。c)从输入图像中去除初步估计的大气云雾分布信息：I'(x,y)＝I(x,y)-B′cloud(x,y)(5)利用得到的图像在接下来的处理中进一步优化大气云雾分布信息提取结果。进一步地，所述步骤(2)中的详细步骤包括：a)依据暗原色先验知识提取步骤1中最后得到的图像的暗通道：其中Idark为获取的图像暗通道，Ic表示图像的各颜色通道分量，Ω(x)表示以x像素位置为中心的局部邻域。b)从上述的图像暗通道中提取部分前0.1％最亮区域像素，计算该区域各通道的像素均值作为天光值A。c)根据暗原色通道的性质对于无雾区域其值接近于0。因此图像初始透过率计算如下：其中t'为计算得到的初始透过率，ω是常数系数，Ac为天光值的通道分量。d)利用步骤(1)中计算的初步云雾空间分布估计图作为引导图，利用导向滤波器对得到的初始透过率，进行精细化优化获取精细高分辨的场景透过率图。进一步地，所述步骤(3)中根据大气多次散射模型，其形式如下：其中I为输入图像减去初步云雾分布估计后的图像，A和t为步骤2中获得的天光值和透过率图像。APSFo和APSFa分别是大气点扩散函数和天光点扩散函数，利用广义的高斯分布来进行求解，其形式如下：其中x,y为图像坐标位置，Γ(.)是伽马函数，p和σ为和大气参量，分别计算如下：p＝kT(10)式中T为大气光学厚度，依据透过率和大气光学厚度关系t＝e-T解算而出，k是参数常量，q为前向散射因子，是一个同天气条件相关的常量。对于大气点扩散函数来说其光学厚度值为-log(t)，对于天光点扩散函数来说其光学厚度值为-log(1-t)。所以我们可以计算出模型中的大气分量：最终结合步骤1中获取的初步大气分布信息，我们可以获取最终的大气云雾分布信息图：B″′cloud＝B′cloud+B″cloud(13)进一步地，所述步骤(4)中根据输入遥感图像，根据其场景成像范围，获取相应地面观测点在遥感图像成像期间实际大气测量数据(如PM2.5浓度，空气质量指数等)作为样本数据Y，然后取步骤(3)中的获取的云雾空间强度分布图中的相应点作为样本数据X，利用下面形式的指数函数，对上述获取的数据进行拟合：y＝-Alog(B(1-x))+C(14)其中y是大气测量数据值，x是获取的云雾信息探测图数据值，A,B,C是需要拟合得到的参数。获取拟合参数后，对步骤(3)中获取的图像进行逐点映射，最终获取定量化的大气测量数据分布图。本发明的有益效果是：本发明提出了一种遥感图像的云雾信息探测方法，实现了通过输入一定大气条件下的遥感图像，来获取相应场景的云雾分布信息。在本发明中，只需要简单的输入遥感图像，无需引入其他测量参数，通过数字图像处理的算法，在使遥感图像变清晰的同时，获取到大气的云雾分布信息。附图说明图1为本发明实施例的流程示意图。图2为本发明实施例的原始图像。图3为本发明实施例获取的去除初步云雾分布的遥感图像。图4为本发明实施例提取得到的优化后的图像透射率。图5为本发明实施例得到的大气云雾空间强度分布结果。图6为本发明实施例地面观测站假定位置图。图7为本发明实施例中与地面数据点的拟合曲线。具体实施方式下面结合附图和具体实施例对本发明作进一步详细说明。如图1所示，本实施例非均匀云雾条件下的遥感图像去雾方法的实施步骤如下：(1)输入一副遥感图像(见图2)，选定截止频率参数为σ0＝1.7，构建低通滤波器对输入图像进行低通滤波操作。设定调整公式的参量k1＝5，k2＝5(针对8位图)和λ＝2，对低通滤波器的输出图像进行调整：对调整函数输出的图像进行零频补偿，获取最终的初步的估计大气云雾分布信息，其补偿公式如下：B′cloud＝Bcloud-offset其中offset是零频补偿的补偿常量，其值为输入图像各通道均值，然后利用输入图像作为引导图，利用导向滤波器对获得的大气云雾分布图进行处理，获取一个保边平滑的初步云雾空间分布估计图。同时获取去除了粗步云雾分布去除的遥感图像I'(x,y),其结果图如图3所示。(2)对步骤1中的得到的遥感图像I'(x,y)，依据暗原色先验知识提取图像的暗通道：其中Idark为获取的图像暗通道，Ic表示图像的红绿蓝通道分量，Ω(x)表示以x像素位置为中心的局部邻域。从上述的图像暗通道中提取部分前0.1％最亮区域像素，计算该区域各通道的像素均值作为天光值A，本实施例中为AR＝255,AG＝254,AB＝250。根据暗原色通道的性质对于无雾区域其值接近于0。因此图像初始透过率计算如下：其中t'为计算得到的初始透过率，ω是常数系数，Ac为天光值的通道分量。利用步骤(1)中计算的初步云雾空间分布估计图作为引导图，利用导向滤波器对得到的初始透过率，进行精细化优化获取精细高分辨的场景透过率图，见图4。(3)然后利用大气多次散射模型，其形式如下：其中I’为输入图像减去初步云雾分布估计后的图像，A和t为步骤2中获得的天光值和透过率图像。APSFo和APSFa分别是大气点扩散函数和天光点扩散函数，利用广义的高斯分布来进行求解，其形式如下：其中x,y为图像坐标位置，Γ(.)是伽马函数，p和σ为和大气参量，分别计算如下：p＝kT(17)式中T为大气光学厚度，依据透过率和大气光学厚度关系t＝e-T解算而出，k取0.5，q为前向散射因子，其值如下表所示，本实施例中取为0.7。0.0-0.20.2-0.70.7-0.80.8-0.850.85-0.90.9-1.0AirAerosolsHazeMistFogRain对于天光点扩散函数来说其光学厚度值为-log(1-t)。所以我们可以计算出模型中的大气分量：最终结合步骤1中获取的初步大气分布信息，我们可以获取最终的大气云雾分布信息图，如图5所示：B″′cloud＝B′cloud+B″cloud(19)(4)如图6所示，假设在输入的遥感图区域内存在A,B,C三处地面大气参量观测点，其在卫星成像期间探测到的空气质量指数(AQI)数值分别为170,142,155。其在步骤3中得到的大气云雾分布信息图中相应点位置的数据分别为0.4826,0.3518,0.4132。利用下面形式的对数函数，对上述数据进行拟合：y＝-Alog(B(1-x))+C(20)拟合得到的参数分别为A＝124.0137,B＝15.1922,C＝425.8834。其拟合的结果如图7所示。基于该拟合出来的对数函数我们可以计算遥感图像场景范围内任意位置的空气质量指数，如D处的空气质量指数为142(计算结果取整)，E处的结果为152。相较于传统的方法，本方法不需要卫星探测其他数据，仅仅通过数字图像处理技术实现图像的云雾层提取，从而实现在使遥感图像变清晰同时，得到高分辨率的云雾空间分布和强度图。同时如果配备有地面观测点数据就可以进一步将其从定性观测转变为定量观测。当前第1页1 2 3