夜景影像去噪与增强处理方法与流程

文档序号:11217300阅读:2156来源:国知局
夜景影像去噪与增强处理方法与流程

本发明涉及遥感图像处理领域,具体涉及卫星遥感数据中夜景影像噪声去除与图像增强的处理方法。



背景技术:

夜景影像是遥感卫星在夜间获取的地表数据,利用传感器低光扫描功能,能够有效地探测到城市灯光,甚至小规模的居民地、车流等发出的低强度灯光,在黑暗的背景下捕捉人类生活的足迹。夜景影像被应用于城市格局变化监测、道路监测,以及灾情评估等领域。然而,夜景影像在获取时,传感器采用较高的增益与较长的曝光时间,这将不可避免地在图像中引入噪声,其中的图像噪声主要包括两类:一是高亮的噪点,在夜景影像中出现的颗粒状的高亮的孤立噪点,二是色度噪点,图像中暗处较为明显的原色斑点。因此需要针对图像中孤立的高亮噪点和暗处背景噪声,进行去噪处理,另外,夜景影像整体较暗,不利于目视判读,需要对图像进行增强。

为了有效去除夜景影像中的噪声,并对图像进行对比度增强,许多发明与论文提出了不同的方法。吴静等在2014年《石家庄学报》发表“retinex在夜景影像增强处理中的色彩补偿应用”提出采用retinex算法将图像从rgb空间转换到hsi色彩域,构建ssrhsi算法,在色彩补偿方面获得了新的效果。刘炯等人在2008年发明了“一种抑制夜景图像噪声的方法”,通过将影像复制两份,对其分别进行去噪与调暗处理,并将其融合获得增强的图像。戴向东在2016年发明“一种夜景影像的处理方法与移动终端”,利用获得的多帧影像,对配准后的图像进行融合去噪,提升了图像的清晰度与对比度,但是,这种方法需要对影像进行匹配与融合,更加耗时。这些方法均能在一定程度上改善图像效果,然而,遥感数据获取的夜景影像,需要更加高效简洁的处理方法。



技术实现要素:

本发明为解决现有夜景影像去噪方法存在不利于目视判读,在对图像进行增强处理过程中,存在增强效果差且耗时长等问题,提供一种夜景影像去噪与增强处理方法。

夜景影像去噪与增强处理方法,该方法包括如下步骤:

步骤一、对接收的原始图像进行去噪处理,获得去除噪声后的图像;

步骤二、将步骤一去除噪声后的图像进行贝尔插值,获得rgb三波段的彩色图像;

步骤三、图像增强处理,获得增强的夜景影像;

将步骤二获得的rgb三波段的彩色图像由rgb转换到yuv色彩域,获得各个像元的亮度y,y=0.299r+0.587g+0.114b;

根据图像亮度y,计算图像灰度拉伸系数,利用拉伸前后图像亮度的比率系数,调整r,g,b三个通道,获得增强的图像。

本发明的有益效果:本发明采用夜景影像去噪与增强处理方法,去噪方法利用中值滤波去除高亮噪点,利用二值化去除背景暗噪声,两种方法结合生成的二值化图像能够有效将前景与背景分离,既去除了噪声,又保留了图像的高频细节,算法简单易行,容易在工程处理中直接应用;图像增强处理,将图像由rgb转换到yuv色彩域进行处理,既拉伸了图像,又保留了原始的色彩比例,使图像不失真。

附图说明

图1为本发明所述的夜景影像去噪与增强处理方法的流程图;

图2为采用本发明所述的夜景影像去噪与增强处理方法进行夜景影像噪声处理的前后效果局部对比图,其中图2a为噪声处理前的图像,图2b为噪声处理后的图像。

图3为采用本发明所述的夜景影像去噪与增强处理方法进行夜景影像增强处理的前后效果局部对比图,其中图3a为bayer插值的图像,图3b为增强处理后的图像。

具体实施方式

具体实施方式一、结合图1至图3说明本实施方式,夜景影像去噪与增强处理方法,本实施方式基于现有的图像噪声处理算法,考虑将中值滤波与二值化相结合,对原始图像进行前景与背景的分割,去除背景噪声,并保留前景图像的高频信息。并在保证图像色彩的前提下,将图像的灰度进行拉伸,获得对比度增强的影像。

本实施方式将传感器获得的原始图像中原始彩色阵列数据分离出r、g、b三个谱段,分别进行中值滤波,去除背景中的高亮噪点,其后将中值滤波后的图像进行二值化处理,并将该图像与原始图像逐像元相乘,区分出图像的前景与背景,然后将图像进行bayer插值,并对获取的彩色图像进行增强处理,从而获得最终理想的夜景影像。

本实施方式以长广卫星技术有限公司发射的卫星——视频03星为例,说明夜景影像的去噪与增强处理方法。

本实施方式中,视频03星采用主矩为3200mm视频相机,星下点的分辨率为0.92m,采集的单帧夜景影像大小为12000×5000像素。视频03星于2017年1月14日,14点19分拍摄巴黎夜景,拍摄点经纬度为经度-125.113°,纬度为40.850°,拍摄侧摆角为9.60°。针对该影像具体说明本实施方式,夜景影像去噪与增强处理方法,该方法包括如下步骤:

步骤一、去噪处理;

首先,将原始图像分离出r、g、b三个波段的信息,r、g、b的大小分别为3000×1250像素、6000×2500像素和3000×1250像素,对各个波段采用公式(1)进行中值滤波,获得去除高亮噪点的滤波后图像imed(r,g,b);

imed(r,g,b)=medfilt(iori)(1)

其中,iori为原始图像,imed为中值滤波的图像。由于图像中的高亮噪点是孤立的噪点,因此中值滤波的算法能够将图像中的高亮噪点很好地滤除。

其后,将滤除孤立噪点中值滤波图像imed(r,g,b)按照公式(2)进行二值化处理,根据获取的图像,设置二值化阈值thre为6,从而获得二值化图像ibw。

ibw(r,g,b)=im2bw(imed(r,g,b),thre)(2)

其中,ibw为二值化图像,thre为二值化处理的阈值。通过二值化处理,能够分离出图像背景噪声与的前景信息。

通过二值化处理,能够有效地分离出图像背景噪声与的前景信息。将二值化图像与原始图像根据公式(3)进行逐点相乘,获得去噪后的图像idenoise。即

idenoise(i,j)=ibw(i,j)×iori(i,j)(3)

其中,idenoise为去噪后的图像,idenoise(i,j)为图像第i行第j列的灰度值。此时获得的去噪图像不仅去除图像的暗处的背景噪声与孤立的高亮噪点,同时保留了图像较亮处的高频信息。

步骤二、获得彩色图像,将去除噪声后的图像进行贝尔插值,即将rgb波段分别根据各个像元同波段的邻居进行灰度插值,获得rgb三波段的彩色图像ibayer(r,g,b)。

步骤三、图像增强处理

为保持图像的颜色,将图像按照公式(4)由rgb转换到yuv色彩域,用下式表示为:

进而获得图像的亮度y,y=0.299r+0.587g+0.114b,也就是灰阶值。u和v表示色度,描述图像色彩及饱和度。

根据图像的亮度y,计算灰度拉伸系数。首先按比例设置最大亮度ymax最小亮度ymin,根据夜景影像的灰度直方图,将比例设为0.6%,分别计算比例为0.6%的最小亮度ymin,和比例为99.4%的最大亮度ymax,在该帧巴黎夜景影像中ymin=0.0,ymin=0.217。避免背景被增强,并使图像较亮处保持不变,将亮度值在最大与最小值之间的亮度进行拉伸,采用公式(5)的拉伸策略,计算拉伸系数kad为

其中,kad为计算的拉伸系数。

利用拉伸前后亮度的比率系数,根据公式(6)同比例调整r、g、b三个通道,从而获得增强的图像ienh。

ienh(r,g,b)=kad×ibayer(r,g,b)(6)

其中,ienh为增强的图像。通过对比度拉伸,能够获得增强后,目视效果较好的夜景影像。

本实施方式通过采用中值滤波与二值化结合的图像去噪处理,以及考虑保持颜色比例的对比度拉伸方法,有效去除图像的背景噪声,获得增强后目视效果较好的夜景影像。

当前第1页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1