一种光学遥感影像快视图的生成方法及装置与流程
本申请涉及光学遥感技术领域，尤其涉及一种光学遥感影像快视图的生成方法及装置。
背景技术：
光学遥感影像快视图(或称为浏览图)的尺寸和数据量远小于该影像本身，一般快视图主要用于挑选影像，影像的快速分发和应急使用等。用户通过快视图可以初步识别影像覆盖区域和评估影像本身的质量和云量，进而实现对影像进行初步优选。为了便于用户通过快视图对影像进行初步优选，一般要求快视图具有地物清晰、反差适中以及易于判读等优点。一般光学遥感影像单波段像元值的量化位数普遍为10-12比特，也就是值域范围为0-1023/2047/4095，而遥感影像的快视图量化位数为8比特(0-255)，因此，在生成光学遥感影像快视图的过程中，需要对光学遥感图像进行降位和增强处理。
目前，在生成光学遥感影像快视图的过程中，往往采用单一的图像降位和增强算法，例如，单一的图像增强算法包括线性增强算法或伽马增强算法。由于光学遥感影像成像过程中地物、光照、天气条件各异，，。因此，现有技术生成的快视图中，特别是影像上有云、雪等高亮地物时，部分影像存在晴空区域过暗、过曝或色彩失真等情况，使得光学遥感影像快视图的质量不稳定，进而导致生成的光学遥感影像快视图的适用性较差。
技术实现要素：
本申请解决的技术问题是：针对现有技术生成的光学遥感影像快视图的适应性较差的问题，提供了一种光学遥感影像快视图的生成方法及装置，本申请实施例所提供的方案，通过对采样后的像元的特征信息进行线性拉伸，并根据线性拉伸后的像元特征信息实际情况对拉伸后的像元特征信息进行伽马增强拉伸，避免单一增强拉伸导致的光学遥感影像快视图的质量稳定，进而提高光学遥感影像快视图的适用性。
第一方面，本申请实施例提供一种光学遥感影像快视图的生成方法，该方法包括：
对待处理的光学遥感影像进行下重采样得到采样后的像元，并确定采样后的像元的特征信息；
对所述特征信息进行线性拉伸，得到增强后的第一特征信息；
根据所述第一特征信息计算所述每个波段中像元的特征参数，判断所述特征参数是否小于预设第一阈值；
若小于，则对所述第一特征信息进行伽马拉伸，得到增强后的第二特征信息，并根据所述第二特征信息生成快视图。
本申请实施例所提供的方案中，通过对待处理的光学遥感影像进行采样，得到采样后的像元的特征信息，对特征信息进行线性拉伸，得到第一特征信息，并根据第一特征信息计算得到每个波段中像元的特征参数，若特征参数小于预设第一阈值，则对第一特征信息进行伽马拉伸，得到增强后的第二特征信息，根据第二特征信息生成快视图。因此，本申请实施例所提供的方案，通过对采样后的像元的特征信息进行线性拉伸，并根据线性拉伸后的像元特征信息实际情况对拉伸后的像元特征信息进行伽马增强拉伸，避免单一增强拉伸导致的光学遥感影像快视图的质量稳定，进而提高光学遥感影像快视图的适用性。
可选地，对待处理的光学遥感影像进行下重采样得到采样后的像元，包括：
确定所述待处理的光学遥感影像的波段信息以及尺寸信息，根据所述波段信息确定出生成快视图的至少一个波段；
提取所述至少一个波段的像元，根据所述尺寸信息确定采样比例，并根据所述采样比例对所述至少一个波段的像元进行下重采样得到所述采样后的像元。
可选地，根据所述波段信息确定至少一个波段，包括：
若所述波段信息为全色波段，则所述至少一个波段为所述全色波段；或若所述波段信息为多波段，则所述至少一个波段为红、绿、蓝三个波段。
可选地，根据所述尺寸信息确定采样比例，包括：
根据如下公式确定采样比例：
其中，n表示所述待处理的光学遥感影像的像元的个数；imgh表示所述待处理的光学遥感影像的像元的行数；imgw表示所述待处理的光学遥感影像的像元的行数。
可选地，对所述特征信息进行线性拉伸，包括：
根据所述特征信息计算所述至少一个波段的累积直方图，确定所述累积直方图中2％处像元的灰度值以及99％处像元的灰度值；
根据所述2％处像元的灰度值以及所述99％处像元的灰度值对所述特征信息进行线性拉伸。
可选地，根据所述2％处像元的灰度值以及所述99％处像元的灰度值对所述特征信息进行线性拉伸，包括：
根据如下公式对所述特征信息进行线性拉伸：
其中，g(x，y)表示拉伸后影像中(x，y)处的特征信息；f(x，y)表示拉伸前影像中(x，y)处的特征信息；min表示2％处像元的灰度值；max表示99％处像元的灰度值。
可选地，根据所述第一特征信息计算所述每个波段中像元的特征参数，包括：
根据所述第一特征信息确定像元的个数，每个像元的像元值，以及中位数，其中，所述中位数是指累积直方图中50％处像元的像元值；
根据所述像元的个数以及所述每个像元的像元值计算得到所述每个像元的像元均值；
根据所述每个像元的像元均值计算得到所述每个像元的像元均方差。
可选地，对所述第一特征信息进行伽马拉伸，得到增强后的第二特征信息，包括：
根据如下公式对所述第一特征信息进行伽马拉伸：
其中，γ表示伽马拉伸系数，
本申请实施例所提供的方案中，若线性拉伸后的像元的特征参数小于预设第一阈值时，通过光学遥感影像实际的信息自适应的确定伽马拉伸的系数，并根据伽马拉伸系数对像元的特征信息进行伽马拉伸。因此，本申请实施例所提供的方案中，通过光学遥感影像实际的信息自适应的确定伽马拉伸的系数，避免拉伸过程中出现过暗或过曝情况，保证了快视图色彩真实，提高了快视图的质量。
可选地，对所述特征信息进行线性拉伸之前，还包括：
根据所述特征信息计算所述每个波段的大气层顶的反射率，并根据所述反射率对所述特征信息进行预处理。
第二方面，本申请实施例提供了一种光学遥感影像快视图的生成装置，该装置包括：
采样单元，用于对待处理的光学遥感影像进行下重采样得到采样后的像元，并确定采样后的像元的特征信息；
拉伸单元，用于对所述特征信息进行线性拉伸，得到增强后的第一特征信息；
判断单元，用于根据所述第一特征信息计算所述每个波段中像元的特征参数，判断所述特征参数是否小于预设第一阈值；
生成单元，若小于预设第一阈值，则对所述第一特征信息进行伽马拉伸，得到增强后的第二特征信息，并根据所述第二特征信息生成快视图。
可选地，所述采样单元，具体用于：
确定所述待处理的光学遥感影像的波段信息以及尺寸信息，根据所述波段信息确定出生成快视图的至少一个波段；
提取所述至少一个波段的像元，根据所述尺寸信息确定采样比例，并根据所述采样比例对所述至少一个波段的像元进行下重采样得到所述采样后的像元。
可选地，所述采样单元，具体用于：
若所述波段信息为全色波段，则所述至少一个波段为所述全色波段；或若所述波段信息为多波段，则所述至少一个波段为红、绿、蓝三个波段。
可选地，所述采样单元，具体用于：根据如下公式确定采样比例：
其中，n表示所述待处理的光学遥感影像的像元的个数；imgh表示所述待处理的光学遥感影像的像元的行数；imgw表示所述待处理的光学遥感影像的像元的行数。
可选地，所述拉伸单元，具体用于：
根据所述特征信息计算所述至少一个波段的累积直方图，确定所述累积直方图中2％处像元的灰度值以及99％处像元的灰度值；
根据所述2％处像元的灰度值以及所述99％处像元的灰度值对所述特征信息进行线性拉伸。
可选地，所述拉伸单元，具体用于：根据如下公式对所述特征信息进行线性拉伸：
其中，g(x，y)表示拉伸后影像中(x，y)处的特征信息；f(x，y)表示拉伸前影像中(x，y)处的特征信息；min表示2％处像元的灰度值；max表示99％处像元的灰度值。
可选地，所述判断单元，具体用于：
根据所述第一特征信息确定像元的个数，每个像元的像元值，以及中位数，其中，所述中位数是指累积直方图中50％处像元的像元值；
根据所述像元的个数以及所述每个像元的像元值计算得到所述每个像元的像元均值；
根据所述每个像元的像元均值计算得到所述每个像元的像元均方差。
可选地，所述生成单元，具体用于：根据如下公式对所述第一特征信息进行伽马拉伸：
其中，γ表示伽马拉伸系数，
可选地，所述装置还包括计算单元；所述计算单元，具体用于：
根据所述特征信息计算所述每个波段的大气层顶的反射率，并根据所述反射率对所述特征信息进行预处理。
第三方面，本申请提供一种计算机设备，该计算机设备，包括：
存储器，用于存储至少一个处理器所执行的指令；
处理器，用于执行存储器中存储的指令执行第一方面所述的方法。
第四方面，本申请提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，当所述计算机指令在计算机上运行时，使得计算机执行第一方面所述的方法。
附图说明
图1为本申请实施例所提供的一种光学遥感影像快视图的生成方法的流程示意图；
图2为本申请实施例所提供的一种光学遥感影像快视图的生成装置的结构示意图；
图3为本申请实施例所提供的一种光学遥感影像快视图的生成装置的结构示意图；
图4为本申请实施例所提供的一种计算机设备的结构示意图。
具体实施方式
为了更好的理解上述技术方案，下面通过附图以及具体实施例对本申请技术方案做详细的说明，应当理解本申请实施例以及实施例中的具体特征是对本申请技术方案的详细的说明，而不是对本申请技术方案的限定，在不冲突的情况下，本申请实施例以及实施例中的技术特征可以相互组合。
以下结合说明书附图对本申请实施例所提供的一种光学遥感影像快视图的生成方法做进一步详细的说明，该方法具体实现方式可以包括以下步骤(方法流程如图1所示)：
步骤101，对待处理的光学遥感影像进行下重采样得到采样后的像元，并确定采样后的像元的特征信息。
具体的，在本申请实施例所提供的方案中，光学遥感相机获取待处理的光学遥感影像，计算机设备将获取的所述待处理的光学遥感影像进行下重采样。具体的，计算机设备对待处理的光学遥感影像进行下重采样的方式有多种，下面以一种较佳的方式为例进行说明。
在一种可能的实现方式中，对待处理的光学遥感影像进行下重采样得到采样后的像元，包括：确定所述待处理的光学遥感影像的波段信息以及尺寸信息，根据所述波段信息确定出生成快视图的至少一个波段；提取所述至少一个波段的像元，根据所述尺寸信息确定采样比例，并根据所述采样比例对所述至少一个波段的像元进行下重采样得到所述采样后的像元。
在本申请实施例所提供的方案中，待处理的光学遥感影像的波段信息包括全色波段或多波段，其中，全色波段一般是指0.5微米到0.7微米左右的单波段，即从绿色往后的可见光波段。由于光学遥感影像的波段信息有多种，对于不同波段信息计算机设备所确定的至少一个波段不同。下面分别对不同的波段信息所确定的至少一个波段进行说明。
在一种可能实现的方式中，根据所述波段信息确定至少一个波段，包括：若所述波段信息为全色波段，则所述至少一个波段为所述全色波段；或若所述波段信息为多波段，则所述至少一个波段为红、绿、蓝三个波段。
进一步，在本申请实施例所提供的方案中，待处理的光学遥感图像的尺寸信息包括待处理的光学遥感影像中像元的行、列数以及像元的个数。计算机设备在确定出生成快视图的至少一个波段后，提取至少一个波段的特征信息，例如，特征信息包括像元的像元值以及像元的位置信息等。计算机设备根据光学遥感影像的尺寸信息对至少一个波段的特征信息进行下重采样处理，具体的，计算机设备对至少一个波段的特征信息进行下重采样的方式有多种，下面以一种较佳的方式为例进行说明。
在一种可能实现方式中，根据所述尺寸信息确定采样比例，包括：
根据如下公式确定采样比例：
其中，n表示所述待处理的光学遥感影像的像元的个数；imgh表示所述待处理的光学遥感影像的像元的行数；imgw表示所述待处理的光学遥感影像的像元的行数。
步骤102，对所述特征信息进行线性拉伸，得到增强后的第一特征信息。
在本申请实施例所提供的方案中，计算机设备在确定每个波段特征信息之后，对所述特征信息进行线性拉伸，得到增强后的第一特征信息。具体的，计算机设备对所述特征信息进行线性拉伸的方式有多种，下面以一种较佳的方式为例进行说明。
在一种可能实现方式中，对所述特征信息进行线性拉伸，包括：根据所述特征信息计算所述至少一个波段的累积直方图，确定所述累积直方图中2％处像元的灰度值以及99％处像元的灰度值；根据所述2％处像元的灰度值以及所述99％处像元的灰度值对所述特征信息进行线性拉伸。
在本申请实施例所提供的方案中，根据所述特征信息确定每个像元的灰度值以及采样后的像元的个数，根据像元的灰度值从小到大的顺序将采样后的像元进行排序得到累积直方图，然后，根据采样后的像元的个数确定累积直方图中2％处像元的灰度值以及99％处像元的灰度值，例如，若累积直方图中像元的个数为100个，则2％处像元是指累积直方图中第二个像元，99％处像元是指累积直方图中第99个像元，再根据2％处像元的灰度值以及所述99％处像元的灰度值对所述特征信息进行线性拉伸。具体的，计算机设备根据2％处像元的灰度值以及所述99％处像元的灰度值对所述特征信息进行线性拉伸的方式有多种，下面以一种较佳的方式为例进行说明。
在一种可能实现方式中，根据所述2％处像元的灰度值以及所述99％处像元的灰度值对所述特征信息进行线性拉伸，包括：
根据如下公式对所述特征信息进行线性拉伸：
其中，g(x，y)表示拉伸后影像中(x，y)处的特征信息；f(x，y)表示拉伸前影像中(x，y)处的特征信息；min表示2％处像元的灰度值；max表示99％处像元的灰度值。
根据上述公式可知，计算机设备在对采样后的像元的特征信息进行拉伸，具体过程如下：将累积图像直方图中前2％以及后1％的像元点裁减掉，然后对累积直方图中2％-99％范围内的像元点的像素值(浮点值0-1范围)，进行0-255范围内的线性拉伸。
步骤103，根据所述第一特征信息计算所述每个波段中像元的特征参数，判断所述特征参数是否小于预设第一阈值。
在本申请实施例所提供的方案中，计算机设备在确定出拉伸后的第一特征信息之后，根据第一特征信息计算每个波段中像元的特征参数，其中，特征参数包括中位数、每个像元的像元均值以及均方差。具体的，计算机设备根据第一特征信息计算每个波段中像元的特征参数的方式有多种，下面以一种较佳的方式为例进行说明。
在一种可能实现方式中，根据所述第一特征信息计算所述每个波段中像元的特征参数，包括：根据所述第一特征信息确定像元的个数，每个像元的像元值，以及中位数，其中，所述中位数是指累积直方图中50％处像元的像元值；根据所述像元的个数以及所述每个像元的像元值计算得到所述每个像元的像元均值；根据所述每个像元的像元均值计算得到所述每个像元的像元均方差。
具体的，在本申请实施例所提供的方案中，根据所述像元的个数以及所述每个像元的像元值计算得到所述每个像元的像元均值，包括：根据如下公式计算所述每个像元的像元均值：
其中，μ表示所述每个波段像元均值；m(x，y)表示(x，y)处像元的像元值；p表示所述像元的个数。
根据所述每个像元的像元均值计算得到所述每个像元的像元均方差，包括：根据如下公式计算所述每个像元的像元均方差：
其中，σ表示所述每个像元的像元均方差。
进一步，在本申请实施例所提供的方案中，数据库中预先存储着中位数、像元均值或者像元标准方差的阈值，例如，像元均值与像元标准方差之和的阈值为128，中位数的阈值为70。计算机设备在计算出累积直方图的中位数、像元均值或者像元标准方差之后，判断中位数或像元均值与像元标准方差之和是否小于预设阈值。
步骤104，若小于，则对所述第一特征信息进行伽马拉伸，得到增强后的第二特征信息，并根据所述第二特征信息生成快视图。
在本申请实施例所提供的方案中，若计算机设备确定每个波段中像元的特征参数小于预设阈值，则对第一特征信息进行伽马拉伸，得到增强后的第二特征信息。具体的，计算机设备对第一特征信息进行伽马拉伸的方式有多种，下面以一种较佳的方式为例进行说明。
在一种可能实现方式中，对所述第一特征信息进行伽马拉伸，得到增强后的第二特征信息，包括：根据如下公式对所述第一特征信息进行伽马拉伸：
其中，γ表示伽马拉伸系数，
进一步，在本申请实施例所提供的方案中，在步骤104之前，所述方法还包括步骤105，若像元的特征参数大于预设第一阈值，则根据第一特征信息生成所述快视图。
进一步，为了减小快视图中图像色彩失真。在本申请实施例所提供的方案中，对所述特征信息进行线性拉伸之前，还包括：根据所述特征信息计算所述每个波段的大气层顶的反射率，并根据所述反射率对所述特征信息进行预处理。
具体的，在本申请实施例所提供的方案中，计算机设备在确定每个波段的特征信息之后，根据所述特征信息确定采样后的每个像元的灰度值，然后，根据预设的辐射定标系数参数将每个波段像元的灰度值转换为辐射亮度(单位为：w.m-1.sr-1.μm-1)，例如，辐射定标系数参数包括辐射定标系数增益、偏移量等。具体的，通过如下公式将灰度值转换为辐射亮度：
l＝gain×dn+bisa
其中，l表示每个像元的辐射亮度；gain表示辐射定标系数增益；dn表示采样后的像元的灰度值；bisa表示辐射定标系数偏移量。
进一步，计算机设备在计算出每个像元的辐射亮度之后，通过如下公式计算每个波段的大气层顶的反射率：
其中，b表示每个波段的大气层顶的反射率；d表示日地距离；esun表示大气层顶的平均太阳光谱辐射照度(单位为w.m-2.sr-1.μm-1)；θ表示太阳的天顶角。
本申请实施例所提供的方案中，通过对待处理的光学遥感影像进行采样，得到采样后的像元的特征信息，对特征信息进行线性拉伸，得到第一特征信息，并根据第一特征信息计算得到每个波段中像元的特征参数，若特征参数小于预设第一阈值，则对第一特征信息进行伽马拉伸，得到增强后的第二特征信息，根据第二特征信息生成快视图。因此，本申请实施例所提供的方案，通过对采样后的像元的特征信息进行线性拉伸，并根据线性拉伸后的像元特征信息实际情况对拉伸后的像元特征信息进行伽马增强拉伸，避免单一增强拉伸导致的光学遥感影像快视图的质量稳定，进而提高光学遥感影像快视图的适用性。
基于与图1所示的方法相同的发明构思，本申请实施例提供了一种光学遥感影像快视图的生成装置，参见图2，该装置包括：
采样单元201，用于对待处理的光学遥感影像进行下重采样得到采样后的像元，并确定采样后的像元的特征信息；
拉伸单元202，用于对所述特征信息进行线性拉伸，得到增强后的第一特征信息；
判断单元203，用于根据所述第一特征信息计算所述每个波段中像元的特征参数，判断所述特征参数是否小于预设第一阈值；
生成单元204，若小于预设第一阈值，则对所述第一特征信息进行伽马拉伸，得到增强后的第二特征信息，并根据所述第二特征信息生成快视图。
可选地，所述采样单元201，具体用于：
确定所述待处理的光学遥感影像的波段信息以及尺寸信息，根据所述波段信息确定出生成快视图的至少一个波段；
提取所述至少一个波段的像元，根据所述尺寸信息确定采样比例，并根据所述采样比例对所述至少一个波段的像元进行下重采样得到所述采样后的像元。
可选地，所述采样单元201，具体用于：
若所述波段信息为全色波段，则所述至少一个波段为所述全色波段；或若所述波段信息为多波段，则所述至少一个波段为红、绿、蓝三个波段。
可选地，所述采样单元201，具体用于：根据如下公式确定采样比例：
其中，n表示所述待处理的光学遥感影像的像元的个数；imgh表示所述待处理的光学遥感影像的像元的行数；mgw表示所述待处理的光学遥感影像的像元的行数。
可选地，所述拉伸单元202，具体用于：
根据所述特征信息计算所述至少一个波段的累积直方图，确定所述累积直方图中2％处像元的灰度值以及99％处像元的灰度值；
根据所述2％处像元的灰度值以及所述99％处像元的灰度值对所述特征信息进行线性拉伸。
可选地，所述拉伸单元202，具体用于：根据如下公式对所述特征信息进行线性拉伸：
其中，g(x，y)表示拉伸后影像中(x，y)处的特征信息；f(x，y)表示拉伸前影像中(x，y)处的特征信息；min表示2％处像元的灰度值；max表示99％处像元的灰度值。
可选地，所述判断单元203，具体用于：
根据所述第一特征信息确定像元的个数，每个像元的像元值，以及中位数，其中，所述中位数是指累积直方图中50％处像元的像元值；
根据所述像元的个数以及所述每个像元的像元值计算得到所述每个像元的像元均值；
根据所述每个像元的像元均值计算得到所述每个像元的像元均方差。
可选地，所述生成单元204，具体用于：根据如下公式对所述第一特征信息进行伽马拉伸：
其中，γ表示伽马拉伸系数，
可选地，参见图3，所述装置还包括计算单元205；所述计算单元205，具体用于：
根据所述特征信息计算所述每个波段的大气层顶的反射率，并根据所述反射率对所述特征信息进行预处理。
参见图4，本申请提供一种计算机设备，该计算机设备，包括：
存储器401，用于存储至少一个处理器所执行的指令；
处理器402，用于执行存储器中存储的指令执行图1所述的方法。
本申请提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，当所述计算机指令在计算机上运行时，使得计算机执行第一方面所述的方法。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。
- 还没有人留言评论。精彩留言会获得点赞！