一种从单幅遥感图像中去除云雾的方法

文档序号:8224186阅读:642来源:国知局
一种从单幅遥感图像中去除云雾的方法
【技术领域】
[0001] 本发明属于遥感图像处理技术领域,设及一种从单幅遥感图像中去除云雾的图像 增强方法。
【背景技术】
[0002] 随着航空航天事业的发展,对地遥感成像技术越来越多地服务于社会主义建设的 各行各业,对推动国民经济稳定发展和保障国家社会安全起着重要作用。在对地成像过程 中,云雾是常见的干扰源,含有云雾的遥感图像对比度低,景物不清晰,可读性差。运用数字 图像处理技术,减少遥感图像中云雾的影响,提高图像清晰度和突出重要信息,对于提高遥 感卫星勘测地球资源和监测自然灾害的效率,为国家相关决策部口提供可靠数据具有重要 意义。
[0003] 目前,多光谱图像去云雾、多幅图像叠加去云雾、多传感器图像融合去云雾等方法 广泛应用于去云雾处理中,效果明显,但都需要同地区同来源的多幅图像,数据采集成本 高,周期长。相比而言,单幅遥感图像去云雾方法所需遥感数据量少,采集数据的成本低,能 在较短时间内给出处理结果,效率高,灵活性更强,应用范围更广。
[0004] 根据遥感图像中景物和云雾频率分布的差异,单幅遥感图像去云雾方法较常使用 高通滤波、低通滤波或同态滤波等技术,通过分离高、低频率成分,去除云雾。小波变换具有 多分辨率分析的特点,基于小波变换的方法去云雾效果有进一步改善。例如,小波系数加权 算法对分解后的小波系数加权,突出景物细节,降低云雾影响,效果优于同态滤波法。但对 于局部有浓云的遥感图像,运用该算法后,景物色彩将会失真。在此基础上,小波阔值算法 根据云层较亮的特点,对高层细节系数作阔值处理,删除云的同时,较好保留云区W外的信 息,但处理结果有明显的边界,视觉效果还有待改进。

【发明内容】

[0005] 本发明的目的是;针对局部有浓云覆盖的单幅遥感图像,削弱云层覆盖,提高云下 景物的清晰度,并较好地保持云区W外景物的原有信息,提高视觉效果和去云雾处理质量。
[0006] 数字图像是影像信息经过数字化后的二维离散数据,具有有限分辨率。根据小波 变换理论,设原始图像处于Vm尺度空间,并用该空间的近似系数C m表示。对数字图像作一 层小波分解的过程是,在水平和垂直两个方向上各经过一次低通滤波或者一次高通滤波, 得到Vm+l尺度空间的近似系数Cm+1,Wm+1小波空间的垂直细节系数成,1,水平细节系数Df+, 和对角细节系数己1。近似系数Cm+1代表了 C m的低频部分,细节系数D::+1、Df+1和Z)f+1是 Cm的高频部分。数字图像的第二层小波分解,即是按照类似的方法进一步分解Vm+1尺度空 间的近似系数Cm+i,得到Vm+2尺度空间的近似系数Cm+2, Wm+2小波空间的垂直细节系数, 水平细节系数〇,志:和对角细节系数A方;。数字图像作多层小波变换的过程W此类推。由此 可见,原始数字图像经过n层小波变换,将被逐渐分解成Vm+。尺度空间的近似系数Cm+。和Wm+1 至Wm+。各小波空间的细节系数。
[0007] 由数字图像多层小波变换的过程可见,Vm尺度空间近似系数Cm分别经过低通滤 波和高通滤波处理,得到第一层的近似系数和细节系数,该近似系数经过多次低通滤波即 得到其他层的近似系数,因此层数较低的近似系数频率高于层数较高的近似系数。由于同 一层的细节系数频率高于近似系数,那么层数较低的细节系数频率高于层数较高的细节系 数,最高层的近似系数频率最低。
[000引在受云雾干扰的遥感图像中,云雾数据频率较低,景物数据频率较高,背景信息频 率最低。那么将遥感图像作n层小波变换后,选择合理的分界层数1,使第1层至第1层细 节系数将主要包含景物,第1+1至第n层细节系数主要含有云雾,而背景信息则主要包含在 第n层近似系数中。为叙述方便,W下将W分界层数1分开的两类细节系数分别称为低层 细节系数和高层细节系数。
[0009] 2009年香港中文大学何凯明依据大量自然景物图像数据的统计结果,提出了暗通 道先验理论,并将之成功运用到单幅图像去雾霸处理中。该理论指出在户外无雾霸数字图 像中,除了天空区域,大多数区域往往含有一些暗像素,在该些像素的RGB =个通道中,至 少有一个通道的灰度值很低,接近于0。根据暗通道先验理论,数字图像f(x,y) W (xu,y。) 为中屯、的邻域Q,其暗像素的最低灰度值表示为
[0010]
【主权项】
1. 一种从单幅遥感图像中去除云雾的方法,包括如下步骤: 第一步,原图像预处理:先对原图像作伽玛校正,提高景物部分的清晰度和图像对比 度,如果景物较清晰,该步骤可省略; 第二步,将云雾和景物数据分别分配到小波分解的高层和低层细节系数:将图像作多 层小波分解,合理选择分界层数,将分解系数分为低层细节系数、高层细节系数和最高层 近似系数,使云雾和景物分开,其中低层细节系数包含景物信息,高层细节系数包含云雾数 据;分别重构以上三部分系数,低层细节系数、高层细节系数和最高层近似系数的重构图分 别设为 d (X,y)、g (X,y)、j (X,y); 第三步,计算云层系数:按公式(2)处理高层细节系数重构图,
其中c表示RGB三个通道中的任一通道,Ω为以(X(l,y(l)为中心的邻域,K为大于I的 常数;并按公式(3)归一化处理t(x,y),得到云层系数为
第四步,处理细节系数:按照公式(4)处理高层细节系数重构图,去除其中的云雾,保 留其中的景物;按照公式(5)处理低层细节系数重构图,突出云层下的景物信息, g' (x, y) = [l-p(x, y)]*g(x, y) (4) d' (x, y) = [l+w*p(x, y)]*d(x, y) (5) 第五步,叠加细节系数的处理结果d'(x,y)、g'(x,y)和近似系数重构图j(x,y),得到 最终处理结果。
【专利摘要】本发明公开一种从单幅遥感图像中去除云雾的方法,包括如下步骤:先对原图像作伽玛校正,提高景物部分的清晰度和图像对比度;将云雾和景物数据分别分配到小波分解的高层和低层细节系数;计算高层细节系数的暗通道图,并作权重大于1的加权处理,归一化后得到云层系数;对于高层细节系数,将其重构图与云层系数反转后的结果相乘,去除其中的云雾,保留其中的景物。对于低层细节系数,将其重构图与云层系数放大后的结果相乘,并叠加原低层细节系数重构图,以突出其中云层下的景物信息;两部分细节系数的处理结果和近似系数重构图相叠加,得到最终处理结果。本发明在削弱云层覆盖的同时,提高云下景物的清晰度,并较好地保留云区以外的景物信息。
【IPC分类】G06T7-00
【公开号】CN104537678
【申请号】CN201510021472
【发明人】吴峰, 朱锡芳, 相入喜, 许清泉
【申请人】常州工学院
【公开日】2015年4月22日
【申请日】2015年1月15日
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