基于超经验模式分解的遥感图像增强方法技术

本发明专利技术涉及基于超经验模式分解的遥感图像增强方法，对待增强的遥感图像进行图像高频到低频的多尺度多方向分解，获得各级尺度的高频分量内蕴模式分量和低频剩余分量；采用非线性增强函数对各级尺度的高频内蕴模式分量和低频剩余分量进行增强处理；将增强后的各级尺度的高频内蕴模式分量和低频剩余分量反向重构得到增强图像；本方法能够很好地提取源图像的细节信息，实现遥感图像增强基于全新的多尺度分解结构，具有完全数据驱动的自适应性，具有更强的细节信息获取能力；运用非线性增强函数对高频的内蕴模式分量和低频剩余分量进行增强处理，使得增强后图像的质量得到提高，对于遥感图像增强领域的应用具有重要意义和实用价值。

【技术实现步骤摘要】

本专利技术属于图像增强
，涉及基于超经验模式分解的遥感图像增强方法。
技术介绍
图像增强的目的是要改善图像的视觉效果，针对给定图像的应用场合，有目的地强调图像的整体或局部特性，将原来不清晰的图像变得清晰或强调某些感兴趣的特征，扩大图像中不同物体特征之间的差别，抑制不感兴趣的特征，使之改善图像质量、丰富信息量，加强图像判读和识别效果，满足某些特殊分析的需要，适合计算机的理解、分析及后续处理的需求。遥感图像增强是图像增强中的一项重要应用。遥感图像由于空间噪声，设备自身的影响造成所得到的遥感图像分辨率和对比度高，当分析遥感图像时，为了使分析者能容易确切地识别图像内容，必须按照分析目的对图像数据进行加工，目的是提高图像的可判读性。目前，基于多分辨率、多尺度分解的融合算法，在图像融合中得到广泛应用。各国研究者提出Wavelet变换、Ridgelet变换、Curvelet变换、Contourlet变换和Bandelet变换等多种小波和超小波变换的处理方法，就是这方面的重要研究成果。但无论是基于哪种小波，在图像融合中都存在一个问题：增强后的图像会在局部位置出现畸变。因此，工程界和数学界从未停止过探索更好的分解算法。1999年，美国宇航局的Norden E.Huang教授专利技术了经验模式分解算法（Empirical Mode Decomposition，EMD），能将非稳定非线性信号按频率做自适应分解。二维经验模式分解是一维EMD分解算法在二维平面上的推广，可用于图像数据的分析和处理，通过将原始图像自适应的分解为有效数量的子图像，可以将图像从高频到低频的局部窄带细节信息内蕴模式分量分解出来，剩余分量表示图像的趋势。分解出来内蕴模式分量具有当前图像的纹理信息。但传统二维经验模式分解有缺陷：分解得到的内蕴模式分量图像中有暗斑。因此严重影响了传统二维经验模式分解在图像处理领域中的应用。后来出现的窗口经验模式分解WEMD较好地解决了传统二维经验模式分解的缺陷，又保留了传统二维经验模式分解自适应分解特性，并已在图像增强中得到应用，但只在医学图像增强应用中效果较好，在遥感图像增强中细节增强效果较差。综上，目前现有的增强技术应用于遥感图像还存在一些不足：基于小波、超小波的增强图像会出现局部畸变，传统经验模式分解方法分解得到的内蕴模式分量图像暗斑都对增强有很大的影响，窗口经验模式分解的增强图像会出现少量信息丢失、细节增强效果较差的问题。
技术实现思路
本专利技术的目的是提供一种基于超经验模式分解的遥感图像增强方法，既不出现小波、超小波融合算法增强后的图像出现畸变，又不出现窗口经验模式分解在遥感图像增强中效果较差的问题，以很好地增强图像的细节信息。为实现上述目的，本专利技术的基于超经验模式分解的遥感图像增强方法的步骤如下：（1）对待增强的遥感图像进行图像高频到低频的多尺度多方向分解，获得各级尺度的高频分量内蕴模式分量和低频剩余分量；（2）采用非线性增强函数对各级尺度的高频内蕴模式分量和低频剩余分量进行增强处理；（3）将增强后的各级尺度的高频内蕴模式分量和低频剩余分量反向重构得到增强图像。所述步骤（1）是采用超经验模式分解对遥感图像进行分解，具体分解过程如下：（11）对待增强遥感图像进行Radon变换Raf(b,θ)，b,θ分别为位置和旋转角参数；（12）运用一维经验模式分解对每一个θ角对应的径向切片进行分解，得到在Radon域下的内蕴模式分量Rimfj和剩余分量Rr；（13）对Rimfj和Rr进行Radon反变换得到最终的内蕴模式分量imfj和剩余分量r。所述步骤（12）中一维经验模式分解的具体过程如下：（121）定义初始化变量rj-1，并使rj-1=I,I为步骤（12）中每一个θ角对应的径向切片数据，j=1，j表示分解得到的内蕴模式分量数量；（122）根据分解内蕴模式分量数量，(a)定义中间变量hi-1，使hi-1=rj-1，i=1，i表示筛选次数；(b)运用局部估计分别计算hi-1的上包络线ui-1和下包络线li-1；(c)计算平均包络线mi-1，mi-1=(ui-1+li-1)/2；(d)更新hi=hi-1-mi-1，i=i+1；(e)重复(b)到(d)直到i<AI，AI为规定的筛选次数，那么，imfj=hi，j=j+1；（123）更新rj=rj-1–imfj；（124）重复步骤（122）、（123），直到rj的极大值和极小值数和小于3。所述步骤（122）中的（b）的具体计算过程如下：（b1）提取hi-1的所有局部极值点，计算所有相邻局部极值点的距离，得到最大局部窗口的大小为p，并设初始化窗口为w=3；（b2）如果以当前数据为中心点的窗口w内局部极大值点数目等于局部极小点数目，那么以窗口w内的局部最大值作为局部最大值上包络线umax的当前点，并转至步骤（b4）；否则转至步骤（b3）；（b3）w窗口值增加2，如果w<p，转至步骤（b2）；如果w>p，用当前窗口w内的局部最大值作为局部最大值上包络umax的当前点；并转至步骤（b4）；（b4）转至下一个数据点，并使w=3，转至步骤（b2）；遍历所有数据点，得到局部最大值上包络线umax；（b5）如果以umax当前数据为中心点的窗口w内局部极大值点数目等于局部极小值点数目，那么以窗口w内的均值作为上包络u的当前点，并转至步骤（b7）；（b6）w窗口值增加2，如果w<p，转至步骤（b5），否则以窗口w内的均值作为上包络u的当前点；（b7）转至umax下一个数据点，并使w=3，转至步骤（b5）；遍历所有数据点，得到上包络u；（b8）参照步骤（b2）到（b7），得到下包络l，在计算过程中，将步骤中出现的文字“最大值”变为“极小值”，参数“umax”变为“lmin”，参数“u”变为“l”，其它参数不变。所述的步骤（b1）中，图像的局部极大值点为灰度值比周围3区域2个相邻像素点灰度值都高的点，图像的极小值点为灰度值比周围2个相邻像素点灰度值都低的点。所述的步骤（b1）中，最大局部窗口p是由所有局部极大和极小值点极大集s，遍历极值点集s找出紧邻极值点距离最近的极值点，并计算两点间的距离Pi(i=1,2,3,…)，以Pi中值最大的一个取整作为最大局部窗口p；当p为偶数时本文档来自技高网...

【技术保护点】
基于超经验模式分解的遥感图像增强方法，其特征在于，该方法的步骤如下：（1）对待增强的遥感图像进行图像高频到低频的多尺度多方向分解，获得各级尺度的高频分量内蕴模式分量和低频剩余分量；（2）采用非线性增强函数对各级尺度的高频内蕴模式分量和低频剩余分量进行增强处理；（3）将增强后的各级尺度的高频内蕴模式分量和低频剩余分量反向重构得到增强图像。

【技术特征摘要】
1.基于超经验模式分解的遥感图像增强方法，其特征在于，
该方法的步骤如下：
（1）对待增强的遥感图像进行图像高频到低频的多尺度多方向
分解，获得各级尺度的高频分量内蕴模式分量和低频剩余分量；
（2）采用非线性增强函数对各级尺度的高频内蕴模式分量和低
频剩余分量进行增强处理；
（3）将增强后的各级尺度的高频内蕴模式分量和低频剩余分量
反向重构得到增强图像。
2.根据权利要求1所述的基于超经验模式分解的遥感图像增
强方法，其特征在于，所述步骤（1）是采用超经验模式分解对遥感
图像进行分解，具体分解过程如下：
（11）对待增强遥感图像进行Radon变换Raf(b,θ)，b,θ分别为位置
和旋转角参数；
（12）运用一维经验模式分解对每一个θ角对应的径向切片进行
分解，得到在Radon域下的内蕴模式分量Rimfj和剩余分量Rr；
（13）对Rimfj和Rr进行Radon反变换得到最终的内蕴模式分量
imfj和剩余分量r。
3.根据权利要求2所述的基于超经验模式分解的遥感图像增
强方法，其特征在于，所述步骤（12）中一维经验模式分解的具体过
程如下：
（121）定义初始化变量rj-1，并使rj-1=I,I为步骤（12）中每一

\t个θ角对应的径向切片数据，j=1，j表示分解得到的内蕴模式分量数
量；
（122）根据分解内蕴模式分量数量，
(a)定义中间变量hi-1，使hi-1=rj-1，i=1，i表示筛选次数；
(b)运用局部估计分别计算hi-1的上包络线ui-1和下包络线li-1；
(c)计算平均包络线mi-1，mi-1=(ui-1+li-1)/2；
(d)更新hi=hi-1-mi-1，i=i+1；
(e)重复(b)到(d)直到i<AI，AI为规定的筛选次数，那么，imfj=
hi，j=j+1；
（123）更新rj=rj-1–imfj；
（124）重复步骤（122）、（123），直到rj的极大值和极小值数
和小于3。
4.根据权利要求3所述的基于超经验模式分解的遥感图像增
强方法，其特征在于，所述步骤（122）中的（b）的具体计算过程如
下：
（b1）提取hi-1的所有局部极值点，计算所有相邻局部极值点的
距离，得到最大局部窗口的大小为p，并设初始化窗口为w=3；
（b2）如果以当前数据为中心点的窗口w内局部极大值点数目
等于局部极小点数目，那么以窗口w内的局部最大值作为局部最大
值上包络线umax的当前点，并转至步骤（b4）；否则转至步骤（b3）；
（b3）w窗口值增加2，如果w<p，转至步骤（b2）；如果w>p，
用当前窗口w内的局部最大值作为局部最大值上包络umax的当前

\t点；并转至步骤（b4）；
（b4）转至...

【专利技术属性】
技术研发人员：梁灵飞，
申请(专利权)人：河南科技大学，
类型：发明
国别省市：