本发明专利技术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。本发明专利技术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。
【技术实现步骤摘要】
本专利技术属于遥感图像处理
，设及一种从单幅遥感图像中去除云雾的图像 增强方法。
技术介绍
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。 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。 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。
技术实现思路
本专利技术的目的是；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。 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。 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。 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【主权项】1. ，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) = *g(x, y) (4) d' (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】本专利技术公开，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。本专利技术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【专利技术人】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日本文档来自技高网...
【技术保护点】
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，t(x0,y0)=Kminc∈{r,g,b}{min(i,j)∈Ω[gc(i,j)]}---(2)]]>其中c表示RGB三个通道中的任一通道，Ω为以(x0,y0)为中心的邻域，K为大于1的常数；并按公式(3)归一化处理t(x,y)，得到云层系数为p(x,y)=t(x,y)-min(t(x,y))max(t(x,y))-min(t(x,y))---(3)]]>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)＝[1‑p(x,y)]*g(x,y) (4)d'(x,y)＝[1+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。...
【技术特征摘要】
【专利技术属性】
技术研发人员：吴峰，朱锡芳，相入喜，许清泉，
申请(专利权)人：常州工学院，
类型：发明
国别省市：江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。