一种烟田遥感图像增强算法制造技术

本发明专利技术提供一种烟田遥感图像增强算法，该算法用多尺度Retinex来调整shearlet的低频系数，并对各尺度、各方向上的高频系数采用阈值抑噪，对重构图像进行模糊对比度增强，来提升图像的层次感并提高图像的整体对比度。

【技术实现步骤摘要】

本专利技术涉及遥感图像处理算法领域，更具体地，涉及。
技术介绍
烟田遥感图像是一种记录地貌特征及地物信息的特殊图像，但遥感图像易受光照 条件、传感器性能、大气辐射以及外界噪声的影响，存在诸多问题，如视觉效果差、清晰度 低、纹理细节不明显等，为后续的应用和处理带来不便。因此，遥感图像的增强，是一个关键 环节。理想的图像增强技术，应该做到既能够调节图像的动态范围，又能加强图像的细节信 息心。现有技术中常用的小波变换因其良好的时频特性和多分辨率特点，成为研究的热点， 但也因其不具备方向性而限制了其发展，而轮廓波变换等算法虽具有各向异性和方向性等 特点，能够较好地表示图像的高维奇异性，能够对图像的边缘、纹理和细节等给出接近最优 的表示，但其对图像稀疏表示的能力非常有限。
技术实现思路
本专利技术提供一种提升图像的层次感并提高图像的整体对比度烟田遥感图像增强 算法。 为了达到上述及效果，本专利技术的技术方案如下： -种烟田遥感图像增强算法，包括以下步骤： Sl :对待增强的烟田遥感图像进行Shearlet分解，得到低频分量和高频分量； S2 :对低频分量进行线性映射并作多尺度Retinex增强； S3 :对高频分量进行阈值去噪处理； S4 :将S2和S3得到的结果进行Shearlet逆变换，得到初步增强的重构图像； S5 :对S4得到的初步增强的重构图像进行模糊对比增强得到最后的增强图像。 进一步地，所述步骤S2的过程如下： 式中ε是尺度常量，I (X，y)是经Shearlet分解的待增强的烟田遥感图像的低频 分量，G (x，y)是环绕函数，k为尺度数，〇^是对应地k个尺度的权值， 进一步地，所述步骤S3的过程如下： 令T = λ σ，其中λ是可变常数且λ e ，σ是最小尺度各个方向的 Shearlet噪声方差的最小值； 用经典鲁棒中值估计来估计高频分量的噪声方差： CN 105118043 A 说明书 2/4 页 式中Cl1, j是各高频分量的系数； 用硬阈值收缩法对高频分量系数进行去噪处理： 进一步地，所述步骤S4的过程如下： 令模糊对比度的为： 当前像素的灰度值X1, j: 计算重构图像的模糊对比度，并对F作非线性变换： Fr = Φ (F) 用F'调整后的隶属度函数为： 从模糊域反变换到空间域，得到对比度增强后的图像： 式中当前像素点的灰度，^表示3X3窗口的去心邻域的平均值。 与现有技术相比，本专利技术技术方案的有益效果是： 本专利技术算法用多尺度Retinex来调整shearlet的低频系数，并对各尺度、各方向 上的高频系数采用阈值抑噪，对重构图像进行模糊对比度增强，来提升图像的层次感并提 高图像的整体对比度。【附图说明】 图1为本专利技术算法流程图。【具体实施方式】 附图仅用于示例性说明，不能理解为对本专利的限制； 为了更好说明本实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品 的尺寸； 对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解 的。 下面结合附图和实施例对本专利技术的技术方案做进一步的说明。 实施例1 如图1所示，，包括以下步骤： Sl :对待增强的烟田遥感图像进行Shearlet分解，得到低频分量和高频分量； S2 :对低频分量进行线性映射并作多尺度Retinex增强； S3 :对高频分量进行阈值去噪处理； S4 :将S2和S3得到的结果进行Shearlet逆变换，得到初步增强的重构图像； S5 :对S4得到的初步增强的重构图像进行模糊对比增强得到最后的增强图像。 步骤S2的过程如下： 式中ε是尺度常量，I (X，y)是经Shearlet分解的待增强的烟田遥感图像的低频 分量，G (x，y)是环绕函数，k为尺度数，〇^是对应地k个尺度的权值， 步骤S3的过程如下： 令T = λσ，其中λ是可变常数且λ e ，σ是最小尺度各个方向的 Shearlet噪声方差的最小值； 用经典鲁棒中值估计来估计高频分量的噪声方差： 式中Cl1, j是各高频分量的系数； 用硬阈值收缩法对高频分量系数进行去噪处理： 进一步地，所述步骤S4的过程如下： 令模糊对比度的为： 当前像素的灰度值X1, j: 计算重构图像的模糊对比度，并对F作非线性变换： 用F'调整后的隶属度函数为： 从模糊域反变换到空间域，得到对比度增强后的图像： Xr1ι?=μ, ^jX(L-I) 式中为当前像素点的灰度，表示3X3窗口的去心邻域的平均值。 本专利技术将多尺度Retinex与剪切波Shearlet变换二者结合起来，用Retinex调 整Shearlet分解后的低频子带系数，以去除光照条件对于图像的影响，使用阈值抑噪处理 sheadet的高频子带系数，抑制分解过程中可能产生的噪声以及图像本身的噪声，并使用 模糊对比度增强来提高图像的全局对比度，进一步克服图像对比度较低和细节不明显等缺 陷。 相同或相似的标号对应相同或相似的部件； 附图中描述位置关系的用于仅用于示例性说明，不能理解为对本专利的限制； 显然，本专利技术的上述实施例仅仅是为清楚地说明本专利技术所作的举例，而并非是对 本专利技术的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可 以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本 专利技术的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本专利技术权利要求 的保护范围之内。【主权项】1. ，其特征在于，包括以下步骤： 51 :对待增强的烟田遥感图像进行Shearlet分解，得到低频分量和高频分量； 52 :对低频分量进行线性映射并作多尺度Retinex增强； 53 :对高频分量进行阈值去噪处理； 54 :将S2和S3得到的结果进行Shearlet逆变换，得到初步增强的重构图像； 55 :对S4得到的初步增强的重构图像进行模糊对比增强得到最后的增强图像。2. 根据权利要求1所述的烟田遥感图像增强算法，其特征在于，所述步骤S2的过程如 下：G(x,y) =cexp(_ (x2+y2) /e2) 式中e是尺度常量，I(x，y)是经Shearlet分解的待增强的烟田遥感图像的低频分量，G(x，y)是环绕函数，k为尺度数，％是对应地k个尺度的权值，t岣=1。 k=l3. 根据权利要求1所述的烟田遥感图像增强算法，其特征在于，所述步骤S3的过程如 下： 令T=A〇,其中A是可变常数且AG，〇是最小尺度各个方向的Shearlet噪声方差的最小值； 用经典鲁棒中值估计来估计高频分量的噪声方差：式中七,是各高频分量的系数； 用硬阈值收缩法对高频分量系数进行去噪处理：4. 根据权利要求1所述的烟田遥感图像增强算法，其特征在于，所述步骤S4的过程如 下： 令模糊对比度的为：当前像素的灰度值Xl^计算重构图像的模糊对比度，并对F作非线性变换： F，=it(F)用F'调整后的隶属度函数为：从模糊域反变换到空间域，得到对比度增强后的图像：x'fy' ^xa-i) 式中当前像素点的灰度，^表示3X3窗口的去心邻域的平均值。【专利摘要】本专利技术提供，该算法用多尺度Retinex来调整shearlet的低频系数，并对各尺度、各方向上的高频系数采用阈值抑噪，对重构图像进行模本文档来自技高网...

【技术保护点】
一种烟田遥感图像增强算法，其特征在于，包括以下步骤：S1：对待增强的烟田遥感图像进行Shearlet分解，得到低频分量和高频分量；S2：对低频分量进行线性映射并作多尺度Retinex增强；S3：对高频分量进行阈值去噪处理；S4：将S2和S3得到的结果进行Shearlet逆变换，得到初步增强的重构图像；S5：对S4得到的初步增强的重构图像进行模糊对比增强得到最后的增强图像。

【技术特征摘要】

【专利技术属性】
技术研发人员：陈泽鹏，
申请(专利权)人：中国烟草总公司广东省公司，
类型：发明
国别省市：广东;44