基于FCM聚类匹配+Wallis滤波的无重多/高光谱遥感图像匀色方法技术

基于FCM聚类匹配+Wallis滤波的无重多/高光谱遥感图像匀色方法，本发明专利技术涉及多/高光谱遥感影像图像匀色方法。本发明专利技术的目的是为了解决现有方法在没有重叠区域的图像间进行匀色并不涉及，导致获得的图像效果差的问题。过程为：一、对多/高光谱遥感图像进行分波段处理；二、选取出参考图像作为参考；三、得到聚类后的结果；四、进行类别匹配；五、得到局部匀色处理后的各类别数据；六、合成新的待匀色图像；七、进行直方图匹配再次匀色；八、将匀色处理后的图像作为参考图像，重复执行三至七，直至同波段灰度图像全部匀色处理完，将图像拼接；九、重复二至八获得所有拼接好的图像，合成新多/高光谱遥感图像。本发明专利技术用于图像匀色领域。

【技术实现步骤摘要】
基于FCM聚类匹配+Wallis滤波的无重多/高光谱遥感图像匀色方法
本专利技术涉及多/高光谱遥感影像图像匀色方法。
技术介绍
目前，遥感技术的发展方向包含了多个方面，主要是多光谱、多角度、多时相、多平台、多传感器融合的综合应用。但无论是通过何种手段或者方式获取得到的遥感数据，均会存在一些外在的因素比如传感器因素、人为因素以及天气条件等原因，导致不能将获取的遥感影像被直接广泛应用，这些影像需要科研人员经过一定的处理校正，比如图像的几何或者辐射校正、图像的匀色处理等，影像只有经过这样的后期处理才能被应用到各大领域中。而图像的匀色这一处理需要研究人员经过长期不懈地坚持努力，才能让前期获取的遥感影像达到视觉效果上良好、影像的色彩以及亮度尽可能跟地物本身相似、影像中的地物纹理清晰等目的。近年来，图像的匀色算法逐渐地引起了国内学者的高度重视。在建立大范围的空间影像数据库时，要求同一场景的影像经过拼接后是一幅影像之间基本没有色彩和亮度偏差的无缝的大影像。现有的软件INPHO是在过渡区域对拼接缝进行处理来消除影像之间的色彩差异，但是如果在影像本文档来自技高网...

【技术保护点】
1.基于FCM聚类匹配+Wallis滤波的无重多/高光谱遥感图像匀色方法，其特征在于：所述方法具体过程为：/n步骤一、获得多/高光谱遥感图像，对多/高光谱遥感图像进行分波段处理，获得M组同波段灰度图像，第m组同波段灰度图像为X1、X2、X3、…、Xα、…、Xn；m＝1,2,...,M；α＝1,2,...,n；/n步骤二、通过统计第m组同波段灰度图像X1、X2、X3、…、Xα、…、Xn的信息量及地物丰富度，选取出参考图像作为参考；/n步骤三、对待匀色图像与参考图像分别进行FCM聚类，得到经过FCM聚类后的结果；/n步骤四、将经过FCM聚类后的结果进行类别匹配；/n步骤五、在两幅图像相互匹配的类别...

【技术特征摘要】
1.基于FCM聚类匹配+Wallis滤波的无重多/高光谱遥感图像匀色方法，其特征在于：所述方法具体过程为：
步骤一、获得多/高光谱遥感图像，对多/高光谱遥感图像进行分波段处理，获得M组同波段灰度图像，第m组同波段灰度图像为X1、X2、X3、…、Xα、…、Xn；m＝1,2,...,M；α＝1,2,...,n；
步骤二、通过统计第m组同波段灰度图像X1、X2、X3、…、Xα、…、Xn的信息量及地物丰富度，选取出参考图像作为参考；
步骤三、对待匀色图像与参考图像分别进行FCM聚类，得到经过FCM聚类后的结果；
步骤四、将经过FCM聚类后的结果进行类别匹配；
步骤五、在两幅图像相互匹配的类别数据间利用Wallis滤波算法进行局部匀色处理，得到局部匀色处理后的各类别数据；
步骤六、将局部匀色处理后的各类别数据合成新的待匀色图像X`d；
步骤七、对新的待匀色图像X`d进行直方图匹配再次匀色，得到匀色图像；
步骤八、将匀色处理后的图像作为参考图像，重复执行步骤三至步骤七，直至第m组同波段灰度图像全部匀色处理完，将匀色处理完的第m组同波段灰度图像拼接；
步骤九、重复步骤二至步骤八获得所有M组拼接好的灰度图像，将所有M组拼接好的灰度图像合成新多/高光谱遥感图像。


2.根据权利要求1所述基于FCM聚类匹配+Wallis滤波的无重多/高光谱遥感图像匀色方法，其特征在于：所述步骤二中通过统计第m组同波段灰度图像X1、X2、X3、…、Xα、…、Xn的信息量及地物丰富度，选取出参考图像作为参考；具体过程为：
步骤二一、信息熵表示第m组同波段灰度图像X1、X2、X3、…、Xα、…、Xn包含信息量的多少；
对于第m组同波段灰度图像X1、X2、X3、…、Xα、…、Xn，认为第m组同波段灰度图像X1、X2、X3、…、Xα、…、Xn每幅图像中各灰度值是相互独立的样本，单幅图像中各灰度值所占比例为p＝{p1、p2、p3,…,pδ,…,pc}；
利用以下公式分别计算第m组同波段灰度图像X1、X2、X3、…、Xα、…、Xn中每幅图像的信息熵：



式中，δ表示第m组同波段灰度图像Xα的某灰度级；pδ表示第m组同波段灰度图像Xα对应灰度级出现的概率；c表示第m组同波段灰度图像Xα的灰度级个数；
步骤二二、按各占百分之五十的权重统计第m组同波段灰度图像X1、X2、X3、…、Xα、…、Xn中每幅图像的的参考价值，计算公式如下：



式中，Q为参考价值，H为第m组同波段灰度图像Xα的信息熵，Hmax为第m组同波段灰度图像X1、X2、X3、…、Xα、…、Xn中信息熵中最大值，N为第m组同波段灰度图像Xα包含地物种类，Nmax为第m组同波段灰度图像X1、X2、X3、…、Xα、…、Xn中包含地物种类最大值；
参考价值Q取最大值时所指的灰度图像Xe为第m组同波段灰度图像X1、X2、X3、…、Xα、…、Xn的参考图像；α＝1,2,...n。


3.根据权利要求1或2所述基于FCM聚类匹配+Wallis滤波的无重多/高光谱遥感图像匀色方法，其特征在于：所述步骤三中对待匀色图像与参考图像分别进行FCM聚类，得到经过FCM聚类后的结果；
具体过程为：
一、输入待分割灰度图像Xβ，设置聚类类别数为C，模糊度指数为m，迭代终止条件为ε以及最大迭代次数；
待分割灰度图像Xβ为待匀色图像或参考图像；
二、在[0,1]之间随机初始化隶属度矩阵U(0)，保证
式中，C为聚类类别数，2≤C≤N，N为待分割图像Xβ中的像素点个数，i＝{1,2,…,N}，uij表示像素点xi对第j类的隶属度，vj表示第j类的聚类中心，j＝{1,2,…,C}；X＝{x1,x2,...,xi...

【专利技术属性】
技术研发人员：高国明，俞雪雷，谷延锋，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：黑龙江;23