一种基于暗通道先验和导向滤波的分布式遥感图像去雾方法技术

本发明专利技术公开了一种基于暗通道先验和导向滤波的分布式遥感图像去雾方法。首先，中枢节点获取能完成遥感图像协同去雾处理任务的其他节点的信息，并将待去雾遥感图像分割成图像块并依序分发至各节点；其次，根据暗通道先验及最小值滤波窗口大小，进行毗邻子节点间边界扩展模型数据的传输，生成扩展滤波边界的暗通道图；然后，各节点发送暗通道图的灰度分布直方图信息至中枢节点，中枢节点据此计算总体大气光均值并广播至各节点；各节点根据接收到的总体大气光均值和导向滤波所求得的精细化透射率进行图像块去雾，并将去雾处理后图像块发还给中枢节点；中枢节点将接收到的所有去雾后图像块拼接成去雾后遥感图像。图像块拼接成去雾后遥感图像。图像块拼接成去雾后遥感图像。

【技术实现步骤摘要】
一种基于暗通道先验和导向滤波的分布式遥感图像去雾方法


[0001]本专利技术涉及数字图像处理
，具体涉及一种基于暗通道先验和导向滤波的分布式遥感图像去雾方法。

技术介绍

[0002]近年来，科技进步使得天基卫星数量逐年增长，无论是民用地图定位还是军用图像侦察都需要建立相应的卫星图像库，以利用图像数据获取有效信息。而从近地轨道甚至距离更远的地方拍摄图像，不可避免地要受到地表大气和云层的干扰，此时获取的卫星遥感图像相当一部分有效信息会被雾气和烟霾遮蔽，因此在卫星遥感、地图数据库等领域中去雾处理需求也在不断增长。
[0003]分布式系统能有效利用多个计算节点的硬件资源，整个系统建立在节点网络通信的基础之上，因此分布式系统同时兼具灵活性与统一性，各节点既能作为独立的物理单元完成计算任务，又能通过节点间信息的有效传输，以作为一个整体完成复杂的大型任务。
[0004]常规的图像去雾方法基本都是利用单个计算节点处理整幅图像，通过对有雾图像中的大气散射模型展开研究，求解未知变量，从而利用雾图形成模型以恢复出无雾图像。但是对于卫星遥感图像来说，单个节点处理整幅图像的方法在效率和资源利用上并不占优势，遥感图像的尺寸较大并且单个卫星计算资源有限，此时分布式处理方法能更高效地整合多个卫星的计算资源、提高图像的去雾效率，并实现实时在轨去雾。

技术实现思路

[0005]本专利技术提供了一种基于暗通道先验和导向滤波的分布式遥感图像去雾方法，以解决单幅图像去雾方法在处理遥感图像的低效率问题，同时能在单个卫星节点计算资源有限情况下充分整合利用多个卫星节点的计算资源，完成遥感图像的去雾。
[0006]本专利技术的技术解决方案是：一种基于暗通道先验和导向滤波的分布式遥感图像去雾方法，包含以下步骤：
[0007]步骤1、随机选取某节点为中枢节点(中枢节点主要功能有：一、作为普通节点间的数据中转站以及控制中心；二、内部可虚拟化一个普通节点执行与其他工作节点同样的去雾处理流程)，输入待去雾遥感图像I，其高度为H、宽度为W；
[0008]步骤2、中枢节点分割待去雾图像并分发至各节点；
[0009]步骤2.1、中枢节点(节点编号node0)与各节点进行网络互连，获取总有效节点数N+1(包括中枢节点)，并依次给各普通节点编号node1，node2，
…
，node
N
；
[0010]步骤2.2、根据有效节点数N确定分割图像I的横向割线数目x
seg
、纵向割线数目y
seg
，通过横向割线和纵向割线将图像I分割为(x
seg
+1)行、(y
seg
+1)列，上述各变量满足公式(1)与公式(2)所示关系：
[0011](x
seg
+1)
·
(y
seg
+1)<N+1
ꢀꢀꢀꢀꢀꢀ
(1)
[0012]|x
seg-y
seg
|≤1
ꢀꢀꢀꢀꢀꢀ
(2)
[0013]步骤2.3、从N个普通节点中依序选取n个工作节点(编号为node1，node2，
…
，node
n
)以及m个备用节点(编号为node
n+1
，node
n+2
，
…
，node
n+m
)，并将已分割的n+1张图像块按其在图像I中的位置依序编号，如图像块(j,k)表示位于图像I的从上至下第j-1条横向割线和从左至右第k-1条纵向割线的交点右下部的图像块，其中j∈(0,x
seg
+1]，k∈(0,y
seg
+1]，两者皆为整数，其中各类型节点的数量关系由公式(3)、公式(4)给出：
[0014]n＝(x
seg
+1)
·
(y
seg
+1)-1
ꢀꢀꢀꢀꢀꢀ
(3)
[0015]n+m+1≤N+1
ꢀꢀꢀꢀꢀꢀ
(4)
[0016]图像块(1,1)由中枢节点处理，其余图像块分发至n个工作节点，接收编号为(j,k)的图像块的节点编号为各工作节点初始处于自由状态S(读取中断点继续进行本地去雾流程的状态)；
[0017]步骤3、各节点生成已扩展滤波边界的暗通道导图；
[0018]步骤3.1、根据下采样因子f(一般设置为0.5)，对图像块下采样，获得下采样后待处理图I
down
，下采样步长step由公式(5)求出；
[0019]step＝1/f,(0<f<1)
ꢀꢀꢀꢀꢀꢀ
(5)
[0020]对图像块的行与列采用相同的步长进行下采样，图像I
down
的高度H
down
、宽度W
down
由公式(6)和公式(7)得出：
[0021][0022][0023]步骤3.2、求出图I
down
的单像素最小通道值，即每个像素RGB分量中的最小值，存入和图I
down
尺寸一致的灰度图中，即最小值图，像素转换关系由公式(8)给出：
[0024][0025]所述J
min
(y)表示最小值图中像素y处的灰度值，J
c
(y)表示下采样后待处理图I
down
中像素y处的c通道值且c∈{R,G,B}；
[0026]步骤3.3、各节点生成最小值图后，发送消息至中枢节点，中枢节点将各节点依次调整为等待状态S0，此过程耗费时间Δt0由公式(9)给出：
[0027][0028]所述为第一个完成最小值图生成任务的节点进入等待状态的时刻，为第n+1个，也即最后一个，完成最小值图生成任务的节点进入等待状态的时刻。
[0029]节点响应超时阈值Δt由公式(10)给出：
[0030]Δt＝ε
·
(T
i-T
i-1
)/(i-1)
ꢀꢀꢀꢀꢀꢀ
(10)
[0031]所述ε为响应超时系数，一般设置为3～6之间，T
i-1
为最后一个未超时完成任务(公式(10)在步骤3.3中适用的任务为最小值图生成任务)的节点进入规定状态(自由状态S、等待状态S0、输出状态S1、输入状态S2)的时刻，此时未超时的节点数为i-1，当Δt<T
i-T
i-1
时，判断第i个完成或仍未完成的节点预超时，此时从备用节点中选择新节点并执行与所对应预超时节点相同的任务，当新节点先于预超时节点完成任务，此时判断该预超时节点超时
并由新节点继承其编号以及之后的处理任务；
[0032]步骤3.4、将各节点的最小值图边界区域的像素信息通过中枢节点传输至对应的毗邻本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于暗通道先验和导向滤波的分布式遥感图像去雾方法，其特征在于，包括以下步骤：步骤1、随机选取某节点为中枢节点，输入待去雾遥感图像I，其高度为H、宽度为W；步骤2、中枢节点分割待去雾图像并分发至各节点；步骤2.1、中枢节点与各节点进行网络互连，获取总有效节点数N+1，并依次给各普通节点编号node1，node2，
…
，node
N
，中枢节点的节点编号node0，；步骤2.2、根据有效节点数N确定分割图像I的横向割线数目x
seg
、纵向割线数目y
seg
，通过横向割线和纵向割线将图像I分割为(x
seg
+1)行、(y
seg
+1)列；步骤2.3、从N个普通节点中依序选取n个工作节点，编号为node1，node2，
…
，node
n
，以及m个备用节点，编号为node
n+1
，node
n+2
，
…
，node
n+m
，并将已分割的n+1张图像块按其在图像I中的位置依序编号，如图像块(j，k)表示位于图像I的从上至下第j-1条横向割线和从左至右第k-1条纵向割线的交点右下部的图像块，其中j∈(0，x
seg
+1]，k∈(0，y
seg
+1]，两者皆为整数；图像块(1，1)由中枢节点处理，其余图像块分发至n个工作节点，接收编号为(j，k)的图像块的节点编号为各工作节点初始处于自由状态S，即读取中断点继续进行本地去雾流程的状态；步骤3、各节点生成已扩展滤波边界的暗通道导图；步骤3.1、根据下采样因子f，对图像块下采样，获得下采样后待处理图I
down
；步骤3.2、求出图I
down
的单像素最小通道值，即每个像素RGB分量中的最小值，存入和图I
down
尺寸一致的灰度图中，即最小值图；步骤3.3、各节点生成最小值图后，发送消息至中枢节点，中枢节点将各节点依次调整为等待状态S0；步骤3.4、将各节点的最小值图边界区域的像素信息通过中枢节点传输至对应的毗邻节点；步骤3.5、进行扩展滤波边界的最小值滤波，生成暗通道导图；步骤4、根据各节点所提供的暗通道图灰度分布，完成总体大气光的计算并将其反馈回各节点；步骤5、根据步骤4中所获得的总体大气光值计算大气光均值；步骤6、各节点将去雾图像发送至中枢节点进行拼接，生成完整的无雾遥感图像。2.根据权利要求1所述的一种基于暗通道先验和导向滤波的分布式遥感图像去雾方法，其特征在于：步骤3.1中下采样步长step由公式(1)求出；step＝1/f，(0＜f＜1)
ꢀꢀꢀꢀ
(1)对图像块的行与列采用相同的步长进行下采样，图像I
down
的高度H
down
、宽度W
down
由公式(2)和公式(3)得出：(2)和公式(3)得出：
其中，H和W表示输入的待去雾遥感图像的高度和宽度。3.根据权利要求1所述的一种基于暗通道先验和导向滤波的分布式遥感图像去雾方法，其特征在于：步骤3.3中枢节点将各节点依次调整为等待状态S0，此过程耗费时间Δt0由公式(4)给出：其中，为第一个完成最小值图生成任务的节点进入等待状态的时刻，为第n+1个，也即最后一个，完成最小值图生成任务的节点进入等待状态的时刻；节点响应超时阈值Δt由公式(5)给出：Δt＝ε
·
(T
i-T
i-1
)/(i-1)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(5)其中ε为响应超时系数，T
i-1
为最后一个未超时完成任务的节点进入规定状态的时刻，规定状态包括自由状态S、等待状态S0、输出状态S1、输入状态S2；此时未超时的节点数为i-1，当Δt＜T
i-T
i-1
时，判断第i个完成或仍未完成的节点预超时，此时从备用节点中选择新节点并执行与所对应预超时节点相同的任务，当新节点先于预超时节点完成任务，此时判断该预超时节点超时并由新节点继承其编号以及之后的处理任务。4.根据权利要求1所述的一种基于暗通道先验和导向滤波的分布式遥感图像去雾方法，其特征在于：所述步骤3.4的具体流程步骤如下：步骤3.4.1、中枢节点每个周期内选择一批待传输的节点，批次数量Batch由公式(6)给出：Batch＝[(n+1)/BatchNum]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(6)其中，每批次包含的节点数量为BatchNum，n+1为节点总数；根据所处理图像块的编号确定各节点所对应的毗邻节点，处理编号为(j，k)的图像块的节点i，其毗邻节点为处理编号为(j，k-1)、(j-1，k)、(j+1，k)、(j，k+1)的图像块的节点集合，若图像块编号无效则从毗邻节点集合中剔除对应节点；步骤3.4.2、设置最小值滤波窗口半径r并确定滤波边界扩展宽度r
ext
，其中r
ext
＞r，r
ext
的值一般设置为2r～5r之间，调整所选批次节点状态为输出状态S1，并依序接收该批次节点所发送的所有最小值图边界区域的像素信息，若遗失某条边界相关信息则重复请求相应节点3次，若节点仍无法传输正确边界相关信息则从备用节点中选取新节点替换该节点；确定最小值图边界区域规则如下：某节点i所处理图像块与该节点的毗邻节点i+1所处理图像块拥有共同边界L，则节点i发送至节点i+1的最小值图边界区域为矩形，且某条边是边界L，r
ext
为区域宽度；步骤3.4.3、中枢节点将所选批次中的节点所对应的毗邻节点状态设置为输入状态S2，并将相应最小值图边界区域像素信息传输至毗邻节点；每批次节点的数据传输过程的响应超时阈值Δt由公式(5)已给出，公式(5)在步骤3.4中适用任务为最小值图边界区域像素信息传输任务，每批次数据传输过程完成且无异常后，将该批次节点及其毗邻节点状态重新设置为等待状态S0，所有批次数据传输过程完成且无异常后，将所有批次节点状态设置为自由状态S，所有批次传输过程持续总时间Δt1由公式(7)给出：其中为第i批次的所有节点完成传输过程所需要的时间，批次数量Batch由公式(6)
给出。5.根据权利要求1所述的一种基于暗通道先验和导向滤波的分布式遥感图像去雾方法，其特征在于：所述步骤3.5的具体流程步骤如下：步骤3.5.1、各节点使用半径为r的滤波窗口在最小值图上进行滑动处理，选取窗口中灰度值最小的像素点，用其替代窗口中心的像素点，窗口滤波生成暗通道过程由公式(8)给出：所述Ω{x}表示以像素x为中心的滤波窗口范围，由步骤3.4.2的出窗口大小为2r+1，其中J
dark
(x)为窗口中心像素x的暗通道值，J
min
(y)为步骤3.2所求得的图I
down
中的像素y的最小通道值，在公式(8)中表示以像素x为中心的滤波窗口内的像素；步骤3.5.2、当滤波窗口滑动至最小值图的某个边界L时，即窗口边缘与边界L重合时，可利用步骤3.4中所接收并存储的毗邻节点的最小值图边界区域信息对本节点的最小值图进行边界扩展，滤波窗口则继续在已扩展边界的最小值图上滑动滤波，滤波结束后将所扩展的边界区域分离，各节点则生成已扩展滤波边界的暗通道导图。6.根据权利要求1所述的一种基于暗通道先验和导向滤波的分布式遥感图像去雾方法，其特征在于：所述步骤4的具体流程步骤如下：步骤4.1、各节点从已生成的暗通道导图中获取所有像素点的灰度分布直方图，获取完成后发送消息至中枢节点，中枢节点将各节点以此调整为等待状态S0，此过程耗费时间Δt2由公式(9)给出：所述为第一个完成暗通道图灰度分布统计任务的节点进入等待状态的时刻，为第n+1个，也即最后一个，完成暗通道图灰度分布统计任务的节点进入等待状态的时刻；步骤4.2、中枢节点将各节点状态调整为输出状态S1，依照节点序号接收节点所传输的暗通道图灰度分布直方图，当节点数据被正确接收后，调整节点状态为等待状态S0；所有节点传输过程完成后，中枢节点进行数据汇总以生成总体暗通道图灰度分布直方图；中枢节点选取总体暗通道灰度分布直方图中亮度处于前0.1％的像素，记录亮度前0.1％的像素的灰度下限Quantile的值，并将各节点状态调整为输入状态S2，各节点接收中枢节点传输的Quantile值，正确接收数据后无异常后，将其状态调整为自由状态S，整个步骤4.2的传输过程耗费时间Δt3由公式(10)给出：Δt3∈[T3，T3+Δt
′
]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(10)所述中T3表示首个完成传输任务的节点整个传输过程中所耗费的时间，Δt
′
表示最后一个完成传输任务的节点与首个完成任务的节点的所耗费的时间差的绝对值；步骤4.3、各节点将接收的Quantile值作为灰度阈值...

【专利技术属性】
技术研发人员：王泉德，王奇坤，
申请(专利权)人：武汉大学，
类型：发明
国别省市：