【技术实现步骤摘要】
结合暗通道先验算法和U
‑
Net的遥感图像除雾度方法
[0001]本专利技术涉及遥感图像的去除雾度的算法领域，更具体地，涉及一种结合暗通道先验算法和U
‑
Net的遥感图像除雾度方法。
技术介绍
[0002]遥感技术已广泛应用于许多领域，但遥感图像总是受到不利天气条件的影响，影像中的某些地面覆盖信息被降噪或被覆盖，因此遥感图像质量始终会受到影响，大量采集到的遥感图像难以被利用，极大影响了后续的遥感图像应用率，造成采集数据和资源的大量浪费，所以遥感图像去除雾度技术是非常重要的。应用大气散射模型的去雾算法是目前较为常用的一种方法，其主要原理是根据各种先验知识或图像处理手段，根据有雾图像估计出合理的大气光值和透射率，使去雾效果达到最好。无雾图像的暗通道值经常接近于零，本算法利用重构一通道的通道值，保持另外两通道原始雾度图像的特征，分别合成三幅新的雾度图像，并进行去雾操作后，进行权重加权的方法，能够更好的恢复遥感图像的清晰度和对比度，更大程度上保持了图像的原有色彩，降低了明亮区域的色彩失真。本算法利...
【技术保护点】
【技术特征摘要】
1.一种结合暗通道先验算法和U
‑
Net的遥感图像除雾度方法，其特征在于，包括以下步骤：S1：将遥感图像的通道分别重构后，与另外两通道结合，分别得到三幅新的雾度图像；S2：利用步骤S1中得到的三幅雾度图像，分别得到遥感图像的暗通道图；S3：根据遥感图像的暗通道图，计算遥感图像的透射率；S4：将遥感图像送入U
‑
Net网络分割出图像中的浓雾区；S5：将步骤S4中分割的区域作为浓雾候选区域；S6：结合步骤S5中得到的浓雾候选区，计算全球大气光值；S7：结合步骤S3中得到的透射率和步骤S6中得到的全球大气光值，分别对三幅新的雾度图像进行除雾操作；S8：将步骤S7中得到的三幅去雾图像，进行权重加权得到最终除雾结果。2.根据权利要求1所述的结合暗通道先验算法和U
‑
Net的遥感图像除雾度方法，其特征在于，所述步骤S1中，将遥感图像每一个重构通道值的通道与另外两个未改变的通道相结合，分别构成三幅新的雾度图像。3.根据权利要求2所述的结合暗通道先验算法和U
‑
Net的遥感图像除雾度方法，其特征在于，步骤S1中，重构遥感图像通道的通道值，保持另外两通道原始雾度图像的特征，以使去雾后的遥感图像达到更好的效果，重构B通道为I
’
b
(m)：其中，ω1和ω2为阈值，将重构后的B通道I
’
b
(m)和I
r
(m)，i
g
(m)结合成新的雾度图像i
B
(m)，对i
B
(m)进行除雾操作，得到去雾后的结果L1(m)，L1(m)保持了原始遥感雾度图像红色通道和绿色通道的特征，重复上述过程，得到重构R通道的去雾结果L2(m)，重构G通道的去雾结果L3(m)，对去雾图像结果进行权重加权，得到最终结果：4.根据权利要求3所述的结合暗通道先验算法和U
‑
Net的遥感图像除雾度方法，其特征在于，ω1设置为150，ω2设置为1。5.根据权利要求4所述的结合暗通道先验算法和U
‑
Net的遥感图像除雾度方法，其特征在于，步骤S2...
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。