一种面向舰船检测的全色遥感影像自适应增强方法技术

本发明专利技术提出一种面向舰船检测的全色遥感影像自适应增强方法。该方法基于局部灰度自适应变换，在保留小范围内灰度相对差异的同时，最大限度地突出感兴趣目标处的细节。利用信息熵、灰度相似性指标对邻近影像块进行合并，检测出噪声所在的块，并使用全局自适应增强对其进行校正，得到感兴趣信息增强的全色影像。经过测试，本发明专利技术所述方法可以有效解决以往方法存在的目标过度增强或者增强不足等问题，使得之前难以利用的有云等低质量数据可以在一定条件下被使用。条件下被使用。条件下被使用。

【技术实现步骤摘要】
一种面向舰船检测的全色遥感影像自适应增强方法


[0001]本专利技术属于遥感
，特别是涉及一种面向舰船检测的全色遥感影像自适应增强方法。

技术介绍

[0002]近年来随着遥感视频卫星技术的不断发展，国内外已成功发射了多颗高分辨率遥感卫星，这些卫星能在保证较高空间分辨率的情况下实现较快重访，能够持续观测地表动态变化，从而使得利用遥感技术对特定目标进行实时观测成为现实。例如，目前“吉林一号”已有70颗卫星在轨运行，其中超过60颗卫星具有获取高分辨率全色影像的能力，高分04A星影像的空间分辨率优于0.5m，宽幅01B星和宽幅01C星的空间分辨率达到0.5m；这些卫星可对全球任意地点实现每天23
‑
25次重访，可为目标检测、变化检测、地理测绘、土地规划等领域提供高质量的地理信息和产品服务，这为开发出更加多样更加便捷的应用提供了基础。
[0003]为充分利用高分辨率卫星获取的遥感影像，增强遥感图像的质量并突显出影像内的感兴趣地物。近年来国内外许多学者提出了能显著改善图像质量的增强方法。
[0004]然而目前的影像增强方法主要侧重于水下目标以及低照度目标，增强的影像侧重于多光谱影像以及近红外影像，对于面向舰船检测的全色影像增强的研究并不充足。舰船作为军事中的重要交通工具，具有较高研究价值。而全色波段影像是针对舰船检测的重要数据源，相较于多光谱影像有着空间分辨率更高等优势，因此面向舰船检测的全色影像增强具有重要研究意义。
[0005]现有的遥感影像增强方法主要有空间域方法、变换域方法和深度学习方法。常用的增强方法(如：直方图均衡法、伽马变换法)使用非线性变换突出显示影像中的地物细节，并压缩背景相关的信息。事实上，遥感影像的地物分布十分复杂，在噪声、云和光线变化干扰的情况下，无法在保留每一景地物细节的同时减少影像的噪声。其中，深度学习方法在遥感中很少被选择，主要是因为其速度难以满足实际要求。变换域的方法中，傅里叶变换常导致信号在变换过程中细节丢失，小波变换只能对点的奇异性进行描述，通常可能导致边缘粗糙；二进制小波变换不进行采样等操作，但是也受限于缺失多方向性，不能表现图像中面状信息、线状信息的奇异性。空间域方法直接对图像的灰度值进行处理，较为经典的方法包含直方图均衡化、伽马变换、灰度线性变换等方法。近年来，部分学者在直方图均衡化等方法的基础上研究基于直方图频率加权的影像增强方法，一种基于布谷鸟搜索算法的影像增强算法由Ashish提出，该算法将原始影像的灰度直方图划分为两个子直方图，通过布谷鸟算法分别对子直方图的平台极限值进行优化，实现了保留原影像亮度的对比度增强；Huang等通过伽马系数对累积分布函数进行改进实现对影像的增强，保留亮度的同时增强影像的对比度。然而，当前遥感影像的动态范围较高，其内部地物种类较多、不同影像内地物分布差异较大，由于光照条件存在差异和云雾遮挡等原因，同类地物在不同影像内的灰度也可能会相差较大，对影像采用统一的增强方式往往会导致影像内部分地物的细节损失。此外，使用直方图均衡化等方法增强，会导致低频的灰度级被合并，这使得灰度相近的相邻区域
纹理信息缺失，同时也会减少可识别的地物细节。局部增强可以有效解决上述问题。
[0006]较为经典的局部增强方法包括限制对比度的自适应直方图均衡化法。Kim等人提出了一种部分重叠子块直方图均衡化算法，减少了块效应的同时，提升了均衡化的速度。Wang等提出了基于相邻块的局部直方图均衡化方法，根据梯度的比值将影像划分为活动、非活动和一般区域，分别采取不同的增强策略，一定程度上改善了对影像的增强效果。Huang等对CLAHE方法进行改进，其提出的限制对比度的四分直方图均衡化算法(CLDQHE)可以保持亮度和结构，并能在一定程度上防止对背景等区域进行过度增强。
[0007]在目前针对遥感影像的增强方法中，主要研究集中在改善目标的视觉效果。这类影像增强方法仅保留了原始影像中像元间相对亮暗的定性关系，没有保留比值相关的纹理等定量信息。现存研究中也有一些基于深度学习的方法，但是经测试，在实际应用中其运行时间与增强效果并不能达到要求。现存研究中对于遥感影像的增强算法中有一些局部增强的方法值得借鉴，但是现有方法往往应用场景比较单一，并不能在实际应用中取得较稳定的结果。而且现存的局部增强方法往往基于直方图均衡法改进，无法保留小范围区域内的原始灰度信息与纹理细节。此外部分算法仅考虑降低影像内的噪声，忽略了对部分暗目标的增强。
[0008]随着遥感技术的不断发展，遥感影像越来越多地应用于目标检测、舰船检测等领域。然而，受到传感器性能退化和云雾的影响，许多用于目标检测的影像清晰度较差。此外，这些影像中的感兴趣舰船目标与背景十分相似，这也影响了舰船检测的精度。为了改善后续用于目标检测等领域的影像质量并提升检测的精度，需要从影像增强上着手。近年来，对于遥感影像进行图像增强处理的研究较多，其中局部自适应增强算法可以根据输入突显出局部区域的细节，并且计算速度较快，在遥感影像的影像增强研究中具有一定优势。当前面向舰船检测的全色遥感影像增强算法中主要存在的问题有以下几点：1.云雾遮挡；2.对于部分高亮区域过分增强；3.对于低亮目标的增强不足；4.遥感影像数据尺寸过大，计算耗时；5.海面辉光；6.遥感影像中地物类别及分布情况复杂。由于问题广泛存在，目前应用于舰船目标检测的数据中除了一些拍摄条件较为理想的数据之外，还有很多质量较差的数据未被充分利用。

技术实现思路

[0009]本专利技术目的是为了解决现有技术中的问题，提出了一种面向舰船检测的全色遥感影像自适应增强方法。本专利技术所述方法先使用局部增强算法增强影像在小范围区域的细节，然后基于邻近块校正算法识别出潜在的噪声块，最后使用基于灰度直方图的全局自适应影像增强结果对这些噪声块的影像增强参数进行修改。
[0010]本专利技术是通过以下技术方案实现的，本专利技术提出一种面向舰船检测的全色遥感影像自适应增强方法，所述方法包括局部影像增强、基于灰度直方图的全局自适应增强参数估算、分块进行信息熵等多维指标的估计、基于邻近块的块参数纠正及双线性内插平滑共四个阶段；具体为：首先，进行分块处理并分别计算图像中每个影像块的影像增强参数；然后，估算邻近块差异因子，并利用多维指标对邻近影像块进行合并，将影像划分为细节块与噪声块，对于噪声块，将增强参数替换为全局自适应灰度变换参数；最后，基于影像块的增强参数内插出每个像元处的参数以消除影像的块效应，得到感兴趣信息增强后的全色影
像。
[0011]进一步地，在所述局部影像增强阶段，假设存在一张图，其名为图A，图A内目标α的特征α1与x1、x2、x3这三个像元相关，这三个像元处的灰度分别是使用线性变换f(DN)＝k
×
DN+b后影像的灰度值分别是
[0012][0013]假设存在图B，图B内α的同类目标β存在与α1相对应的特征β1，β1与y1、y2、y3这三个像元相关，而这三个像元分别与x1、x2、x3相对应，y1、y2、y3经线性变换增强后的灰度值本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向舰船检测的全色遥感影像自适应增强方法，其特征在于，所述方法包括局部影像增强、基于灰度直方图的全局自适应增强参数估算、分块信息熵多维指标的估计、基于邻近块的块参数纠正及双线性内插平滑共四个阶段；具体为：首先，进行分块处理并分别计算图像中每个影像块的影像增强参数；然后，估算邻近块差异因子，并利用多维指标对邻近影像块进行合并，将影像划分为细节块与噪声块，对于噪声块，将增强参数替换为全局自适应灰度变换参数；最后，基于影像块的增强参数内插出每个像元处的参数以消除影像的块效应，得到感兴趣信息增强后的全色影像。2.根据权利要求1所述的方法，其特征在于，在所述局部影像增强阶段，假设存在一张图，其名为图A，图A内目标α的特征α1与x1、x2、x3这三个像元相关，这三个像元处的灰度分别是使用线性变换f(DN)＝k
×
DN+b后影像的灰度值分别是DN+b后影像的灰度值分别是假设存在图B，图B内α的同类目标β存在与α1相对应的特征β1，β1与y1、y2、y3这三个像元相关，而这三个像元分别与x1、x2、x3相对应，y1、y2、y3经线性变换增强后的灰度值分别是则有：由上式可知，线性拉伸不会改变比值相关的纹理特征，即使影像线性变换采用了不同的参数，增强后影像内的纹理特征也具有可比性；在所述局部影像增强阶段，将图像划分为W
×
H个子块，其中W是横向上块的数量，H是纵向上块的数量；对原始影像进行分块操作后，对于每个影像块，计算其块内像元的最大灰度值DN
max
和最小灰度值DN
min
，作为影像灰度变换的参数，对于影像块内的每个像元x
i
，基于式(1)计算其变换后的亮度值(1)计算其变换后的亮度值其中OUT
max
和OUT
min
分别是预设的输出影像最高亮度值和最低亮度值；在基于灰度直方图的全局自适应增强参数估算阶段，灰度线性变换的公式如下：原始图像中灰度介于DN
up
和DN
low
之间区域的灰度被线性映射至OUT
max
和OUT
min
，在灰度低于DN
low
或者灰度高于DN
up
的区域，影像的纹理信息和亮度信息减少，在OUT
max
和OUT
min
确定后，结合影像信息，自适应地选择合适的DN
up
和DN
low
参数；所述全局自适应增强从全色影像的灰度直方图出发，计算每个灰度级j的像元个数n
j
；
根据最小百分比阈值Per
min
和公式(2)，确定灰度直方图主体的灰度下限His
down
；同理，依据最大百分比阈值Per
max
和公式(3)确定灰度直方图主体的灰度上限His
up
；；His
width
＝His
up
‑
His
down
ꢀꢀꢀ
(4)基于灰度直方图主体的灰度上下限利用公式(4)确定灰度直方图主体的宽度His
...

【专利技术属性】
技术研发人员：高放，许强，庞冉，翟雨微，陆晴，张岩，
申请(专利权)人：长光卫星技术股份有限公司，
类型：发明
国别省市：