一种基于多时相影像的相对辐射校正方法技术

本发明专利技术公开了一种基于多时相影像的相对辐射校正方法，首先获取需要校正的图像和目标图像，对原始图像和目标图像进行通道分离和直方图计算，得到各通道的直方图；再计算累计分布函数和灰度映射，最后进行颜色通道合并，根据校正后的红色

【技术实现步骤摘要】
一种基于多时相影像的相对辐射校正方法


[0001]本专利技术属于图像处理
，具体涉及一种基于多时相影像的相对辐射校正方法
。

技术介绍

[0002]在计算机视觉和图像处理领域，有许多技术用于改善图像质量
、
增强图像特征和解决不同的图像处理问题
。
在遥感图像处理中，由于受大气传输引起的遮挡和散射效应影响，遥感图像通常存在辐射亮度失真问题，有必要进行辐射校正
。
目前辐射校正算法有几种不同思路，第一种是运用色卡比色法，即使用标准色卡在标准光照条件下拍摄，并基于色卡将有偏色的相机校正到标准的色调
。
然而，对于遥感图像领域，针对拍摄现场的场景实地取样不易获取，同时这种方法操作复杂，对光源依赖性强，误差较大
。
第二种方法是基于理论假设进行白平衡校正，其中常见的假设有灰度世界假设和完美世界反射
。
这些假设通过修改图像的统计信息来使其色调更接近肉眼看到的中性色
。
第三种方法是通过像素值寻找图像间的映射函数，将待校正的相机图像在输出前应用映射函数映射到目标相机的色彩空间
。
然而，这些方法在精确性
、
稳定性和时间复杂度上都存在一定问题，至今未能被广泛应用于工业领域
。
因此，研发一种高度精确且稳定的辐射校正算法，并降低其时间复杂度，十分必要
。

技术实现思路

[0003]为了克服现有技术的不足，本专利技术提供了一种基于多时相影像的相对辐射校正方法，首先获取需要校正的图像和目标图像，对原始图像和目标图像进行通道分离和直方图计算，得到各通道的直方图；再计算累计分布函数和灰度映射，最后进行颜色通道合并，根据校正后的红色
、
绿色和蓝色通道，将其合并为一幅校正后的
RGB
图像；这个校正后的
RGB
图像即为最终的校正结果
。
本专利技术方法能够降低大气传输对图像的影响，从而提升图像的质量和清晰度，校正后的图像将更加真实
、
清晰，具有更好的视觉效果
。
[0004]本专利技术解决其技术问题所采用的技术方案包括如下步骤：
[0005]步骤1：数据准备阶段；
[0006]步骤1‑1：获取需要校正的图像；
[0007]从图像获取设备或卫星中获取待校正的图像；待校正的
RGB
图像是需要进行校正的原始图像；
[0008]步骤1‑2：获取目标图像；
[0009]从经过校正的图像数据库中获取目标图像，该目标图像作为校正的参考标准；
[0010]步骤2：计算直方图；
[0011]步骤2‑1：对原始图像首先对其进行通道分离，分别提取红色通道
、
绿色通道和蓝色通道的像素值；然后，对每个通道的像素值进行直方图计算，统计图像中不同灰度级别的像素数量；
[0012]步骤2‑2：对目标图像同样进行通道分离和直方图计算，得到目标图像各通道的直方图；
[0013]步骤3：计算累计分布函数；
[0014]步骤3‑1：对原始图像各通道的直方图进行归一化处理，得到原始图像各通道的概率密度函数；通过归一化，将像素值映射到
[0,1]的范围内；
[0015]步骤3‑2将目标图像各通道的直方图同样进行归一化处理，得到目标图像各通道的概率密度函数；
[0016]步骤4：灰度映射值计算；
[0017]步骤4‑1：在每个通道内，根据原始图像各通道的累计分布函数和目标图像各通道的累计分布函数，找到最接近的映射值；映射值代表了当前像素灰度值在目标图像中对应的灰度值；
[0018]步骤4‑2：根据找到的映射值，将原始图像的每个像素根据灰度映射，将其映射到目标图像通道的灰度值，实现校正；这个过程分别应用于红色
、
绿色和蓝色通道；
[0019]步骤5：颜色通道合并；
[0020]根据校正后的红色
、
绿色和蓝色通道，将其合并为一幅校正后的
RGB
图像；这个校正后的
RGB
图像即为最终的校正结果
。
[0021]优选地，所述对原始图像首先对其进行通道分离，分别提取红色通道
、
绿色通道和蓝色通道的像素值具体为：
[0022]L
＝
L
B
+L
G
+L
R
[0023]L
B
＝
L[:,:,0][0024]L
G
＝
L[:,:,1][0025]L
R
＝
L[
：，：，
2][0026]其中
L
代表灰度图像，用于表示原始图像的灰度信息；公式通过将红色通道
、
绿色通道和蓝色通道的像素值相加得到
L
；
L
B
代表蓝色通道的像素值，它表示原始图像中所有像素的蓝色分量；
L
G
代表绿色通道的像素值，它表示原始图像中所有像素的绿色分量；
L
R
代表红色通道的像素值，它表示原始图像中所有像素的红色分量；通过将这些通道相加，得到灰度图像
L。
[0027]优选地，所述步骤3具体为：
[0028]利用直方图数据，分别计算原始图像的红色
、
绿色和蓝色通道的累积分布函数，以及目标图像的红色
、
绿色和蓝色通道的累积分布函数；累积分布函数用于表示图像中像素值在不同范围内的累积分布；
[0029]假设原始通道的直方图为
H
Corrected
，目标通道的直方图为
H
Target
，其中
CDF
表示累积分假设原始通道的直方图为
H
Corrected
，目标通道的直方图为
H
Target
，
i
和
j
均表示为图像的每一个像素，其中
CDF
表示累积分布函数：
[0030][0031][0032]优选地，所述步骤4具体为：
[0033]创建空的输出图像通道，大小与原始图像相同；对原始图像的每个像素进行灰度映射；对于每个通道的每个像素值，通过比较原始图像的累积分布函数
CDF
和目标图像的累积分布函数
CDF
，找到最接近的像素值的映射关系，并将映射后的像素值填充到输出图像通道中：
[0034]map_value_R
＝
Min(|CDF
CR
(i)
‑
CDF
TB
(j)|)
[0035]map_value_G
＝
Min(|CDF本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于多时相影像的相对辐射校正方法，其特征在于，包括如下步骤：步骤1：数据准备阶段；步骤1‑1：获取需要校正的图像；从图像获取设备或卫星中获取待校正的图像；待校正的
RGB
图像是需要进行校正的原始图像；步骤1‑2：获取目标图像；从经过校正的图像数据库中获取目标图像，该目标图像作为校正的参考标准；步骤2：计算直方图；步骤2‑1：对原始图像首先对其进行通道分离，分别提取红色通道
、
绿色通道和蓝色通道的像素值；然后，对每个通道的像素值进行直方图计算，统计图像中不同灰度级别的像素数量；步骤2‑2：对目标图像同样进行通道分离和直方图计算，得到目标图像各通道的直方图；步骤3：计算累计分布函数；步骤3‑1：对原始图像各通道的直方图进行归一化处理，得到原始图像各通道的概率密度函数；通过归一化，将像素值映射到
[0,1]
的范围内；步骤3‑2将目标图像各通道的直方图同样进行归一化处理，得到目标图像各通道的概率密度函数；步骤4：灰度映射值计算；步骤4‑1：在每个通道内，根据原始图像各通道的累计分布函数和目标图像各通道的累计分布函数，找到最接近的映射值；映射值代表了当前像素灰度值在目标图像中对应的灰度值；步骤4‑2：根据找到的映射值，将原始图像的每个像素根据灰度映射，将其映射到目标图像通道的灰度值，实现校正；这个过程分别应用于红色
、
绿色和蓝色通道；步骤5：颜色通道合并；根据校正后的红色
、
绿色和蓝色通道，将其合并为一幅校正后的
RGB
图像；这个校正后的
RGB
图像即为最终的校正结果
。2.
根据权利要求1所述的一种基于多时相影像的相对辐射校正方法，其特征在于，所述对原始图像首先对其进行通道分离，分别提取红色通道
、
绿色通道和蓝色通道的像素值具体为：
L
＝
L
B
+L
G
+L
R
L
B
＝
L[
：，：，
0]L
G
＝
L[
：，：，
1]L
R
＝
L[
：，：，
2]
其中
L
代表灰度图像，用于表示原始图像的灰度信息；公式通过将红色通道
、
绿色通道和蓝色通道的像素值相加得到
L
；
L
B
代表蓝色通道的像素值，它表示原始图像中所有像素的蓝色分量；
L
G
代表绿色通道的像素值，它表示原始图像中所有像素的绿色分量；
L
R
代表红色通道的像素值，它表示原始图像中所有像素的红色分量；通过将这些通道相加，得到灰度图像
L。
3.
根据权利要求2所述的一种基于多时相影像的相对辐射校正方法，其特征在于，所述步骤3具体为：利用直方图数据，分别计算原始图像的红色
、
绿色和蓝色通道的累积分布函数，以及目标图像的红色
、
绿色和蓝色通道的累积分布函数；累积分布函数用于表示图像中像素值在不同范围内的累积分布；假设原始通道的直方图为
H
Corrected
，目标通道的直方图为
H
Target
，其中
CDF
表示累积分假设原始通道的直方图为
H
Corrected
，目标通道的直方图为
H
Target
，...

【专利技术属性】
技术研发人员：王琦，任嘉伟，张铭威，李学龙，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：