【技术实现步骤摘要】
本专利技术涉及图像数据处理，具体涉及基于人工智能的遥感图像自适应增强方法。
技术介绍
1、遥感技术是一种通过在地球表面之外的位置（如飞机或卫星）获取信息的技术，它能够收集地球表面和大气的数据而无需直接接触。遥感图像在许多领域中都有应用，包括农业、林业和城市规划等。
2、由于遥感图像受到多种因素的影响，包括大气散射、云层遮挡等，这些因素会降低图像的质量和可用性，而传统的遥感图像增强方法是对待增强使用直方图均衡化操作改善图像质量，但采用常规直方图均衡化方法调整遥感图像的整体对比度质量时，由于没有考虑到图像中不同区域的对比度差异，往往存在直方图均衡化后遥感图像的局部区域中出现对比度变差的情况，进而导致图像中的局部细节丢失，使得遥感图像的增强效果不理想。
技术实现思路
1、本专利技术提供基于人工智能的遥感图像自适应增强方法，以解决现有的问题。
2、本专利技术的基于人工智能的遥感图像自适应增强方法采用如下技术方案：
3、本专利技术一个实施例提供了基于人工智能的遥感图像自适应增强方法，该方法包括以下步骤：
4、获取灰度遥感图像以及灰度遥感图像的频域图像；
5、将灰度遥感图像划分为若干相同大小的像素块，根据灰度遥感图像和频域图像的变换关系，获取灰度遥感图像中像素点在频域图像中的映射像素点，根据每个像素块中所有像素点在频域图像的映射像素点的位置分布以及映射像素点的灰度值，获取每个像素块的频域细节系数；
6、对灰度遥感图像进行边
7、根据灰度遥感图像中第一像素块的细节参数结合神经网络对第一像素块进行合并，得到若干个新像素块，对新像素块和第二像素块分别进行图像增强，得到增强后的灰度遥感图像。
8、进一步地，所述灰度遥感图像的频域图像的具体获取方法为：
9、利用傅里叶变换对灰度遥感图像进行处理，得到灰度遥感图像的频域图像。
10、进一步地，所述根据灰度遥感图像和频域图像的变换关系，获取灰度遥感图像中像素点在频域图像中的映射像素点，包括的具体方法为：
11、将灰度遥感图像中任意像素点记为目标像素点，获取灰度遥感图像中目标像素在频域空间中存在傅里叶变换关系的像素点，记为灰度遥感图像中目标像素点在频域图像中的映射像素点。
12、进一步地，所述根据每个像素块中所有像素点在频域图像的映射像素点的位置分布以及映射像素点的灰度值，获取每个像素块的频域细节系数，包括的具体方法为：
13、获取灰度遥感图像的频域图像的中心点；获取灰度遥感图像的每个像素块的映射点集；
14、像素块的频域细节系数的具体计算方法为：
15、，
16、其中，表示灰度遥感图像的第个像素块的频域细节系数；表示灰度遥感图像的第个像素块内像素点的数量，表示灰度遥感图像的第个像素块的映射点集中第个映射像素点与频域图像的中心点的欧氏距离；表示灰度遥感图像的第个像素块的映射点集中第个映射像素点的灰度值。
17、进一步地，所述映射点集的具体获取方法为：
18、将灰度遥感图像中任意像素块记为目标像素块，将目标像素块内所有像素点在频域图像中的映射像素点形成的集合，记为目标像素块的映射点集。
19、进一步地，所述对灰度遥感图像进行边缘检测，获得灰度遥感图像中像素点的梯度幅值以及灰度遥感图像的边缘像素点，包括的具体方法为：
20、利用sobel算子获取灰度遥感图像中每个像素点的梯度幅值，并对灰度遥感图像进行sobel边缘检测，得到灰度遥感图像的边缘像素点。
21、进一步地，所述根据像素块中边缘像素点的数量以及边缘像素点的邻域范围内像素点的梯度幅值，获得像素块的空域边缘系数，包括的具体方法为：
22、将灰度遥感图像中第个像素块内所有像素点的平均梯度幅值记为第个像素块的梯度参数；
23、灰度遥感图像中第个像素块内强边缘像素点的数量与第个像素块内像素点的数量的比值，记为空域因子；
24、将记为第个像素块的空域边缘系数。
25、进一步地，所述根据像素块的频域细节系数和空域边缘系数的融合结果，获得像素块的细节参数，包括的具体方法为：
26、将灰度遥感图像的第个像素块的频域细节系数和空域边缘系数的乘积，记为第个像素块的第一数值；
27、将记为第个像素块的细节参数，其中表示归一化函数。
28、进一步地，所述根据灰度遥感图像中第一像素块的细节参数结合神经网络对第一像素块进行合并，得到若干个新像素块，包括的具体方法为：
29、利用训练好的卷积神经网络对灰度遥感图像中的第一像素块进行合并，获得若干个新像素块；
30、所述卷积神经网络的具体训练过程为：首先，获取若干灰度遥感图像以及灰度遥感图像中的第一像素块，将自然数作为标签，并将灰度遥感图像中需要合并的第一像素块标注为相同数字，将所有包含若干个第一像素块且带有标签的灰度遥感图像形成的集合，作为训练卷积神经网络的数据集；然后，将数据集输入到卷积神经网络中，将交叉熵损失函数作为卷积神经网络的损失函数，输出每个第一像素块标注的数字，将数字相同的第一像素块合并为一个像素块，将合并后得到的像素块记为新像素块。
31、进一步地，所述对新像素块和第二像素块分别进行图像增强，得到增强后的灰度遥感图像，包括的具体方法为：
32、分别对每个新像素块和第二像素块进行直方图均衡化处理，得到由所有直方图均衡化处理后的新像素块和第二像素块构成的图像，记为增强后的灰度遥感图像。
33、本专利技术的技术方案的有益效果是：通过计算得到的频域细节系数和空域边缘系数，获取灰度遥感图像中像素块的细节参数，然后对相邻像素块的细节参数差异进行合并处理，再进行直方图均衡化处理，实现了对灰度遥感图像的局部区域进行有针对性的增强处理，实现了对不同区域的自适应增强处理，这样可以保留灰度遥感图像中的细节信息，同时提高对比度，避免整体增强导致细节丢失的问题，在提高对灰度遥感图像的自适应增强能力的同时，有效提高了对灰度遥感图像的增强效果。
本文档来自技高网...【技术保护点】
1.基于人工智能的遥感图像自适应增强方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述基于人工智能的遥感图像自适应增强方法，其特征在于，所述灰度遥感图像的频域图像的具体获取方法为：
3.根据权利要求1所述基于人工智能的遥感图像自适应增强方法，其特征在于，所述根据灰度遥感图像和频域图像的变换关系，获取灰度遥感图像中像素点在频域图像中的映射像素点，包括的具体方法为：
4.根据权利要求1所述基于人工智能的遥感图像自适应增强方法，其特征在于，所述根据每个像素块中所有像素点在频域图像的映射像素点的位置分布以及映射像素点的灰度值，获取每个像素块的频域细节系数，包括的具体方法为：
5.根据权利要求4所述基于人工智能的遥感图像自适应增强方法，其特征在于，所述映射点集的具体获取方法为：
6.根据权利要求1所述基于人工智能的遥感图像自适应增强方法，其特征在于，所述对灰度遥感图像进行边缘检测，获得灰度遥感图像中像素点的梯度幅值以及灰度遥感图像的边缘像素点，包括的具体方法为：
7.根据权利要求1所述基于人工智能的遥感图像
8.根据权利要求1所述基于人工智能的遥感图像自适应增强方法，其特征在于，所述根据像素块的频域细节系数和空域边缘系数的融合结果，获得像素块的细节参数，根据细节参数的大小将像素块分为第一像素块和第二像素块，包括的具体方法为：
9.根据权利要求1所述基于人工智能的遥感图像自适应增强方法，其特征在于，所述根据灰度遥感图像中第一像素块的细节参数结合神经网络对第一像素块进行合并，得到若干个新像素块，包括的具体方法为：
10.根据权利要求1所述基于人工智能的遥感图像自适应增强方法，其特征在于，所述对新像素块和第二像素块分别进行图像增强，得到增强后的灰度遥感图像，包括的具体方法为：
...【技术特征摘要】
1.基于人工智能的遥感图像自适应增强方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述基于人工智能的遥感图像自适应增强方法，其特征在于，所述灰度遥感图像的频域图像的具体获取方法为：
3.根据权利要求1所述基于人工智能的遥感图像自适应增强方法，其特征在于，所述根据灰度遥感图像和频域图像的变换关系，获取灰度遥感图像中像素点在频域图像中的映射像素点，包括的具体方法为：
4.根据权利要求1所述基于人工智能的遥感图像自适应增强方法，其特征在于，所述根据每个像素块中所有像素点在频域图像的映射像素点的位置分布以及映射像素点的灰度值，获取每个像素块的频域细节系数，包括的具体方法为：
5.根据权利要求4所述基于人工智能的遥感图像自适应增强方法，其特征在于，所述映射点集的具体获取方法为：
6.根据权利要求1所述基于人工智能的遥感图像自适应增强方法，其特征在于，所述对灰度遥感图像进行边缘检测，获得灰度遥感图像中像素...
【专利技术属性】
技术研发人员：姚磊，朱司宏，马宁宁，薛立明，于广婷，刘同文，
申请(专利权)人：山东省地质测绘院，
类型：发明
国别省市：
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。