气雾散射模型优化的单张遥感图像去霾方法技术

本申请的单张遥感图像去霾方法，一是提出基于气雾散射模型的去霾方法；二是基于真彩色遥感图像的处理，为避免处理过程中出现色彩偏移现象，采用颜色空间变换；三是基于雾霾天条件下遥感图像的特征，并将其融入气雾散射模型中，采用超像素影像霾特征分割方法对遥感图像进行分割，从而更好、更精确的获得气雾光亮度值；四是在估算气雾光亮度值省略求取弱色层图像的步骤；五是省略对强规则透射率图像中块效应的处理过程；本申请能更便捷的处理雾天条件下的单张遥感图像，实用性强、操作方便，去霾强度把握准确，去霾后图像中景物边缘更清晰、地物纹理信息也更丰富，同时不存在颜色失真现象，去霾效果有较大提升。去霾效果有较大提升。去霾效果有较大提升。

【技术实现步骤摘要】
气雾散射模型优化的单张遥感图像去霾方法


[0001]本申请涉及一种气雾散射模型遥感图像去霾方法，特别涉及一种气雾散射模型优化的单张遥感图像去霾方法，属于单张遥感图像去霾


技术介绍

[0002]遥感技术借助高塔、卫星、飞机等空间平台上搭载的遥感器系统对目标物体进行远距离观测,获得不同分辨率的目标物体遥感图像，但由于成像过程中会受到各种因素的影响，最终导致获取的遥感图像质量下降，不利于遥感图像的解译与应用。
[0003]目前，随着工业技术的急剧发展，环境污染和极端天气频繁发生，雾霾成为一种常见现象。正是由于雾霾的存在，使得大气能见度降低，最终导致雾霾天条件下获得的图像质量受损严重，这在很大程度上降低了遥感图像的实际应用价值。
[0004]采用遥感平台上搭载的传感器接收目标物体发射和反射的电磁波得到遥感图像，电磁波从目标物体到达传感器的过程中会受到雾霾的影响，部分电磁波被雾霾吸收，并将辐射能量用于增加分子的内能，引起这些波段的太阳辐射强度衰减。部分电磁波被雾霾散射，使得原传播方向上的太阳辐射强度减弱，而增加了其它方向的辐射强度，同时传感器接收的电磁波中还会混入部分大气光。还有部分电磁波被雾霾反射折射，最终使其原有的传播方向发生不同程度的改变。电磁波在雾霾的一系列影响下，传感器接收到的光线发生非均匀变化，从而造成遥感图像像素的灰度值发生变化。从雾霾天条件下的遥感图像上可以看出，像素之间的对比度降低、像素值受影响的程度与该像素位置处雾的浓度以及目标景物与传感器之间的距离相关、遥感图像的灰度动态范围缩小等，这些变化限制了遥感图像在各领域发挥作用，因此亟需采用图像处理技术去除或者减少雾霾天条件下遥感图像中的霾，提高遥感图像的质量，充分发挥遥感图像的作用。
[0005]遥感图像处理的目的在于：首先，从视觉角度改善图像质量，如减小噪声、亮度调节以及通过估算参数达到雾天图像复原的目的等，最终满足期望要求；其次，提取图像中包含的某些特征，如纹理特征、频域特征、区域信息等；最后，对数字图像做变换、编码解码和压缩处理，以便图像的存储和传输。由此可见，采用数字图像处理技术对雾霾天遥感图像进行复原，对改善其质量有十分重要的作用。最终使得雾霾天条件下遥感图像中的景物清晰化，从而便于进行目视判读、图像后期处理以及在各个领域充分发挥作用。
[0006]目前，对遥感图像的去霾方法大体上可归纳为两类：一类是基于物理模型的方法，该方法在追究图像退化原因的基础上，分析图像退化的过程并建立图像退化模型，根据模型复原或重建图像，它的目的是最大限度的改善图像质量，该类方法遵循景物成像的本质原理，大部分图像处理效果自然，一般不会丢失或者破坏图像中的原始信息。另一类是基于图像增强的去霾方法，该方法纯粹的从增强图像对比度出发，并不考虑图像退化的根本原因，通过主观的突出图像中景物的细节信息，去除冗余信息，从而使得去霾后的图像在视觉上更悦目，同时也能较好的处理与应用去霾后的图像。
[0007]虽然现有技术在遥感图像去霾方面已取得了一些成果，但仍然有较大的改进空
间，本申请的难点和待解决的问题主要集中在以下方面：
[0008]第一，亟需更完善的物理模型：现有技术散射模型的图像去霾方法是图像复原中最主要的方法，但该方法有一定的局限性，在许多特定环境条件下，此方法不能达到去霾要求，而当前需要的是既能适用于多种复杂天气条件，同时又能应用于各种多景深目标场景的物理模型，所以本申请仍然需要新的模型以及此基础上更好的算法来完成雾霾天图像的去霾处理；
[0009]第二，实时性无法满足需求：遥感图像去霾技术不仅需要处理效果能达到要求，在处理的效率方面更是需要达到实时性的要求，这样才能应用于实践中，基于物理成像模型的去霾方法首先需要采用相关技术手段对模型参数进行估算，而模型参数的估算是一个费时且耗资源的过程，而增强图像对比度的去霾方法，虽然部分算法能够能满足实时性的要求，但是总体来说性能很难达到要求，所以实时性仍是一个棘手问题，现有技术图像去霾方法的实时性无法满足应用需求；
[0010]第三，为考虑图像本身的模糊信息：现有技术大部分的去霾方法都能不同程度去霾，提高霾雾天条件下图像的质量，但这些去霾方法在去霾的过程中并未将图像固有的模糊性考虑进去，景物成像过程中由三维空间映射到二维空间时，难免会有部分信息丢失，因此，在更好的去霾模型基础上，同时融入遥感图像的模糊信息，最终能够更好、更快的完成图像去霾，这是本申请重点解决的问题；
[0011]第四，雾霾天条件下获取遥感图像时，由于雾霾对电磁波有吸收、反射、散射和折射的作用，从而导致最终获取的遥感图像的质量降低，不利于遥感图像的解译和应用。采用现有技术的图像处理方法，处理过程中会出现色彩偏移现象，无法准确获得气雾光亮度值和估算透射率，无法便捷可靠的处理雾天条件下的单张遥感图像，实用性不强、操作不方便，去霾强度无法把握准确，去霾效果整体不佳，去霾后图像中景物边缘不够清晰、地物的纹理信息不够丰富，同时还存在严重的颜色失真现象；
[0012]第五，现有技术基于对比度增强的去霾方法虽然能在一定程度上提高雾霾天降质图像的清晰度，但该类方法缺陷明显，去霾过程中未考虑图像中雾霾分布不均匀的情况，采用同样的处理方式对待整个降质图像，导致去霾后的图像部分细节不清晰，而另一部分因过度去霾导致图像颜色失真现。将雾霾天条件下获取的图像分成许多小正方形区域，每个区域中都存在亮度值较小的像素，这些像素都位于阴影、颜色较暗或色彩明亮的物体上，但仍存在一些难点，对大型稀疏线性方程组的解算过程采用最小值滤波对中间结果图进行强规则的估算，同时采用软抠图法细化得到强规则结果图，此过程是一个既耗资源又耗时间的计算过程，且在雾霾天降质图像中景物的颜色与霾的颜色接近时，去霾效果不好。基于此，本申请结合气雾散射模型并对模型进行优化，对模型中的因子进行估算，从而达到雾霾天降质图像复原的目的。

技术实现思路

[0013]为了解决以上问题，本申请采用图像处理方法对雾霾天条件下获取的单幅遥感图像进行去雾去霾处理，一是提出基于气雾散射模型的去霾方法；二是基于真彩色遥感图像的处理，为避免处理过程中出现色彩偏移现象，采用颜色空间变换；三是基于雾霾天条件下遥感图像的特征，并将其融入气雾散射模型中，采用超像素影像霾特征分割方法对雾霾天
条件下的遥感图像进行分割，从而更好、更精确的获得气雾光亮度值；四是在估算气雾光亮度值省略求取弱色层图像的这一步骤；五是省略对强规则透射率图像中块效应的处理过程；本申请能更好、更便捷的处理雾天条件下的单张遥感图像，实用性强、操作方便，去霾强度把握准确，去霾后图像中景物边缘更清晰、地物的纹理信息也更丰富，同时不存在严重的颜色失真现象，去霾效果整体上提高了一个档次。
[0014]为实现以上技术特征，本申请所采用的技术方案如下：
[0015]气雾散射模型优化的单张遥感图像去霾方法，一是提出基于气雾散射模型的去霾方法；二是基于真彩色遥感图像的处理，采用颜色空间变换，将RGB转为YUV和HI本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.气雾散射模型优化的单张遥感图像去霾方法，其特征在于：一是提出基于气雾散射模型的去霾方法；二是基于真彩色遥感图像的处理，采用颜色空间变换，将RGB转为YUV和HIS颜色空间；三是基于雾霾天条件下遥感图像的特征，并将其融入气雾散射模型中，采用超像素影像霾特征分割方法对雾霾天条件下的遥感图像进行分割，从而更精确的获得气雾散射模型中的一个未知变量即气雾光亮度值；四是在估算气雾光亮度值省略求取弱色层图像的这一步骤；五是省略对强规则透射率图像中块效应的处理过程，最终完成遥感图像的去雾去霾处理；基于气雾散射模型的单幅遥感图像去霾包括：改进弱色层强规则去霾方法、估算气雾光亮度、估算透射率、恢复雾霾天遥感图像的清晰度；首先采用YUV和HIS颜色空间模型中亮度分量Y、I中的信息，选取图像中较亮的像素位置，为后续气雾散射模型中因子的估算提供很好的数据依据；然后采用影像霾特征分割方法对雾霾天条件下的遥感图像进行分割处理，采用分割得到的超像素，并结合颜色空间变换，完成气雾散射模型中气雾光亮度的估算；最后在气雾散射模型基础上，采用弱色层强规则完成模型中透射率因子的估算，恢复雾霾天遥感图像的清晰度。2.根据权利要求1所述的气雾散射模型优化的单张遥感图像去霾方法，其特征在于，改进弱色层强规则去霾方法：采用输入的有霾图像对应的弱色层图像求取气雾光亮度值，对输入图像每个像素位置处的灰度值除一个常量得到一个新的归一化图像，采用新图像的弱色层图像求取每个像素位置处的透射率，透射率图像大小与输入图像大小相等，但此时的透射率图像中会出现明显的块效应，本申请通过分析这种块效应对最后去霾结果的影响，认定该效应对遥感图像的去霾效果几乎无影响，在对遥感图像去霾处理过程中不考虑出现的块效应，在不影响去霾效果的前提下改进计算。3.根据权利要求2所述的气雾散射模型优化的单张遥感图像去霾方法，其特征在于，弱色层强规则去霾方法为：步骤1：选取一定大小的窗口模板计算输入的有霾图像的弱色层图像，根据弱色层图像估算气雾光亮度值；步骤2：估算得到强规则透射率；步骤3：采用软抠图算法细化处理强规则透射率图像，消除块效应；步骤4：采用估算得到的气雾光亮度和透射率，并将其与气雾散射模型相结合，最终完成遥感图像的去霾；本申请从以下两点对上述方法做进一步改进：第一，基于本申请的论证，遥感图像的去霾过程可以忽略块效应，即省略步骤3中的内容，仅采用强规则的透射率图足以；第二，省去步骤1中的内容，取而代之的是采用影像霾特征分割方法求取气雾光亮度值，因此本申请全程只计算一次弱色层图像。4.根据权利要求1所述的气雾散射模型优化的单张遥感图像去霾方法，其特征在于，估算气雾光亮度：将输入的有霾图像进行颜色空间变换，采用式1和式2得到Y分量以及I分量：
方法B省略弱色层图像的获取步骤，直接采用转换得到的YUV图像以及HSI图像中的Y分量和I分量，分别对这两个分量单独进行处理，在Y分量中选取像素的亮度值在前0.09％的像素位置，在I分量中选取像素的亮度值在前0.09％的像素位置，最终分别将各个分量中选取得到的像素位置x坐标、y坐标记录下来，然后将记录下来的x坐标、y坐标位置分别在分割的遥感图像上标记处其所属的分割区域，最后计算各个标记的分割块中所有像素的平均值，将最大的平均值作为气雾光亮度值。5.根据权利要求1所述的气雾散射模型优化的单张遥感图像去霾方法，其特征在于，影像霾特征分割方法：首先将图像F分成D，E两部分，同时满足且D∪E＝F，apart(D,E)是D、E的割，即D和E中所有边的权重值相加的结果，firh(D,U)是对D中结点与整幅图像中的结点的权重之和的描述，Napart(D,E)表示D与E区域的相似度，该值越小，表示D、E之间的相似程度越低，分割效果也就越好，Nfirh(D,E)代表D和E各自的内部相似度之和，该值越大，表示D、E的内部相似程度越高，分割效果越好，得式3：采用近似的方法求解Napart值，对于一幅图F＝{U,B,K}，U是图中所有顶点的集合；B是图中所有边的集合；K是图中边的权值集合，假设将F分成互不相交的D、E两部分，将U中顶点的状态向量记为x，即x＝(x1,x2,
…
,x
M
),其中M是F的阶，当x
i
＞0时，表明顶点i位于D中，否则，顶点i位于E中，顶点i的度是i与U中所有顶点的关系之和，即边的权值之和，得到：...

【专利技术属性】
技术研发人员：李蕊男，
申请(专利权)人：李蕊男，
类型：发明
国别省市：