【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 ...
【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:...
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。