CN105701780A - 一种遥感影像处理方法及系统 - Google Patents

Abstract

本发明涉及一种遥感影像处理方法及系统，对遥感影像首先进行粗处理，去除背景影像得到粗处理的遥感影像，然后对粗处理后的遥感影像进行分块处理，计算得到清晰度最高分块影像的熵、均值和标准差作为整个遥感影像的基准，采用基准对每个分块影像进行调整，使得每个分块影像的亮度和对比度保持一致，从而使遥感影像亮度和对比度保持一致，避免遥感影像内部存在地物亮度以及反差不均匀等问题，避免地物的色调发生变化和色彩失真，获得更好的匀光效果，大大提高遥感影像的利用率、可视化效果和影响质量。

Description

一种遥感影像处理方法及系统

技术领域

本发明涉及图像处理技术，尤其涉及一种遥感影像处理方法及系统。

背景技术

目前，在可见光航空航天遥感影像的获取过程中，常常受光学镜头畸变、大气及光照不均匀等因素的影像，使得获取的遥感影像可能存在亮度及对比度不一致的现象，导致遥感影像内部存在地物亮度以及反差不均匀等问题，导致地物的色调发生变化，遥感影像色彩失真。尤其是普遍存在的光照不均匀因素会给影像判读、影像解译、正射影像镶嵌与制作及后续的遥感影像处理工作带来一定的困难。因此，为了提高遥感影像的利用率和可视化效果，需要对遥感影像进行匀光处理。

目前，对遥感影像上光照不均匀问题的解决方法主要分为两类：第一类是基于单幅影像的匀光处理方法，其中具有代表性的是MASK匀光法。利用该方法能较好地调节亮度的均匀性，但其对含有较多地物细节信息的背景影像实施了差值处理，使得匀光后原始影像中较暗区域会产生反差降低的情况，导致整幅影像反差不均匀，严重影响了影像的可视化及目视判读的效果。第二类是基于标准影像的匀光处理方法，是利用Wallis滤波器对多幅影像进行的匀光处理。影像镶嵌时选定一幅具有较好辐射特征且具有代表性的影像作为参考影像数据源，依据该幅标准影像的均值和方差对后续影像进行局部影像调整，使得两幅影像具有相同的灰度分布与对比度，从而达到多幅影间保持近乎相同的光照分布的目的，这种方法虽然有较好的处理效果，但常常受到参考影像数据源的限制。

现有的对遥感影像进行匀光处理的方法都具有缺陷，不能很好的解决遥感影像存在的亮度与对比度不一致的现象，给遥感影像的使用带来一定的困难。

发明内容

有鉴于此，有必要针对上述遥感影像存在亮度与对比度不一致现象的问题，提供一种遥感影像处理方法。同时，还提供一种遥感影像处理系统。

本发明提供一种遥感影像处理方法，包括如下步骤：

S10：对色彩失真的遥感影像进行粗处理，获取遥感影像的背景影像，将色彩失真的遥感影像去除背景影像得到粗处理后的遥感影像；

S20：对粗处理后的遥感影像每一个波段进行均匀分块，计算每一个分块影像的清晰度并获取清晰度最大的分块影像，计算得到清晰度最大分块影像的熵、均值和标准差作为整个遥感影像的基准；

S30：采用基准的熵、均值和标准差对每一个分块影像进行亮度与对比度的调整，使每一个分块影像亮度和对比度保持一致。

可选的，所述步骤S10具体为：采用低通滤波的方式，并采用高斯滤波器进行滤波，获取背景影像。

可选的，所述采用低通滤波的方式，并采用高斯滤波器进行滤波，获取背景影像的步骤具体为：

对色彩失真的遥感影像进行快速傅里叶变换，然后采用高斯滤波器进行高斯滤波，滤波后进行快速傅里叶的反变换，得到背景影像。

可选的，所述步骤S30具体为：

对于每一个分块影像，采用基准的熵、均值和标准差对该分块影像与相邻的上方分块影像所组成的第一区域进行线性变换，计算线性变换后第一区域灰度值；

对该分块影像与相邻的下方分块影像所组成的第二区域进行线性变换，计算线性变换后第二区域灰度值；

对第一区域灰度值和第二区域灰度值进行加权计算，得到该分块影像垂直方向灰度值；

采用基准的熵、均值和标准差对该分块影像与相邻的左方分块影像所组成的第三区域进行线性变换，计算线性变换后第三区域灰度值；

对该分块影像与相邻的右方分块影像所组成的第四区域进行线性变换，计算线性变换后第四区域灰度值；

对第三区域灰度值和第四区域灰度值进行加权计算，得到该分块影像水平方向的灰度值；

将该分块影像垂直方向灰度值和水平方向的灰度值进行融合，得到亮度和对比度一致的分块影像。

可选的，所述将该分块影像垂直方向灰度值和水平方向的灰度值进行融合的步骤具体为：

将该分块影像沿两条对角线分成上、下、左、右四个区域，对于每个区域，对垂直方向灰度值和水平方向灰度值各自分配权重，然后进行相加融合；

其中，垂直方向灰度值和水平方向灰度值在四个区域的权重分别为：

上区域为下区域为

左区域为右区域为

其中(x,y)为像素坐标，W为该分块影像的宽度。

本发明提供的一种遥感影像处理系统，包括：

粗处理模块，对色彩失真的遥感影像进行粗处理，获取遥感影像的背景影像，将色彩失真的遥感影像去除背景影像得到粗处理后的遥感影像；

基准计算模块，对粗处理后的遥感影像每一个波段进行均匀分块，计算每一个分块影像的清晰度并获取清晰度最大的分块影像，计算得到清晰度最大分块影像的熵、均值和标准差作为整个遥感影像的基准；

影像调整模块，采用基准的熵、均值和标准差对每一个分块影像进行亮度与对比度的调整，使每一个分块影像亮度和对比度保持一致。

可选的，所述粗处理模块采用低通滤波的方式，并采用高斯滤波器进行滤波，获取背景影像。

可选的，所述粗处理模块对色彩失真的遥感影像进行快速傅里叶变换，然后采用高斯滤波器进行高斯滤波，滤波后进行快速傅里叶的反变换，得到背景影像。

可选的，对于每一个分块影像，所述影像调整模块采用基准的熵、均值和标准差对该分块影像与相邻的上方分块影像所组成的第一区域进行线性变换，计算线性变换后第一区域灰度值；

对该分块影像与相邻的下方分块影像所组成的第二区域进行线性变换，计算线性变换后第二区域灰度值；

对第一区域灰度值和第二区域灰度值进行加权计算，得到该分块影像垂直方向灰度值；

采用基准的熵、均值和标准差对该分块影像与相邻的左方分块影像所组成的第三区域进行线性变换，计算线性变换后第三区域灰度值；

对该分块影像与相邻的右方分块影像所组成的第四区域进行线性变换，计算线性变换后第四区域灰度值；

对第三区域灰度值和第四区域灰度值进行加权计算，得到该分块影像水平方向的灰度值；

将该分块影像垂直方向灰度值和水平方向的灰度值进行融合，得到亮度和对比度一致的分块影像。

可选的，所述影像调整模块将该分块影像沿两条对角线分成上、下、左、右四个区域，对于每个区域，对垂直方向灰度值和水平方向灰度值各自分配权重，然后进行相加融合；

其中，垂直方向灰度值和水平方向灰度值在四个区域的权重分别为：

上区域为下区域为

左区域为右区域为

其中(x,y)为像素坐标，W为该分块影像的宽度。

本发明遥感影像处理方法及系统，对遥感影像首先进行粗处理，去除背景影像得到粗处理的遥感影像，然后对粗处理后的遥感影像进行分块处理，计算得到清晰度最高分块影像的熵、均值和标准差作为整个遥感影像的基准，采用基准对每个分块影像进行调整，使得每个分块影像的亮度和对比度保持一致，从而使遥感影像亮度和对比度保持一致，避免遥感影像内部存在地物亮度以及反差不均匀等问题，避免地物的色调发生变化和色彩失真，获得更好的匀光效果，大大提高遥感影像的利用率、可视化效果和影响质量。

附图说明

图1是一个实施例中的遥感影像处理方法的流程图；

图2是一个实施例中的分块影像处理示意图；

图3是一个实施例中的分块影像具体处理示意图；

图4是一个实施例中的遥感影像处理系统的结构图；

图5是一个实施例中色彩失真的遥感影像示意图；

图6是一个实施例中采用本发明处理方法对色彩失真的遥感影像处理后的示意图；

图7是一个实施例中采用MASK匀光方法对色彩失真的遥感影像处理后的示意图；

图8是一个实施例中采用Wallis滤波方法对色彩失真的遥感影像处理后的示意图；

图9是另一个实施例中色彩失真的遥感影像示意图；

图10是另一个实施例中采用本发明处理方法对色彩失真的遥感影像处理后的示意图；

图11是另一个实施例中采用MASK匀光方法对色彩失真的遥感影像处理后的示意图；

图12是另一个实施例中采用Wallis滤波方法对色彩失真的遥感影像处理后的示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

图1是一个实施例中的遥感影像处理方法的流程图，如图1所示，该方法包括如下步骤：

S10：对色彩失真的遥感影像进行粗处理，获取遥感影像的背景影像，将色彩失真的遥感影像去除背景影像得到粗处理后的遥感影像。

一幅色彩失真的遥感影像是由一幅色彩真实的影像与一幅背景影像叠加而成，如果获得背景影像，由色彩失真的遥感影像减去背景影像能够得到对比度一致的色彩真实的遥感影像。

该步骤中，采用低通滤波的方式来获取背景影像。故选取合适的滤波器至关重要。由于高斯滤波器能够在空间域与频率域达到最佳，同时为了提高运算速度，优选的，该步骤采用高斯滤波器来进行滤波。

在一个实施例中，该步骤具体为：对色彩失真的遥感影像进行快速傅里叶变换，然后采用高斯滤波器进行高斯滤波，滤波后进行快速傅里叶的反变换，得到背景影像。得到背景影像后，将色彩失真的遥感影像去除背景影像得到粗处理后的对比度一致、色彩真实的遥感影像。

以具体实施例来描述，设定一幅色彩失真的遥感影像I_false(x,y)由一幅色彩真实的遥感影像I_true(x,y)与一幅背景影像Back(x,y)叠加而成，色彩失真的遥感影像可表示为：

I_false(x,y)＝I_true(x,y)+Bakc(x,y)。

对色彩失真的遥感影像I进行快速傅里叶变换：

ffti＝FFT(I)

其中FFT表示快速傅里叶变换。然后对ffti进行高斯滤波，频率域的高斯滤波器为：

$H(u,v)=\exp \[-\frac{D^2(u,v)}{2{\mathrm{\σ}}_0^2}\]$

其中σ₀表示截止频率，D(u,v)为频率域中坐标为(u,v)的点到傅里叶变换原点的距离。

再对滤波后的结果进行快速傅里叶的反变换，即可得到背景影像：

B＝IFFT(ffti×H)

其中IFFT表示快速傅里叶变换的反变换。用原始遥感影像减去背景影像，即可得到对比度一致的遥感影像：

I'(x,y)＝I(x,y)-B(x,y)+offset

其中offset为一常量，通常取值为亮度影像的均值。

S20：对粗处理后的遥感影像每一个波段进行均匀分块，计算每一个分块影像的清晰度并获取清晰度最大的分块影像，计算得到清晰度最大分块影像的熵、均值和标准差作为整个遥感影像的基准。

在具体实施例中，对经粗处理后得到的遥感影像的每一个波段进行均匀分块，计算每一块的清晰度，定义为：

$DE=\frac{1}{(M-1)(N-1)}\underset{x=1}{\overset{M-1}{\Σ}}\underset{y=1}{\overset{N-1}{\Σ}}\sqrt{\frac{{{\mathrm{\Δ}}_x}^2+{{\mathrm{\Δ}}_y}^2}{2}}$

其中：

△_x＝f(x+1,y)-f(x,y)

△_y＝f(x,y+1)-f(x,y)

M和N为分块影像f(x,y)的高度和宽度，x和y为像素坐标。从所有分块影像中寻找清晰度最大的分块影像，计算该分块影像的熵EN_max、均值μ_max和标准差SD_max，作为整幅粗处理后遥感影像的基准。

S30：采用基准的熵、均值和标准差对每一个分块影像进行亮度与对比度的调整，使每一个分块影像亮度和对比度保持一致。

在获取到基准的熵、均值和标准差后，采用基准的熵、均值和标准差来调整其他分块影像的亮度和对比度，使每一个分块影像亮度和对比度保持一致，从而使整幅遥感影像的亮度和对比度保持一致。

进一步的，该步骤具体为：对于每一个分块影像，采用基准的熵、均值和标准差对该分块影像与相邻的上方分块影像所组成的第一区域进行线性变换，计算线性变换后第一区域灰度值；

对该分块影像与相邻的下方分块影像所组成的第二区域进行线性变换，计算线性变换后第二区域灰度值；

对第一区域灰度值和第二区域灰度值进行加权计算(可采用距离加权融合方式)，得到该分块影像垂直方向灰度值；

采用基准的熵、均值和标准差对该分块影像与相邻的左方分块影像所组成的第三区域进行线性变换，计算线性变换后第三区域灰度值；

对该分块影像与相邻的右方分块影像所组成的第四区域进行线性变换，计算线性变换后第四区域灰度值；

对第三区域灰度值和第四区域灰度值进行加权计算(可采用距离加权融合方式)，得到该分块影像水平方向的灰度值；

将该分块影像垂直方向灰度值和水平方向的灰度值进行融合(可采用距离加权融合方式)，得到亮度和对比度一致的分块影像。

更进一步的，将该分块影像垂直方向灰度值和水平方向的灰度值进行融合的步骤具体为：

将该分块影像沿两条对角线分成上、下、左、右四个区域，对于每个区域，对垂直方向灰度值和水平方向灰度值各自分配权重，然后进行相加融合。

具体的，垂直方向灰度值和水平方向灰度值在四个区域的权重分别为：

上区域为下区域为

左区域为右区域为

其中(x,y)为像素坐标，W为该分块影像的宽度。

下面在一个具体的实施例来进行描述，结合图3，在分块影像中选择如图3所示的分块影像5，利用EN_max、μ_max和SD_max对分块影像1和5所组成的第一区域进行如下线性变换：

$F_{1,5}=\frac{{\mathrm{EN}}_{max}\·{\mathrm{SD}}_{max}}{{\mathrm{EN}}_f\·{\mathrm{SD}}_f}(f_{1,5}-{\mathrm{\μ}}_f)+{\mathrm{\μ}}_{max}$

其中：f_1,5表示分块影像1和5的灰度值，F_1,5表示分块影像1和5所组成的第一区域变换后的第一区域灰度值。利用同样的方法计算分块影像5和3所组成的第二区域变换后的灰度值F_5,3，由于分块影像5属于F_1,5和F_5,3的公共区域，因此采用如下加权方法计算分块影像5垂直方向灰度值：

$V_5(x,y)=(1-\frac{x}{W})F_{1,5}+\frac{x}{W}{F}_{5,3}$

其中：(x,y)为分块影像5中的像素坐标，W为分块影像5的宽度。经过加权，能够有效消除垂直方向上的拼接线。采用同样的方法计算分块影像5水平方向灰度值：

$H_5(x,y)=(1-\frac{y}{W})F_{4,5}+\frac{y}{W}{F}_{5,2}$

其中F_4,5和F_5,2分别表示分块影像4和5组成的第三区域以及分块影像5和2组成的第四区域的灰度值。

由于V₅和H₅分别消除了垂直和水平方向上的拼接线，将V₅和H₅进行融合，即可得到亮度和对比度一致的影像。

为消除直接加权导致的拼接线，先将图3中的分块影像5划分成图4所示的上、下、左、右4个区域，然后在每个区域分配不同权重，采用不同的融合策略：

上区域： $\mathrm{Re}(x,y)=(1-\sqrt{\frac{x}{W}})V_5(x,y)+\sqrt{\frac{x}{W}}{H}_5(x,y);$

右区域： $\mathrm{Re}(x,y)=(1-\sqrt{\frac{W-y}{W}})H_5(x,y)+\sqrt{\frac{W-y}{W}}{V}_5(x,y);$

下区域： $\mathrm{Re}(x,y)=(1-\sqrt{\frac{W-x}{W}})V_5(x,y)+\sqrt{\frac{W-x}{W}}{H}_5(x,y);$

左区域： $\mathrm{Re}(x,y)=(1-\sqrt{\frac{y}{W}})H_5(x,y)+\sqrt{\frac{y}{W}}{V}_5(x,y);$

其中(x,y)为像素坐标，W为区域5的宽度，Re为最终的融合调整结果。

图5至图8是一个实施例中对一幅色彩失真的原始遥感影像分别采用本发明处理方法、MASK匀光方法(基于单幅影像的匀光处理方法)以及Wallis滤波方法(基于标准影像的匀光处理方法)三种处理方法进行处理。图9至图12是另一个实施例中对另一幅色彩失真的原始遥感影像分别采用本发明处理方法、MASK匀光方法以及Wallis滤波方法三种处理方法进行处理。从两个实施例中可以看出，本发明处理方法能够有效地提高对比度，使遥感影像各区域的亮度和对比度趋于一致，而MASK匀光方法和Wallis滤波方法仍然存在明显的亮度和对比度不一致现象。

为客观评价各处理方法对亮度和对比度一致性处理的能力，分别计算两个实施例中各遥感影像左上、左下、右上、右下、中间这5个区域的均值和标准差，取其平均值作为最终的评价结果。对于亮度和对比度均一致的影像，这5个区域的均值和标准差应该是趋于一致的。其中，均值和标准差分别定义为：

$\mathrm{\μ}=\frac{1}{M\×N}\underset{x=1}{\overset{M}{\Σ}}\underset{y=1}{\overset{N}{\Σ}}f(x,y)$

$SD=\sqrt{\frac{1}{M\×N}\underset{x=1}{\overset{M}{\Σ}}\underset{y=1}{\overset{N}{\Σ}}{\[f(x,y)-\mathrm{\μ}\]}^2}$

其中f(x,y)表示影像的某一个波段的某一个区域，M和N为该区域的高度和宽度，则均值μ和标准差SD反映了该区域的亮度和对比度的基本特征。评价结果如表1和表2所示。

表1

表2

从表1和表2可以看出，本发明处理方法处理结果的5个区域的均值和方差均非常接近，而且亮度和对比度均适中，且保持一致。而原始遥感影像和其他两种方法的处理结果中，均值和方差之间的差异非常大。考虑方差和均值中最大值与最小值之间的差值可知，在表1中，最大均值差分别为79.83、45.35和85.6，而本发明处理方法仅6.90，最大标准差的差分别为33.76、29.25和24.4，而本发明处理方法仅6.54。在表2中，其他方法的最大均值差分别为39.1、13.38和41.19，而本发明处理方法仅5.59，其他方法的最大标准差分别为20.63、22.49和20.68，而本发明处理方法仅6.82。从上述结果可以看出，本发明处理方法处理结果的亮度和对比度一致性更好，同时色彩比较平衡，视觉效果更好。

该遥感影像处理方法，对遥感影像首先进行粗处理，去除背景影像得到粗处理的遥感影像，然后对粗处理后的遥感影像进行分块处理，计算得到清晰度最高分块影像的熵、均值和标准差作为整个遥感影像的基准，采用基准对每个分块影像进行调整，使得每个分块影像的亮度和对比度保持一致，从而使遥感影像亮度和对比度保持一致，避免遥感影像内部存在地物亮度以及反差不均匀等问题，避免地物的色调发生变化和色彩失真，获得更好的匀光效果，大大提高遥感影像的利用率、可视化效果和影响质量。

同时，本发明还提供一种遥感影像处理系统，如图2所示，该系统包括：

粗处理模块100，对色彩失真的遥感影像进行粗处理，获取遥感影像的背景影像，将色彩失真的遥感影像去除背景影像得到粗处理后的遥感影像。

一幅色彩失真的遥感影像是由一幅色彩真实的影像与一幅背景影像叠加而成，如果获得背景影像，由色彩失真的遥感影像减去背景影像能够得到对比度一致的色彩真实的遥感影像。

粗处理模块100采用低通滤波的方式来获取背景影像。故选取合适的滤波器至关重要。由于高斯滤波器能够在空间域与频率域达到最佳，同时为了提高运算速度，优选的，粗处理模块100在频率域用高斯滤波器来进行滤波。

在一个实施例中，粗处理模块100对色彩失真的遥感影像进行快速傅里叶变换，然后采用高斯滤波器进行高斯滤波，滤波后进行快速傅里叶的反变换，得到背景影像。得到背景影像后，将色彩失真的遥感影像去除背景影像得到粗处理后的对比度一致、色彩真实的遥感影像。

基准计算模块200，对粗处理后的遥感影像每一个波段进行均匀分块，计算每一个分块影像的清晰度并获取清晰度最大的分块影像，计算得到清晰度最大分块影像的熵、均值和标准差作为整个遥感影像的基准。

影像调整模块300，采用基准的熵、均值和标准差对每一个分块影像进行亮度与对比度的调整，使每一个分块影像亮度和对比度保持一致。

在获取到基准的熵、均值和标准差后，影像调整模块300采用基准的熵、均值和标准差来调整其他分块影像的亮度和对比度，使每一个分块影像亮度和对比度保持一致，从而使整幅遥感影像的亮度和对比度保持一致。

进一步的，对于每一个分块影像，影像调整模块300采用基准的熵、均值和标准差对该分块影像与相邻的上方分块影像所组成的第一区域进行线性变换，计算线性变换后第一区域灰度值；

对该分块影像与相邻的下方分块影像所组成的第二区域进行线性变换，计算线性变换后第二区域灰度值；

对第一区域灰度值和第二区域灰度值进行加权计算，得到该分块影像垂直方向灰度值；

采用基准的熵、均值和标准差对该分块影像与相邻的左方分块影像所组成的第三区域进行线性变换，计算线性变换后第三区域灰度值；

对该分块影像与相邻的右方分块影像所组成的第四区域进行线性变换，计算线性变换后第四区域灰度值；

对第三区域灰度值和第四区域灰度值进行加权计算，得到该分块影像水平方向的灰度值；

将该分块影像垂直方向灰度值和水平方向的灰度值进行融合(可采用距离加权融合方式)，得到亮度和对比度一致的分块影像。

更进一步的，影像调整模块300将该分块影像沿两条对角线分成上、下、左、右四个区域，对于每个区域，对垂直方向灰度值和水平方向灰度值各自分配权重，然后进行相加融合。

具体的，垂直方向灰度值和水平方向的灰度值在四个区域的权重分别为：

上区域为下区域为

左区域为右区域为

其中(x,y)为像素坐标，W为该分块影像的宽度。

该遥感影像处理系统，对遥感影像首先进行粗处理，去除背景影像得到粗处理的遥感影像，然后对粗处理后的遥感影像进行分块处理，计算得到清晰度最高分块影像的熵、均值和标准差作为整个遥感影像的基准，采用基准对每个分块影像进行调整，使得每个分块影像的亮度和对比度保持一致，从而使遥感影像亮度和对比度保持一致，避免遥感影像内部存在地物亮度以及反差不均匀等问题，避免地物的色调发生变化和色彩失真，获得更好的匀光效果，大大提高遥感影像的利用率、可视化效果和影响质量。

本发明遥感影像处理方法及系统，对遥感影像首先进行粗处理，去除背景影像得到粗处理的遥感影像，然后对粗处理后的遥感影像进行分块处理，计算得到清晰度最高分块影像的熵、均值和标准差作为整个遥感影像的基准，采用基准对每个分块影像进行调整，使得每个分块影像的亮度和对比度保持一致，从而使遥感影像亮度和对比度保持一致，避免遥感影像内部存在地物亮度以及反差不均匀等问题，避免地物的色调发生变化和色彩失真，获得更好的匀光效果，大大提高遥感影像的利用率、可视化效果和影响质量。

以上仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种遥感影像处理方法，其特征在于，包括如下步骤：

S10：对色彩失真的遥感影像进行粗处理，获取遥感影像的背景影像，将色彩失真的遥感影像去除背景影像得到粗处理后的遥感影像；

S20：对粗处理后的遥感影像每一个波段进行均匀分块，计算每一个分块影像的清晰度并获取清晰度最大的分块影像，计算得到清晰度最大分块影像的熵、均值和标准差作为整个遥感影像的基准；

S30：采用基准的熵、均值和标准差对每一个分块影像进行亮度与对比度的调整，使每一个分块影像亮度和对比度保持一致。

2.根据权利要求1所述的遥感影像处理方法，其特征在于，所述步骤S10中对色彩失真的遥感影像进行粗处理，获取遥感影像的背景影像，具体为：采用低通滤波的方式，并采用高斯滤波器进行滤波，获取背景影像。

3.根据权利要求2所述的遥感影像处理方法，其特征在于，所述采用低通滤波的方式，并采用高斯滤波器进行滤波，获取背景影像的步骤具体为：

对色彩失真的遥感影像进行快速傅里叶变换，然后采用高斯滤波器进行高斯滤波，滤波后进行快速傅里叶的反变换，得到背景影像。

4.根据权利要求1所述的遥感影像处理方法，其特征在于，所述步骤S30具体为：

对于每一个分块影像，采用基准的熵、均值和标准差对该分块影像与相邻的上方分块影像所组成的第一区域进行线性变换，计算线性变换后第一区域灰度值；

对该分块影像与相邻的下方分块影像所组成的第二区域进行线性变换，计算线性变换后第二区域灰度值；

对第一区域灰度值和第二区域灰度值进行加权计算，得到该分块影像垂直方向灰度值；

采用基准的熵、均值和标准差对该分块影像与相邻的左方分块影像所组成的第三区域进行线性变换，计算线性变换后第三区域灰度值；

对该分块影像与相邻的右方分块影像所组成的第四区域进行线性变换，计算线性变换后第四区域灰度值；

对第三区域灰度值和第四区域灰度值进行加权计算，得到该分块影像水平方向的灰度值；

将该分块影像垂直方向灰度值和水平方向的灰度值进行融合，得到亮度和对比度一致的分块影像。

5.根据权利要求4所述的遥感影像处理方法，其特征在于，所述将该分块影像垂直方向灰度值和水平方向的灰度值进行融合的步骤具体为：

将该分块影像沿两条对角线分成上、下、左、右四个区域，对于每个区域，对垂直方向灰度值和水平方向灰度值各自分配权重，然后进行相加融合；

其中，垂直方向灰度值和水平方向灰度值在四个区域的权重分别为：

上区域为下区域为

左区域为右区域为

其中(x,y)为像素坐标，W为该分块影像的宽度。

6.一种遥感影像处理系统，其特征在于，包括：

粗处理模块，对色彩失真的遥感影像进行粗处理，获取遥感影像的背景影像，将色彩失真的遥感影像去除背景影像得到粗处理后的遥感影像；

基准计算模块，对粗处理后的遥感影像每一个波段进行均匀分块，计算每一个分块影像的清晰度并获取清晰度最大的分块影像，计算得到清晰度最大分块影像的熵、均值和标准差作为整个遥感影像的基准；

影像调整模块，采用基准的熵、均值和标准差对每一个分块影像进行亮度与对比度的调整，使每一个分块影像亮度和对比度保持一致。

7.根据权利要求6所述的遥感影像处理系统，其特征在于，所述粗处理模块采用低通滤波的方式，并采用高斯滤波器进行滤波，获取背景影像。

8.根据权利要求7所述的遥感影像处理系统，其特征在于，所述粗处理模块对色彩失真的遥感影像进行快速傅里叶变换，然后采用高斯滤波器进行高斯滤波，滤波后进行快速傅里叶的反变换，得到背景影像。

9.根据权利要求6所述的遥感影像处理系统，其特征在于，对于每一个分块影像，所述影像调整模块采用基准的熵、均值和标准差对该分块影像与相邻的上方分块影像所组成的第一区域进行线性变换，计算线性变换后第一区域灰度值；

对该分块影像与相邻的下方分块影像所组成的第二区域进行线性变换，计算线性变换后第二区域灰度值；

对第一区域灰度值和第二区域灰度值进行加权计算，得到该分块影像垂直方向灰度值；

采用基准的熵、均值和标准差对该分块影像与相邻的左方分块影像所组成的第三区域进行线性变换，计算线性变换后第三区域灰度值；

对该分块影像与相邻的右方分块影像所组成的第四区域进行线性变换，计算线性变换后第四区域灰度值；

对第三区域灰度值和第四区域灰度值进行加权计算，得到该分块影像水平方向的灰度值；

将该分块影像垂直方向灰度值和水平方向的灰度值进行融合，得到亮度和对比度一致的分块影像。

10.根据权利要求9所述的遥感影像处理系统，其特征在于，所述影像调整模块将该分块影像沿两条对角线分成上、下、左、右四个区域，对于每个区域，对垂直方向灰度值和水平方向灰度值各自分配权重，然后进行相加融合；

其中，垂直方向灰度值和水平方向灰度值在四个区域的权重分别为：

上区域为下区域为

左区域为右区域为

其中(x,y)为像素坐标，W为该分块影像的宽度。