CN106485664A - 一种基于小波变换和Wallis变换的卫星图像色彩平衡方法 - Google Patents
一种基于小波变换和Wallis变换的卫星图像色彩平衡方法 Download PDFInfo
- Publication number
- CN106485664A CN106485664A CN201510535503.3A CN201510535503A CN106485664A CN 106485664 A CN106485664 A CN 106485664A CN 201510535503 A CN201510535503 A CN 201510535503A CN 106485664 A CN106485664 A CN 106485664A
- Authority
- CN
- China
- Prior art keywords
- image
- color balance
- satellite image
- average
- frequency information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000006243 chemical reaction Methods 0.000 title claims abstract description 26
- 230000009466 transformation Effects 0.000 title claims abstract description 23
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 14
- 239000003086 colorant Substances 0.000 claims abstract description 5
- 230000008878 coupling Effects 0.000 claims description 3
- 238000010168 coupling process Methods 0.000 claims description 3
- 238000005859 coupling reaction Methods 0.000 claims description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 2
- 230000008569 process Effects 0.000 abstract description 10
- VMXUWOKSQNHOCA-UKTHLTGXSA-N ranitidine Chemical compound [O-][N+](=O)\C=C(/NC)NCCSCC1=CC=C(CN(C)C)O1 VMXUWOKSQNHOCA-UKTHLTGXSA-N 0.000 abstract description 7
- 238000003825 pressing Methods 0.000 abstract description 6
- 238000004458 analytical method Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
Landscapes
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明为基于小波变换和Wallis变换的卫星图像色彩平衡方法,对原始卫星图像和参考图像进行4层小波分解,获得相应的高频信息和低频信息;通过统计原始卫星图像和参考图像的均值和标准偏差,将原始卫星图像与参考图像的进行色彩匹配,最后进行小波重构,获得均衡后的图像。本发明在进行图像内的色彩均衡处理时,可以提高图像的对比度,改善地物的“压平”现象;在进行图像间的色彩均衡处理时,可以在整个拼接范围内实现色彩平衡,使整个拼接范围内的图像有一致的色彩表现。
Description
技术领域
本发明涉及遥感信息技术领域,尤其涉及一种基于小波变换和Wallis变换的卫星图像色彩平衡方法。
背景技术
在光学卫星遥感图像获取过程中,由于外部环境的干扰,使得一幅图像内不同部分的色调、亮度和反差等存在不同程度差异,这种现象在光学卫星遥感图像上主要表现为色彩和亮度的不均匀分布。造成这种现象的原因是多方面的,比如大气衰减,云层、烟雾影响以及向阳、背阳等造成的亮度条件不同等。这种不均匀亮度现象的存在,直接影响了遥感图像和图像镶嵌的质量,使镶嵌结果呈现出明显的明暗不一,色彩分布不均。
图像的色彩平衡处理主要指区域范围内每一图像内部及图与图之间的色彩一致性调整。卫星遥感图像在镶嵌图像生产的过程中,根据生产要求,利用一些图像处理工具软件可以保证图像内色调的连续性,但是,对于区域范围内多幅图像的总体色调,由于在生产过程中很难一致,仍然存在明显的色彩差异,这个问题对建立大范围无缝镶嵌图像来说显得尤为突出。因此,图像间的色彩平衡问题是建立大范围无缝镶嵌图像需要解决的关键问题之一。
对于图像内的色彩平衡处理,比较有代表性的处理方法是用数学模型模拟图像亮度变化,然后再对图像不同部分进行不同程度的补偿,从而获得亮度、反差均匀的图像。商业遥感图像处理软件ERDAS IMAGINE中的色彩平衡功能采用的就是这种方法,它提供了4种数学模型来模拟图像亮度的变化。但是由于造成图像亮度、反差分布不均匀的原因很多,而且是不规则的,因此图像中一些不规则的亮度变化和孤立的亮度变异经常导致模拟图像亮度变化的不准确,最终严重影响色彩平衡处理的效果。
图像间的色彩平衡通常做法是基于相邻图像的重叠区,最为经典的是基于Wallis变换的色彩平衡处理方法。Wallis变换是一种比较特殊的滤波器,实际上,它是一种局部图像变换,该变换使图像在不同位置的灰度方差和均值具有近似相等的数值。目前已经广泛应用到图像处理领域,如图像匹配和图像融合等。
发明内容
本发明的目的是为了解决现有技术的不足,提供一种基于小波变换和Wallis变换的卫星图像色彩平衡方法。
本发明至少包括以下步骤:
(1)对原始卫星图像和参考图像进行4层小波分解,获得相应的高频信息和低频信息;
(2)对步骤(1)获取的低频信息进行规则分块,对每块区域统计相应的均值和标准偏差;
(3)利用步骤(2)计算好的每块区域的均值和标准偏差,采用内插算法求取原始卫星图像中每一像素点对应的均值和标准偏差;
(4)统计参考图像低频信息部分的均值和标准偏差;
(5)将原始卫星图像的低频信息与参考图像的低频信息进行色彩匹配,获得匹配后的灰度值;
(6)利用原始卫星图像中的高频信息和步骤(5)中得到的数据,进行小波重构,获得均衡后的图像。
上述的一种基于小波变换和Wallis变换的卫星图像色彩平衡方法,其中,所述步骤(2)还包括:设一高亮阈值,高于该阈值的灰度值不列入局部区域均值和标准偏差的统计。
上述的一种基于小波变换和Wallis变换的卫星图像色彩平衡方法,其中,所述步骤(2)中,在平衡图像间的色彩时,局部区域选自重叠区域。
上述的一种基于小波变换和Wallis变换的卫星图像色彩平衡方法,其中,所述步骤(4)还包括:设置一与步骤(2)相同的高亮阈值,高于该阈值的灰度值不列入参考图像均值和标准偏差的统计。
上述的一种基于小波变换和Wallis变换的卫星图像色彩平衡方法,其中,所述步骤(1)采用的公式为:
其中,LL4为第四层低频系数,LHi,HLi,HHi分别代表小波分解每层的3个高频系数,即水平方向、垂直方向、对角方向的细节信息部分。
上述的一种基于小波变换和Wallis变换的卫星图像色彩平衡方法,其中,所述步骤(5)采用的公式为:
式中,g(x,y)和f(x,y)分别为原始图像和Wallis变换结果图像的灰度值;mg和sg分别为原始图像的局部灰度均值与标准偏差;mf和sf分别为参考图像局部灰度均值和标准偏差的目标值;c∈[0,1],为图像方差的扩展常数;b∈[0,1],为图像的亮度系数,m是原始图像的全局均值,α是亮度调节量。
综上所述,由于采用了上述技术方法,在进行图像内的色彩均衡处理时,可以提高图像的对比度,改善地物的“压平”现象;在进行图像间的色彩均衡处理时,可以在整个拼接范围内实现色彩平衡,使整个拼接范围内的图像有一致的色彩表现。
附图说明
图1是本发明一种基于小波变换和Wallis变换的卫星图像色彩平衡方法的流程图;
图2是本发明的小波分解示意图;
图3为本发明图像内的色彩均衡示例图;
图4为本发明图像间的色彩均衡示例图。
具体实施方式
下面结合附图对本发明的具体实施方式作详细介绍。
请参见图1,本发明的卫星图像色彩平衡方法基于小波变换和Wallis变换,具体方法为:
(1)选择对比度高、色彩近真彩色的图像作为参考图像,对原始卫星图像和参考图像进行4层小波分解,获得相应的高频信息和低频信息,具体包括:
基于小波多分辨分析的理论,利用小波变换进行对原始图像及参考图像进行二维小波分解:
设任意L2(R2)空间二维信号尺度空间满足:
则有分解方程:
其中:j代表尺度,k、m代表两个方向的位移,i、l代表二维信号分解后两个方向的位移。
令h0和h1分别为小波变换的低通滤波器和高通滤波器,二维影像多分辨率分析快速分解算法可表示为:
其中:表示小波分解第j层上的低频系数,它体现的是影像的逼近部分,即影像的主要信息部分;分别表示小波分解第j层上的3个高频系数,它们分别体现影像的垂直方向、水平方向、对角方向的边缘纹理细节部分。
小波分解示意图请参见图2,对图像进行4层小波分解,式(1)可表达为:
其中,LL4为第四层低频系数,LHi,HLi,HHi分别代表小波分解每层的3个高频系数,即水平方向、垂直方向、对角方向的细节信息部分。除了低频信息为正值外,其他细节影像系数均在零值左右摆动。其中幅度较大的位置对应于影像的灰度突变处,即对应着地物纹理、线状地物和区域的边界等显著特征。利用式(3)得到原始卫星图像及参考图像的LL4和
(2)对LL4进行规则分块,,并设一高亮阈值,统计每块局部区域的均值和标准偏差,高于该阈值的灰度值不列入局部区域均值和标准偏差的统计。在图像的色彩平衡时,为了提高图像间统计量的连续性,规则分块后的相邻区域之间有一定重叠。
(3)利用计算好的每块图像的均值和标准偏差,采用内插算法求取原始卫星图像中每一像素点的均值和标准偏差。
(4)设置一与步骤(2)相同的高亮阈值,统计参考图像的均值和标准偏差,高于该阈值的灰度值不列入参考图像均值和标准偏差的统计。
(5)将原始卫星图像的低频信息与参考图像的低频信息进行色彩匹配,获得匹配后的灰度值,具体包括:
本方法基于Wallis变换,Wallis变换可以表示为:
式中,g(x,y)和f(x,y)分别为原始图像和Wallis变换结果图像的灰度值;mg和sg分别为原始图像的局部灰度均值与标准偏差;mf和sf分别为参考图像局部灰度均值和标准偏差的目标值;c∈[0,1],为图像方差的扩展常数;b∈[0,1],为图像的亮度系数。
当b→1时,图像均值被强制到mf,当b→0时,图像均值被强制到mg。式(4)也可以表示为:
式中,
参数r1、r0分别为乘性系数和加性系数。在典型的Wallis变换中,c=1,b=1,此时,式(4)变为
上述算法适用于航空遥感图像的处理,但不适直接应用于航天卫星遥感色彩均衡处理,直接应用会出现颜色失真和地物的“压平”现象。
通过对公式(4)的分析发现,地物“压平”现象与bmf+(1-b)mg项密切相关。为此,需引入一全局量来抑制变换后颜色的“压平”现象。bmf+(1-b)mg项的变化是以mf为基准进行相应变换的,基于上述分析,本发明在大量试验的基础上,对公式(4)进行了如下改进:
其中,m是原始图像的全局均值,α是亮度调节量。
步骤(1)中,利用式(3)得到原始卫星图像及参考图像的LL4和由于LL4和中仅包含了图像的低频信息,低频信息主要是由图像的色彩等低频信息组成。
利用式(7)对LL4进行Wallis变换,得到与′
色彩相似的LL4。
(6)利用原始卫星图像中的高频信息和步骤(5)中得到的LL′4,进行小波重构,获得均衡后的图像。
利用LL′4,重构F′:
由于变换是仅在低频信息上进行,高频信息没有受到影响,因此重构后的图像F′进一步改善了图像的“压平”现象。
在如图3显示的例子中,利用参考图像(b)对原始卫星图像(a)进行色彩均衡处理,图(c)和图(d)是分别利用传统Wallis变换和本发明方法色彩均衡后的图像。从图3中可看出,图像(c)地物有明显的“压平”现象,表现为图像对比度低;图像(d)地物的“压平”现象得到明显改善,对比度较高。
图3为图像内的色彩均衡试验结果,图4为图像间的实际应用,图4所示的是某地区不同时相SPOT5数据色彩均衡实例。图4(a)为色彩平衡处理前简单拼接的情况,由于图像为不同时期获取的,图像间色彩差别比较大;图4(b)为色彩均衡采用的标片;图4(c)为采用本发明色彩均衡方法的处理结果。从图4可以看出,色彩平衡处理前,各幅图像色调、亮度、反差等差别很大,整个拼接范围内色彩严重不平衡;色彩平衡处理后,情况得到了极大的改善,在整个拼接范围内实现了色彩平衡,整个拼接范围内的图像有了一致的色彩表现。
以上所述的实施例仅用于说明本专利的技术思想及特点,其目的在于使本领域内的技术人员能够了解本专利的内容并据以实施,不能仅以本实施例来限定本专利的专利范围,即凡依本专利所揭示的精神所作的同等变化或修饰,仍落在本专利的专利范围内。
Claims (6)
1.一种基于小波变换和Wallis变换的卫星图像色彩平衡方法,其特征在于,至少包括以下步骤:
(1)对原始卫星图像和参考图像进行4层小波分解,获得相应的高频信息和低频信息;
(2)对步骤(1)获取的低频信息进行规则分块,对每块区域统计相应的均值和标准偏差;
(3)利用步骤(2)计算好的每块区域的均值和标准偏差,采用内插算法求取原始卫星图像中每一像素点对应的均值和标准偏差;
(4)统计参考图像低频信息部分的均值和标准偏差;
(5)将原始卫星图像的低频信息与参考图像的低频信息进行色彩匹配,获得匹配后的灰度值;
(6)利用原始卫星图像中的高频信息和步骤(5)中得到的数据,进行小波重构,获得均衡后的图像。
2.根据权利要求1所述的一种基于小波变换和Wallis变换的卫星图像色彩平衡方法,其特征在于,所述步骤(2)还包括:设一高亮阈值,高于该阈值的灰度值不列入局部区域均值和标准偏差的统计。
3.根据权利要求1所述的一种基于小波变换和Wallis变换的卫星图像色彩平衡方法,其特征在于,所述步骤(2)中,在平衡图像间的色彩时,局部区域选自重叠区域。
4.根据权利要求1所述的一种基于小波变换和Wallis变换的卫星图像色彩平衡方法,其特征在于,所述步骤(4)还包括:设置一与步骤(2)相同的高亮阈值,高于该阈值的灰度值不列入参考图像均值和标准偏差的统计。
5.根据权利要求1所述的一种基于小波变换和Wallis变换的卫星图像色彩平衡方法,其特征在于,所述步骤(1)采用的公式为:
其中,LL4为第四层低频系数,LHi,HLi,HHi分别代表小波分解每层的3个高频系数,即水平方向、垂直方向、对角方向的细节信息部分。
6.根据权利要求1所述的一种基于小波变换和Wallis变换的卫星图像色彩平衡方法,其特征在于,所述步骤(5)采用的公式为:
式中,g(x,y)和f(x,y)分别为原始图像和Wallis变换结果图像的灰度值;mg和sg分别为原始图像的局部灰度均值与标准偏差;mf和sf分别为参考图像局部灰度均值和标准偏差的目标值;c∈[0,1],为图像方差的扩展常数;b∈[0,1],为图像的亮度系数,m是原始图像的全局均值,α是亮度调节量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510535503.3A CN106485664B (zh) | 2015-08-27 | 2015-08-27 | 一种基于小波变换和Wallis变换的卫星图像色彩平衡方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510535503.3A CN106485664B (zh) | 2015-08-27 | 2015-08-27 | 一种基于小波变换和Wallis变换的卫星图像色彩平衡方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106485664A true CN106485664A (zh) | 2017-03-08 |
CN106485664B CN106485664B (zh) | 2018-12-14 |
Family
ID=58234359
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510535503.3A Active CN106485664B (zh) | 2015-08-27 | 2015-08-27 | 一种基于小波变换和Wallis变换的卫星图像色彩平衡方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106485664B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109300083A (zh) * | 2018-10-10 | 2019-02-01 | 中国人民解放军战略支援部队信息工程大学 | 一种分块处理Wallis匀色方法及装置 |
CN109410136A (zh) * | 2018-10-10 | 2019-03-01 | 中国人民解放军战略支援部队信息工程大学 | 基于最短传递路径的匀色方法及处理装置 |
CN110415185A (zh) * | 2019-07-02 | 2019-11-05 | 长江大学 | 一种改进的Wallis阴影自动补偿方法及装置 |
CN111652826A (zh) * | 2020-05-18 | 2020-09-11 | 哈尔滨工业大学 | 基于Wallis滤波+直方图匹配的有重多/高光谱遥感图像匀色方法 |
-
2015
- 2015-08-27 CN CN201510535503.3A patent/CN106485664B/zh active Active
Non-Patent Citations (5)
Title |
---|
G. SARAVANAN ET AL: "A Color Image Enhancement based on Discrete Wavelet Transform", 《INTERNATIONAL JOURNAL OF COMPUTER APPLICATIONS》 * |
LI-WEN WANG AND AN WANG: "Virtual Texture with Wallis Filter for Terrain Visualization", 《JOURNAL OF ENGINEERING SCIENCE AND TECHNOLOGY REVIEW》 * |
王密 等: "面向无缝影像数据库应用的一种新的光学遥感影像色彩平衡方法", 《国土资源遥感》 * |
王智均 等: "Wallis变换在小波影像融合中的应用", 《武汉测绘科技大学学报》 * |
王智均 等: "利用小波变换对影像进行融合的研究", 《武汉测绘科技大学学报》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109300083A (zh) * | 2018-10-10 | 2019-02-01 | 中国人民解放军战略支援部队信息工程大学 | 一种分块处理Wallis匀色方法及装置 |
CN109410136A (zh) * | 2018-10-10 | 2019-03-01 | 中国人民解放军战略支援部队信息工程大学 | 基于最短传递路径的匀色方法及处理装置 |
CN109410136B (zh) * | 2018-10-10 | 2020-10-27 | 中国人民解放军战略支援部队信息工程大学 | 基于最短传递路径的匀色方法及处理装置 |
CN110415185A (zh) * | 2019-07-02 | 2019-11-05 | 长江大学 | 一种改进的Wallis阴影自动补偿方法及装置 |
CN110415185B (zh) * | 2019-07-02 | 2023-03-17 | 长江大学 | 一种改进的Wallis阴影自动补偿方法及装置 |
CN111652826A (zh) * | 2020-05-18 | 2020-09-11 | 哈尔滨工业大学 | 基于Wallis滤波+直方图匹配的有重多/高光谱遥感图像匀色方法 |
CN111652826B (zh) * | 2020-05-18 | 2023-04-25 | 哈尔滨工业大学 | 基于Wallis滤波+直方图匹配的有重多/高光谱遥感图像匀色方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106485664B (zh) | 2018-12-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106485664A (zh) | 一种基于小波变换和Wallis变换的卫星图像色彩平衡方法 | |
CN107578430B (zh) | 一种基于自适应权值和局部熵的立体匹配方法 | |
CN107274365A (zh) | 一种基于反锐化掩模和nsct算法的矿井图像增强方法 | |
CN106910161A (zh) | 一种基于深度卷积神经网络的单幅图像超分辨率重建方法 | |
CN104574337B (zh) | 基于双边伽马校正和多尺度图像融合的图像增强方法 | |
CN101246594A (zh) | 一种基于梯度场的优化融合遥感图像处理方法 | |
CN105469360A (zh) | 基于非局部联合稀疏表示的高光谱图像超分辨率重建方法 | |
CN103500440A (zh) | 一种去除大气退化图像云雾的方法 | |
CN103942769A (zh) | 一种卫星遥感影像融合方法 | |
CN103093444A (zh) | 基于自相似性和结构信息约束的图像超分辨重建方法 | |
CN107016647A (zh) | 全景图像色调一致性纠正方法及系统 | |
CN103617596A (zh) | 一种基于流型转换的图像色彩风格变换方法 | |
CN103971340A (zh) | 一种高位宽数字图像动态范围压缩和细节增强方法 | |
CN103428514B (zh) | 深度图产生装置及方法 | |
CN103914678A (zh) | 基于纹理与植被指数的撂荒地遥感识别方法 | |
CN106097252B (zh) | 基于图Graph模型的高光谱图像超像素分割方法 | |
CN104992415A (zh) | 一种基于全变差和小波变换的图像去噪方法及系统 | |
CN106157264A (zh) | 基于经验模式分解的大幅面图像不均匀光照校正方法 | |
CN104766290B (zh) | 一种基于快速nsct的像素信息估计融合方法 | |
CN102821301B (zh) | 基于hvs的立体信息客观质量评价方法 | |
CN106611410A (zh) | 基于金字塔模型的pansharpen融合优化方法 | |
CN102819829A (zh) | 基于分形的超分辨率遥感影像的重建算法 | |
CN110969584B (zh) | 一种低照度图像增强方法 | |
CN114463202A (zh) | 结合矩阵补全和趋势滤波的植被指数时间序列重建方法 | |
CN104240208A (zh) | 非制冷红外焦平面探测器图像细节增强方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20190916 Address after: Room MB208, 22nd Building, No. 88 Lane 1-30, Minbei Road, Minhang District, Shanghai, 20107 Patentee after: Sun Ze Address before: 201107 Shanghai min Road 88 Lane No. 1-30 building twenty-second room MB208 Patentee before: Shanghai Veve Mdt InfoTech Ltd |