CN106780355A - 一种遥感图像增强方法 - Google Patents
一种遥感图像增强方法 Download PDFInfo
- Publication number
- CN106780355A CN106780355A CN201611014110.9A CN201611014110A CN106780355A CN 106780355 A CN106780355 A CN 106780355A CN 201611014110 A CN201611014110 A CN 201611014110A CN 106780355 A CN106780355 A CN 106780355A
- Authority
- CN
- China
- Prior art keywords
- image
- enhancing
- maximum
- gray
- enhancement methods
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 24
- 230000002708 enhancing effect Effects 0.000 claims abstract description 44
- 239000002096 quantum dot Substances 0.000 claims abstract description 8
- 238000005728 strengthening Methods 0.000 claims abstract description 6
- 230000003044 adaptive effect Effects 0.000 claims abstract description 5
- 238000012545 processing Methods 0.000 claims abstract description 5
- 238000010606 normalization Methods 0.000 claims description 9
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 3
- 238000004380 ashing Methods 0.000 claims 1
- 230000006978 adaptation Effects 0.000 abstract description 3
- 238000011161 development Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000005610 quantum mechanics Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000005283 ground state Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种遥感图像增强方法,包括1)对原始遥感图像进行采样并进行归一化处理,得到归一化采样图像;2)将图像像素相关性与量子信号处理相结合以定义像素的黑白概率来构造增强算子,得到预增强图像;3)根据预增强图像的最大信息熵原则自适应确定增强算子的最优灰度阈值;4)根据最优灰度阈值,再次利用增强算子得到增强图像。本发明引入量子比特表达方式表示图像像素出现黑白的概率,具有较强的适应性。根据增强后得到的预增强图像信息熵最大化原则,自适应的确定最佳灰度阈值,避免人为的不断调试,综合考虑了图像的全局与局部信息,有效地增强了图像的对比度,一定程度上抑制了噪声干扰,改善了图像的质量。
Description
技术领域
本发明涉及图像处理技术领域,具体涉及一种遥感图像增强方法。
背景技术
随着信息技术的快速发展,人类对遥感的认知以及科学发展的迫切需求,提高分辨率和深入应用逐渐成为遥感科学技术发展的重大需求。然而,由于机器设备自身的不足及光照等环境因素造成遥感图像模糊,图像质量粗糙。因此,一种有效的遥感图像增强算法对于模糊的图像变得清晰具有重要作用。
传统的图像增强算法采用均值滤波法和直方图均衡化方法,但是均值滤波方法易造成图像模糊,直方图均衡化方法虽然可以使图像的对比度增强,但也易在目标图像边界区域产生噪声。
针对相关技术中的问题,目前尚未提出有效的解决方案。
发明内容
针对相关技术中的上述技术问题,本发明提出一种遥感图像增强方法,能够有效的增加遥感图像对比度,改善图像的质量。
为实现上述技术目的,本发明的技术方案是这样实现的:
一种遥感图像增强方法,包括以下步骤:
S1对原始遥感图像进行采样并进行归一化处理,得到归一化采样图像;
S2将图像像素相关性与量子信号处理相结合以定义像素的黑白概率来构造增强算子,得到预增强图像;
S3根据预增强图像的最大信息熵原则自适应确定增强算子的最优灰度阈值;
S4根据最优灰度阈值,再次利用增强算子得到增强图像。
进一步的,所述步骤S1包括:
S11对原始图像进行隔点采样,得到采样后的图像I;
S12初始化灰度阈值T、图像最大信息熵E以及最大信息熵所对应的阈值T_opt;
S13根据灰度阈值T,定义图像的归一化变换,得到归一化图像。
进一步的,在步骤S12中,初始化灰度阈值T=Lmin+1,图像最大信息熵E=0,及最大信息熵所对应的阈值T_opt=0;其中,Lmin表示图像的最小灰度值。
进一步的,在步骤S13中,定义图像的归一化变换为:
其中,f(m,n)∈[0,1]且f(m,n)表示当前像素为(m,n)的归一化灰度值,g(m,n)表示原始图像的像素,Lmax表示最大灰度阈值。
进一步的,所述步骤S2包括:
S21在3x3窗口中,将图像像素灰度的相关性与量子比特相结合定义增强算子如下:
其中,ENT(m,n)的灰度值范围为[0,1];
S22根据增强算子,得到预增强图像ENTZ。
进一步的,所述步骤S3包括:
S31在步骤S2对应的当前T的取值下,计算图像的信息熵,根据图像信息熵最大化原则,将最大的信息熵存放在E中,不断更新E和T_opt;
S32令T=T+1,再次执行步骤S13到步骤S31,直到当灰度阈值T取值为图像最大灰度阈值Lmax时停止,求出最大熵所对应的阈值T_opt。
进一步的,在步骤S31中,计算图像的信息熵的公式为:
其中,p(i)表示在ENTZ图像中,灰度值为i的出现概率。
进一步的,在步骤S4中,令T=T_opt,根据图像的归一化变换对原始图像归一化,再通过增强算子得到最终的增强图像ENTZ2。
本发明的有益效果:本发明引入量子比特表达方式表示图像像素出现黑白的概率,具有较强的适应性。根据增强后得到的预增强图像信息熵最大化原则,自适应的确定最佳灰度阈值,避免人为的不断调试,综合考虑了图像的全局与局部信息,有效地增强了图像的对比度,一定程度上抑制了噪声干扰,改善了图像的质量。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是根据本发明实施例所述的遥感图像增强方法的流程图;
图2是根据本发明实施例的城市航拍图;
图3是根据本发明实施例的均值滤波结果图;
图4是根据本发明实施例所述的遥感图像增强方法的图像增强效果图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员所获得的所有其他实施例,都属于本发明保护的范围。
如图1-4所示,根据本发明实施例所述的一种遥感图像增强方法,包括以下步骤:
S1对如图2所示的城市航拍图像进行采样并进行归一化处理,得到归一化采样图像;
S2将图像像素相关性与量子信号处理相结合以定义像素的黑白概率来构造增强算子,得到预增强图像;
S3根据预增强图像的最大信息熵原则自适应确定增强算子的最优灰度阈值;
S4根据最优灰度阈值,再次利用增强算子得到增强图像。
其中,所述步骤S1进一步包括:
S11对如图2所示的城市航拍图像进行隔点采样,得到采样后的图像I;
S12初始化灰度阈值T、图像最大信息熵E以及最大信息熵所对应的阈值T_opt;
S13根据灰度阈值T,定义图像的归一化变换,得到归一化图像。
其中,在所述步骤S12中,初始化灰度阈值T=Lmin+1,图像最大信息熵E=0,及最大信息熵所对应的阈值T_opt=0;其中,Lmin表示图像的最小灰度值。
其中,在步骤S13中,定义图像的归一化变换为:
其中,f(m,n)∈[0,1]且f(m,n)表示当前像素为(m,n)的归一化灰度值,g(m,n)表示原始图像的像素,Lmax表示最大灰度阈值;f(m,n)和1-f(m,n)可看成图像在(m,n)取值为“1”和“0”的概率。引入量子比特表达形式为两个基态|0>和|1>表示灰度值为黑点“0”和白点“1”的状态。
其中,所述步骤S2进一步包括:
S21在3x3窗口中,相邻图像像素灰度关联性强,以0°,45°,90°,135°方向作为增强算子方向构建增强算子,与量子比特相结合定义增强算子如下:
其中,ENT(m,n)的灰度值范围为[0,1],Fi表示归一化后的灰度阈值参数T;
S22根据增强算子,得到预增强图像ENTZ。
其中,所述步骤S3进一步包括:
S31在步骤S2对应的当前T的取值下,计算图像的信息熵,根据图像信息熵最大化原则,将最大的信息熵存放在E中,不断更新E和T_opt;
S32令T=T+1,再次执行步骤S13到步骤S31,每更新一次灰度阈值T,将当前灰度阈值为T时所对应的信息熵与E比较,若当前灰度阈值时的信息熵大于E,则用变量T_opt保存当前的T值,T∈[Lmin+1,Lmax],直到当灰度阈值T取值为图像最大灰度阈值Lmax时停止,求出最大熵所对应的阈值T_opt。
其中,在步骤S31中,计算图像的信息熵的公式为:
其中,p(i)表示在ENTZ图像中,灰度值为i的出现概率。
其中,在S4中,令T=T_opt,根据图像的归一化变换对原始图像归一化,再通过增强算子得到最终的增强图像ENTZ2,图像增强效果图如图4所示。
对城市航拍图进行仿真实验,对比图3和图4可以发现,图4增强后的图像其各街道的边缘,建筑物的边缘都得到了显著的加强,较之原图像中模糊的边缘效果,增强后的图像边缘基本上都达到了可辨的程度。本发明的遥感图像增强方法,综合利用了量子力学中理论,图像像素相关性,并引入量子比特像素表达方式,增强图像的对比度,改善了图像质量,同时有效的抑制了噪声的产生。
本发明首先对遥感图像进行采样并归一化,引入量子力学中两个基态|0>和|1>表示灰度值为“0”和“1”的状态,0态和1态的概率幅表示该灰度值为黑点和白点的概率;在3x3窗口中,将其与相邻像素灰度间关联性相结合,以0°,45°,90°,135°方向作为增强算子方向构建增强算子;依据图像最大信息熵原则,自适应确定图像灰度阈值,再次利用增强算子对原始遥感图像进行增强,得到最终增强后的遥感图像。
综上所述,借助于本发明的上述技术方案,本发明引入量子比特表达方式表示图像像素出现黑白的概率,具有较强的适应性。根据增强后得到的预增强图像信息熵最大化原则,自适应的确定最佳灰度阈值,避免人为的不断调试,综合考虑了图像的全局与局部信息,有效地增强了图像的对比度,一定程度上抑制了噪声干扰,改善了图像的质量。
以上所述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、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种遥感图像增强方法,其特征在于,包括以下步骤:
S1对原始遥感图像进行采样并进行归一化处理,得到归一化采样图像;
S2将图像像素相关性与量子信号处理相结合以定义像素的黑白概率来构造增强算子,得到预增强图像;
S3根据所述预增强图像的最大信息熵原则自适应确定所述增强算子的最优灰度阈值;
S4根据所述最优灰度阈值,利用所述增强算子得到增强图像。
2.根据权利要求1所述的遥感图像增强方法,其特征在于,所述步骤S1进一步包括:
S11对原始图像进行隔点采样,得到采样后的图像I;
S12初始化灰度阈值T、图像最大信息熵E以及最大信息熵所对应的阈值T_opt;
S13根据灰度阈值T,定义图像的归一化变换,得到归一化图像。
3.根据权利要求2所述的遥感图像增强方法,其特征在于,在所述步骤S12中,初始化灰度阈值T=Lmin+1,图像最大信息熵E=0,及最大信息熵所对应的阈值T_opt=0;其中,Lmin表示图像的最小灰度值。
4.根据权利要求3所述的遥感图像增强方法,其特征在于,在步骤S13中,定义图像的归一化变换为:
;
其中,f(m,n)∈[0,1]且f(m,n)表示当前像素为(m,n)的归一化灰度值,g(m,n)表示原始图像的像素,Lmax表示最大灰度阈值。
5.根据权利要求4所述的遥感图像增强方法,其特征在于,所述步骤S2进一步包括:
S21在3x3窗口中,将图像像素灰度的相关性与量子比特相结合定义增强算子如下:
;
其中,ENT(m,n)的灰度值范围为[0,1];
S22根据增强算子,得到预增强图像ENTZ。
6.根据权利要求5所述的遥感图像增强方法,其特征在于,所述步骤S3进一步包括:
S31在步骤S2对应的当前T的取值下,计算图像的信息熵,根据图像信息熵最大化原则,将最大的信息熵存放在E中,不断更新E和T_opt;
S32令T=T+1,再次执行步骤S13到步骤S31,直到当灰度阈值T取值为图像最大灰度阈值Lmax时停止,求出最大熵所对应的阈值T_opt。
7.根据权利要求6所述的遥感图像增强方法,其特征在于,在步骤S31中,计算图像的信息熵的公式为:
;
其中,p(i)表示在ENTZ图像中,灰度值为i的出现概率。
8. 根据权利要求7所述的遥感图像增强方法,其特征在于,在步骤S4中,令T= T_opt,根据图像的归一化变换对原始图像归一化,再通过增强算子得到最终的增强图像ENTZ2。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611014110.9A CN106780355A (zh) | 2016-11-17 | 2016-11-17 | 一种遥感图像增强方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611014110.9A CN106780355A (zh) | 2016-11-17 | 2016-11-17 | 一种遥感图像增强方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106780355A true CN106780355A (zh) | 2017-05-31 |
Family
ID=58968906
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611014110.9A Pending CN106780355A (zh) | 2016-11-17 | 2016-11-17 | 一种遥感图像增强方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106780355A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110082500A (zh) * | 2019-04-26 | 2019-08-02 | 中国农业科学院农业资源与农业区划研究所 | 一种基于干湿边快速确定的农作物干旱遥感监测方法 |
CN111539894A (zh) * | 2020-04-28 | 2020-08-14 | 深圳市京湾量子遥感科技有限公司 | 一种新型图像增强方法 |
CN111626965A (zh) * | 2020-06-04 | 2020-09-04 | 成都星时代宇航科技有限公司 | 遥感图像处理方法,装置,电子设备及存储介质 |
CN112465714A (zh) * | 2020-11-24 | 2021-03-09 | 北京航天泰坦科技股份有限公司 | 多时相遥感影像处理方法和装置及设备 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105118043A (zh) * | 2015-08-31 | 2015-12-02 | 中国烟草总公司广东省公司 | 一种烟田遥感图像增强算法 |
CN105184743A (zh) * | 2015-08-19 | 2015-12-23 | 常州工学院 | 一种基于非线性导向滤波的图像增强方法 |
-
2016
- 2016-11-17 CN CN201611014110.9A patent/CN106780355A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105184743A (zh) * | 2015-08-19 | 2015-12-23 | 常州工学院 | 一种基于非线性导向滤波的图像增强方法 |
CN105118043A (zh) * | 2015-08-31 | 2015-12-02 | 中国烟草总公司广东省公司 | 一种烟田遥感图像增强算法 |
Non-Patent Citations (2)
Title |
---|
付晓薇等: "基于量子概率统计的医学图像增强算法研究", 《电子学报》 * |
何立等: "卫星遥感图像的增强处理", 《广西气象》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110082500A (zh) * | 2019-04-26 | 2019-08-02 | 中国农业科学院农业资源与农业区划研究所 | 一种基于干湿边快速确定的农作物干旱遥感监测方法 |
CN111539894A (zh) * | 2020-04-28 | 2020-08-14 | 深圳市京湾量子遥感科技有限公司 | 一种新型图像增强方法 |
CN111626965A (zh) * | 2020-06-04 | 2020-09-04 | 成都星时代宇航科技有限公司 | 遥感图像处理方法,装置,电子设备及存储介质 |
CN111626965B (zh) * | 2020-06-04 | 2021-03-16 | 成都星时代宇航科技有限公司 | 遥感图像处理方法,装置,电子设备及存储介质 |
CN112465714A (zh) * | 2020-11-24 | 2021-03-09 | 北京航天泰坦科技股份有限公司 | 多时相遥感影像处理方法和装置及设备 |
CN112465714B (zh) * | 2020-11-24 | 2024-05-07 | 航天科工(北京)空间信息应用股份有限公司 | 多时相遥感影像处理方法和装置及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kim et al. | Optimized contrast enhancement for real-time image and video dehazing | |
US8280165B2 (en) | System and method for segmenting foreground and background in a video | |
CN106780355A (zh) | 一种遥感图像增强方法 | |
Fu et al. | A fusion-based enhancing approach for single sandstorm image | |
Nithyananda et al. | Review on histogram equalization based image enhancement techniques | |
Wang et al. | Variational single nighttime image haze removal with a gray haze-line prior | |
Lu et al. | Underwater image descattering and quality assessment | |
Rashid et al. | Single image dehazing using CNN | |
CN109447917B (zh) | 基于内容和特征及多尺度模型的遥感图像雾霾消除方法 | |
Pei et al. | Effective image haze removal using dark channel prior and post-processing | |
CN109493291A (zh) | 一种自适应伽马校正的彩色图像对比度增强方法 | |
JP2011030191A (ja) | 画像処理装置及びその制御方法 | |
CN107273903B (zh) | 基于lsd改进的uuv近海面可见光图像海天线提取方法 | |
CN102208101A (zh) | 一种红外图像的自适应线性变换增强方法 | |
CN111861896A (zh) | 一种面向uuv的水下图像色彩补偿与恢复方法 | |
CN109118440B (zh) | 基于透射率融合与自适应大气光估计的单幅图像去雾方法 | |
Rani et al. | Contrast enhancement using improved adaptive gamma correction with weighting distribution technique | |
Wan et al. | Joint image dehazing and contrast enhancement using the HSV color space | |
CN111563854B (zh) | 用于水下图像增强处理的粒子群优化方法 | |
Han et al. | Enhancing underwater image by dark channel prior and color correction | |
JP2011205714A (ja) | 画像処理装置及びその制御方法 | |
Kang et al. | Reversible watermark using an accurate predictor and sorter based on payload balancing | |
Su et al. | An automatic shadowdetection and compensation method for remote sensed color images | |
Liang et al. | Multi-scale and multi-patch transformer for sandstorm image enhancement | |
Li et al. | Adaptive local gamma correction based on mean value adjustment |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170531 |
|
RJ01 | Rejection of invention patent application after publication |