一种适合遥感影像的色彩增强方法
技术领域
本发明涉及遥感影像处理技术领域,具体涉及一种适合遥感影像的色彩增强方法。
背景技术
遥感影像是利用空间传感器探测的地面目标电磁波辐射信息,其包含了十分丰富的地理信息,是获取地面信息的重要来源,为我们认知国土、开发资源、研究环境、分析全球变化找到了新的途径。
在影像获取的过程中,受光照条件、大气流动、大气扰动等因素影响,遥感影像具有整体亮度偏暗、色彩不丰富、对比度较低和目标与背景区分不明显的特点,遥感影像增强技术对于改善影像的对比度、突出某些局部细节等起着积极的作用,有利于减少遥感图像在成像过程中受传感器性能下降、大气扰动等因素造成的影响,对展开后续工作具有重要作用。
遥感影像增强是数字遥感影像分析技术中最基础、也是最重要的一项处理手段,增强效果的好坏直接决定了遥感影像后续处理的效率和精度。遥感影像增强一方面可以改善人眼对原始遥感影像的视觉效果,提高遥感影像清晰度,便于从经过增强处理的遥感影像上获取所感兴趣的又用信息,快速实现从遥感影像信息向有用信息的转化;另一方面在计算机自动识别中,可以使原始遥感影像信息转化成便于机器感知、立即和分析的形式,提高处理和分析的质量、速度。
现有的遥感影像增强技术主要包括基于空间域和基于变换域的两大类方法。其中空间域算法为目前的研究热点。基于空间域的方法主要包括直方图均衡化,拉普拉斯锐化、线性拉伸等。
在对这些增强方法的研究和时间过程中发现:这些方法都具有一定的局限性,不具有鲁棒性。直方图均衡化方法对整体偏暗或偏亮的图像增强效果不好,且容易放大噪声;拉普拉斯锐化只能对边缘进行增强而不能增强图像的亮度、色彩以及对比度;线性拉伸方法能够提高图像对比度,但是容易使噪声增强。针对以上方法的局限性,本发明提出一种适合遥感影像的色彩增强方法。
发明内容
本发明为解决现有遥感影像的色彩增强方法存在局限性、鲁棒性关,图像增强效果差以及存在噪声增强等问题,提供一种适合遥感影像的色彩增强方法。
一种适合遥感影像的色彩增强方法,该方法由以下步骤实现:
步骤一、对遥感彩色影像进行颜色迁移处理,获得颜色迁移后的图像clr,具体过程为:
步骤一一、输入待处理遥感影像src和颜色图像tgt,将所述待处理遥感影像src分解为RGB三通道图像R
src,G
src,B
src并计算每个通道图像的均值
将颜色图像tgt分解为RGB三通道图像R
tgt,G
tgt,B
tgt并计算每个通道颜色图像的均值
步骤一二、计算步骤一中待处理遥感影像src的RGB三通道图像之间的协方差矩阵Covsrc和颜色图像tgt图像的RGB三通道图像之间的协方差矩阵Covtgt;并分别对协方差矩阵Covsrc和Covtgt进行奇异值分解,分别用下式表示为:
式中,Usrc、Utgt、Vsrc、Vtgt为正交矩阵,由协方差矩阵的特征向量组成,Λsrc、Λtgt为对角矩阵,由协方差矩阵的特征值组成,用公式表示为:
步骤一三、计算步骤一中待处理遥感影像src的变换矩阵Tsrc、旋转矩阵Msrc和尺度矩阵Ssrc,颜色图像tgt的变换矩阵Ttgt、旋转矩阵Mtgt和尺度矩阵Stgt,分别用公式表示为:
步骤一四、通过计算中间矩阵I,获得颜色迁移后的图像clr的三个通道图像Rclr,Gclr,Bclr,计算公式为:I=Tsrc×Msrc×Ssrc×Stgt×Mtgt×Ttgt×Itgt,其中,Itgt=(Rtgt,Gtgt,Btgt,1)T,中间矩阵I=(Rclr,Gclr,Bclr,1)T,并将得到的三通道图像Rclr,Gclr,Bclr合并得到最终颜色迁移后图像clr;
步骤二、对步骤一获得的图像clr进行颜色去块处理,获得去块后图像J,具体过程为:
步骤二一、对步骤一获得颜色迁移后的图像clr的RGB三个通道的图像在x,y方向上做sobel边缘检测,获得边缘检测后的图像;
步骤二二、分别计算边缘检测后的RGB三个通道图像的加权参数矩阵ψ、加权参数φ以及迭代参数矩阵;根据设置的迭代次数进行迭代修正,获得修正后的RGB三个通道图像;
步骤二三、对步骤二二获得修正后的RGB三个通道图像进行合并,获得去块后影像J;
步骤三、计算步骤二获得的图像J的模糊核K;采用维纳滤波器对图像J进行去模糊处理,获得去模糊后影像D;对去模糊后影像D进行拉普拉斯锐化处理,得到最终影像dst,用公式表示为:
本发明的有益效果:本发明所述的遥感影像的色彩增强方法,对遥感影像经过颜色迁移处理、去块处理、去模糊处理以及锐化处理等一系列操作实现对遥感影像的增强处理,适用于对遥感影像质量要求高的遥感影像处理系统。本方法能够广泛应用于遥感影像分类、变换检测、国土认知、资源开发等领域。
本发明所述的遥感影像的色彩增强方法,明显丰富了待处理遥感影像的色彩信息,使色彩更加丰富。提高遥感图像对比度,增强图像细节,又没有引入过多的噪声。特别是那些对于那些整体图像色彩特别暗的图像,本发明可以很好的对其色彩进行丰富,同时提高其对比度与细节信息。这对于后期的遥感图像应用以及目视解释都具有良好的作用。
附图说明
图1为本发明所述的一种适合遥感影像图像增强方法的流程图;
图2为原始遥感影像效果图;
图3位输入颜色图像效果图;
图4为经过步骤一颜色迁移处理后得到的影像效果图;
图5为经过步骤二去块处理后得到的影像效果图;
图6位步骤三中得到的刃边区域灰度图像效果图;
图7为经过步骤三四得到的去模糊后影像效果图;
图8为经过步骤五得到的经过拉普拉斯锐化的最终图像效果图;
图9为对图2使用直方图均衡化得到的图像增强结果效果图;
图10为对图2使用2%线性拉伸得到的图像增强结果效果图;
图11为对图2使用锐化得到的图像增强结果效果图。
具体实施方式
具体实施方式一、结合图1至图11说明本实施方式,一种适合遥感影像色彩增强方法,针对待处理遥感影像色彩不丰富、对比度低的特点,对遥感影像进行增强处理,其过程包括颜色迁移处理、去块处理、去模糊处理以及锐化处理。处理后遥感影像的色彩得到明显丰富,亮度得到提升,对比度得到提高,边缘细节得到强化。
本实施方式的具体过程为:
1.对遥感彩色影像进行颜色迁移处理,包括下列步骤:
1.1输入待处理遥感图像src,颜色图像tgt,其中tgt为在谷歌地图等高清图库中得到的与src大致地理位置相同的图像,要求tgt图像具有色彩丰富、对比度高的特点;
1.2将src影像分解为RGB三通道图像,表示为R
src,G
src,B
src,并计算每个通道的均值,表示为
将颜色图像tgt分解为RGB通道图像,表示为R
tgt,G
tgt,B
tgt,并计算每个通道的均值,表示为
1.3计算src影像三通道之间的协方差矩阵Covsrc,计算tgt图像三通道之间的协方差矩阵Covtgt;
1.4对协方差矩阵Covsrc、Covtgt进行奇异值分解,将Covsrc、Covtgt分解为下列形式:
其中,Usrc、Utgt、Vsrc、Vtgt为正交矩阵,由协方差矩阵的特征向量组成,Λsrc、Λtgt为对角矩阵,由协方差矩阵的特征值组成,其形式为
1.5计算原src图像以及tgt图像的变换矩阵T,公式为:
1.6计算原src图像以及tgt图像的旋转矩阵M,公式为:
1.7计算原src图像以及tgt图像的尺度矩阵S,公式为:
1.8通过计算中间矩阵I,获得颜色迁移后的图像clr的三个通道图像Rclr,Gclr,Bclr,计算公式为:I=Tsrc×Msrc×Ssrc×Stgt×Mtgt×Ttgt×Itgt,其中,Itgt=(Rtgt,Gtgt,Btgt,1)T,中间矩阵I=(Rclr,Gclr,Bclr,1)T,并将得到的三通道图像Rclr,Gclr,Bclr合并得到最终颜色迁移后图像clr;
1.9将步骤1.8得到的三个通道Rclr,Gclr,Bclr合并成最终颜色迁移后图像clr;
2、对颜色迁移后的图像clr进行颜色去块处理,得到去块后图像J,包括以下步骤:
2.1将步骤1中得到的clr图像分解为三个通道图像,表示为Rclr,Gclr,Bclr;
2.2对Rclr在x,y方向上做sobel边缘检测,得到边缘检测后的图像Rsbl,计算公式如下;
其中,
为R
clr在x方向上的sobel边缘检测图,
为R
clr在y方向上的sobel边缘检测图,*表示卷积。
2.3计算R通道加权参数矩阵,表示为ψR,公式为:
其中(x,y)表示像素点坐标,取值范围为整个图像;Rsbl(x,y)表示为在Rsbl影像中像素坐标点在(x,y)位置像素值,ψR(x,y)表示为参数矩阵ψR在像素点坐标为(x,y)位置的取值。
2.4计算R通道加权参数,表示为φR,公式为:
其中Rsrc(x,y)表示在步骤1.2中原图像src在像素点坐标为(x,y)位置的像素值。
2.6设置迭代次数为m次,对下面公式进行m次迭代修正,m取值通常大于64;
其中k=0,1,2,…,m,迭代初始值
为第一步颜色迁移后的R通道影像R
clr,得到m次迭代后修正的结果J
R;
2.7重复步骤2.2到2.6,分别对G通道和B通道做相同处理,得到m次迭代后修正的结果JG、JB;
2.8将修正后的RGB影像JR、JG、JB合并,得到去块后影像J。
3.计算去块后影像J的模糊核K,包括下列步骤。但对于同一卫星影像的模糊核计算,只需要每隔三个月求一次即可。若该卫星影像的模糊核K已知,则直接进行步骤4.
3.1在影像J中,手动选取合适的刃边区域R,要求刃边区域左右对比度较大且噪声较小,刃边区域长或宽都大于30;
3.2将刃边区域图像转为灰度图像G;
3.3提取刃边灰度图像G的每一行的灰度数据,使用Canny算法确定每行数据刃边边缘中心位置;
3.4利用步骤3.3探测到的每一行的刃边边缘中心位置,对刃边灰度图像G的各行数据进行配准,配准方式为每行刃边边缘中心位置互相配准,每行距离该行刃边边缘中心位置相同的像素点进行配准:若像素点行坐标小于该行刃边边缘中心位置坐标,则距离为负;若像素点行坐标大于该行刃边边缘中心位置行坐标,则距离为正;若像素点行坐标等于该行坐标边缘中心位置行坐标,则距离为0;
3.5将3.4步骤配准的位置进行叠加后求均值,得到边缘扩散函数曲线(ESF);
3.6对ESF曲线进行离散微分处理得到线扩散函数(LSF),并对其进行归一化处理;
3.7找到归一化LSF曲线灰度值最高点,以灰度值最高点为中心,左右各六个点为半径截断,得到1行13列的行向量A;
3.8计算得到模糊核K,计算公式如下:
K=AT×A
其中AT表示行向量A的转置,得模糊核为13*13矩阵。
4.使用维纳滤波器对颜色去块后影像J进行去模糊处理,得到去模糊后影像D,使用的模糊核为步骤3中得到的K。
5.对去模糊后影像D进行拉普拉斯锐化处理,得到最终影像dst,计算公式如下:
具体实施方式二、结合图2至图11说明本实施方式,本实施方式为具体实施方式一所述的适合遥感影像色彩增强方法的验证实例:依次给出遥感图像每步处理后图像,并在最后与现有的直方图均衡化方法、拉普拉斯锐化方法以及线性拉伸方法进行结果对比。测试样本来自吉林一号视频03星数据。
如图2所示为吉林一号视频03星数据拍摄的西班牙维哥地区的影像,观察可知影像整体偏暗,对比度不明显;图3位传入的颜色图像,该图像是来自谷歌地球的高清图像,与图2地理位置大致相同;图4为经过步骤1颜色迁移处理后得到的影像,整体影像得到色彩得到丰富,对比度明显提高,但观察图4中红框部分可知,颜色迁移放大了噪声,带来了块效应;图5为经过步骤2去块处理后得到的影像,影像中块效应得到减弱,但是影像整体变得模糊;图6为步骤3中,在图像中获取刃边区域的灰度图;图7为经过步骤3和4得到的去模糊后影像,相对于图5来说,整体图像变得清晰;图8为经过步骤5得到的经过拉普拉斯锐化的最终图像,相对于图7来说,图像边缘得到加强。图9为对原图2使用直方图均衡化得到的图像增强结果;图10为对原图2使用2%线性拉伸得到的图像增强结果;图11为对原图2使用锐化得到的图像增强结果。对比图8、图9、图10、图11可知,本实施方式所述的影像增强方法在色彩丰富,亮度,对比度等方面上均优于其他方法。