CN109523475A - 一种基于色彩复原及增强的遥感图像处理方法 - Google Patents
一种基于色彩复原及增强的遥感图像处理方法 Download PDFInfo
- Publication number
- CN109523475A CN109523475A CN201811270764.7A CN201811270764A CN109523475A CN 109523475 A CN109523475 A CN 109523475A CN 201811270764 A CN201811270764 A CN 201811270764A CN 109523475 A CN109523475 A CN 109523475A
- Authority
- CN
- China
- Prior art keywords
- remote sensing
- wave band
- sensing images
- color
- brightness value
- 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
- 238000011084 recovery Methods 0.000 title claims abstract description 95
- 238000003672 processing method Methods 0.000 title claims abstract description 31
- 230000002708 enhancing effect Effects 0.000 title claims abstract description 15
- 238000004590 computer program Methods 0.000 claims description 11
- 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 8
- 230000000007 visual effect Effects 0.000 abstract description 5
- 230000006872 improvement Effects 0.000 abstract description 3
- 238000000034 method Methods 0.000 description 17
- 230000000694 effects Effects 0.000 description 10
- 238000012545 processing Methods 0.000 description 8
- 241001062009 Indigofera Species 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 238000013461 design Methods 0.000 description 4
- 238000001228 spectrum Methods 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 3
- 239000003086 colorant Substances 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002902 bimodal effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000002329 infrared spectrum Methods 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 230000007115 recruitment Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
- 239000003643 water by type Substances 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
- G06T2207/10024—Color image
-
- 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
- G06T2207/10041—Panchromatic image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本发明根据卫星载荷波段设置、在轨运行状态、成像条件及地物情况,结合应用要求提出一种色彩增强的陆地卫星遥感图像处理方法,经合理加载近红外波段信息,为图像目视解译和应用奠定基础。针对上述色彩复原及增强处理,通过科学设定参数保证了图像的亮度和清晰度符合目视效果,特别是增强植被绿度提升图像视觉效果。
Description
技术领域
本发明涉及一种基于色彩复原及增强的遥感图像处理方法,属于航天遥感图像处理技术领域。
背景技术
遥感图像一旦应用于解译、识别等,图像色彩真实性、鲜艳程度将在较大程度影响最终的应用。卫星载荷的波段设计与应用息息相关,一般而言设置了可见光和近红外波段,全色及近红外、红、绿、蓝四个多光谱波段成为卫星光学载荷的标准配置。由于顾及关注的地物及需要获得足够的信噪比,红、绿、蓝波段与国际照明委员会(CIE)的波段范围及能量比例不一致,因而卫星获取的图像即使完成绝对辐射定标和大气校正,也无法恢复真彩色;其次,大气对蓝波段散射和吸收严重,受到遥感技术水平的制约,早期的SPOT卫星、资源一号02C卫星(ZY1-0C)及CBERS-04卫星没有设置蓝波段,因此从成像机理上将无法获取真彩色图像;此外,某一些场合需要通过色彩增强处理改善目视效果,特别是强调植被的绿度等,进一步展示图像的应用价值。
针对卫星载荷蓝波段缺失无法获取真彩色图像及需要增强某些波段信息等,目前没有通用的算法,或有了推荐算法也无法提供合理的参数,造成通用性差、普适性不强等问题。
发明内容
本发明要解决的技术问题是:克服现有技术的不足,提供了一种基于色彩复原及增强的遥感图像处理方法。根据遥感机理,健康植被在红波段和蓝波段为反射谷,在红、蓝波谷之间为绿色反射峰,但峰值较低,从而导致叶片呈现暗绿色;在红波段向长波过渡时反射率急剧增加,在近红外波段逐渐形成一个高台,形成植被基本的光谱特征,有利于对植被的分类、检测。本发明针对遥感卫星的上述情况,根据不同的应用场景,运用波段运算的方法,即在其它波段叠加人眼无法感应的近红外波段信息,复原某些卫星所缺少的蓝波段,还原地物真实光谱特性,适用于复原或增强光学遥感卫星中低太阳高度角季节及植被稀疏图像的色彩表达能力。
本发明目的通过以下技术方案予以实现:
一种基于色彩复原的遥感图像处理方法,原始遥感图像中绿波段、红波段、近红外波段的亮度值分别为XS1、XS2、XS3,原始遥感图像中不包括蓝波段,将所述原始遥感图像中绿波段的亮度值XS1作为色彩复原后遥感图像中蓝波段的亮度值;色彩复原后遥感图像中绿波段的亮度值为(XS1+XS2+XS3)/3;色彩复原后遥感图像中红波段的亮度值为XS2。
一种基于色彩复原的遥感图像处理方法,原始遥感图像中绿波段、红波段、近红外波段的亮度值分别为XS1、XS2、XS3,原始遥感图像中不包括蓝波段,将所述原始遥感图像中绿波段的亮度值XS1作为色彩复原后遥感图像中蓝波段的亮度值;色彩复原后遥感图像中绿波段的亮度值为XS1*a+XS3*(1-a);色彩复原后遥感图像中红波段的亮度值为XS2;
式中,a为第一系数,a的取值范围为0.5~1。
一种基于色彩复原的遥感图像处理方法,原始遥感图像中绿波段、红波段、近红外波段的亮度值分别为XS1、XS2、XS3,原始遥感图像中不包括蓝波段,色彩复原后遥感图像中蓝波段的亮度值为b*XS1+c*XS2+d*XS3+e;
式中,b为第一系数,b的取值范围为0.6~0.9;c为第三系数,c的取值范围为-0.2~-0.1;d为第四系数,d的取值范围为-0.2~-0.1;e为第五系数,e的取值范围为10~20。
一种基于色彩增强的遥感图像处理方法,色彩增强前遥感图像中绿波段、红波段、近红外波段、蓝波段的亮度值分别为XS11、XS22、XS33、XS44,色彩增强后遥感图像中绿波段的亮度值为(1-f)XS11+f*XS33;色彩增强后遥感图像中蓝波段的亮度值为XS44;色彩增强后遥感图像中红波段的亮度值为XS22;
式中,f为第六系数,f的取值范围为0.1~0.5。
一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如下步骤:
将所述原始遥感图像中绿波段的亮度值XS1作为色彩复原后遥感图像中蓝波段的亮度值;色彩复原后遥感图像中绿波段的亮度值为(XS1+XS2+XS3)/3;色彩复原后遥感图像中红波段的亮度值为XS2;
所述原始遥感图像中绿波段、红波段、近红外波段的亮度值分别为XS1、XS2、XS3,所述原始遥感图像中不包括蓝波段。
一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如下步骤:
将所述原始遥感图像中绿波段的亮度值XS1作为色彩复原后遥感图像中蓝波段的亮度值;色彩复原后遥感图像中绿波段的亮度值为XS1*a+XS3*(1-a);色彩复原后遥感图像中红波段的亮度值为XS2;
式中,a为第一系数,a的取值范围为0.5~1;
所述原始遥感图像中绿波段、红波段、近红外波段的亮度值分别为XS1、XS2、XS3,所述原始遥感图像中不包括蓝波段。
一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如下步骤:
色彩复原后遥感图像中蓝波段的亮度值为b*XS1+c*XS2+d*XS3+e;
式中,b为第一系数,b的取值范围为0.6~0.9;c为第三系数,c的取值范围为-0.2~-0.1;d为第四系数,d的取值范围为-0.2~-0.1;e为第五系数,e的取值范围为10~20;XS1、XS2、XS3分别为原始遥感图像中绿波段、红波段、近红外波段的亮度值;所述原始遥感图像中不包括蓝波段。
一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如下步骤:
色彩增强后遥感图像中绿波段的亮度值为(1-f)XS11+f*XS33;色彩增强后遥感图像中蓝波段的亮度值为XS44;色彩增强后遥感图像中红波段的亮度值为XS22;
式中,f为第六系数,f的取值范围为0.1~0.5;XS1、XS2、XS3、XS4分别为色彩增强前遥感图像中绿波段、红波段、近红外波段、蓝波段的亮度值。
一种基于色彩复原及增强的遥感图像处理方法,包括如下步骤:
步骤一、基于原始遥感图像,利用上述基于色彩复原的遥感图像处理方法,获得色彩复原后的遥感图像;
步骤二、基于色彩复原后的遥感图像,利用上述基于色彩增强的遥感图像处理方法,获得色彩增强后的遥感图像。
一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如下步骤:
步骤一、基于原始遥感图像,利用上述基于色彩复原的遥感图像处理方法,获得色彩复原后的遥感图像;
步骤二、基于色彩复原后的遥感图像,利用上述基于色彩增强的遥感图像处理方法,获得色彩增强后的遥感图像。
本发明相比于现有技术具有如下有益效果:
(1)本发明明确给出了基于色彩复原及增强的遥感图像处理方法,并根据不同应用场景,提出针对性参数;
(2)本发明的方法适用于蓝波段缺失情况,在不改变其他波段信息的基础上科学复原蓝波段,并合成符合地物真实光谱特性的真彩色场景;
(3)本发明的方法对色彩进行调整,适度提升图像总体绿度,更能体现绿树成荫的质感;
(4)本发明针对性对图像中植被颜色进行调整,并不影响其它波段地物信息;
(5)本发明针对陆地卫星蓝波段缺失与绿波段待增强的情况,明确给出推荐的调整系数,同时考虑到特殊时相与地物,给出了系数的选择范围。
附图说明
图1为本发明实施例的步骤流程图;
图2为ZY1-02C卫星假彩色合成图像;
图3为ZY1-02C卫星色彩复原合成图像(a=0.9);
图4为ZY1-02C卫星色彩复原合成图像(a=0.7);
图5为ZY1-02C卫星色彩复原合成图像(a=0.5);
图6为ZY1-02C卫星蓝波段复原合成图像;
图7为ZY-3卫星原始图像;
图8为ZY-3卫星色彩增强图像(f=0.1);
图9为ZY-3卫星色彩增强图像(f=0.3);
图10为ZY-3卫星色彩增强图像(f=0.5)。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明的实施方式作进一步详细描述。
一种基于色彩复原及增强的遥感图像处理方法,包括如下步骤:
步骤一、基于原始遥感图像,利用基于色彩复原的遥感图像处理方法,获得色彩复原后的遥感图像;
原始遥感图像中绿波段、红波段、近红外波段的亮度值分别为XS1、XS2、XS3,原始遥感图像中不包括蓝波段,所述基于色彩复原的遥感图像处理方法包括三种实施方式:
实施方式一:
将所述原始遥感图像中绿波段的亮度值XS1作为色彩复原后遥感图像中蓝波段的亮度值;色彩复原后遥感图像中绿波段的亮度值为(XS1+XS2+XS3)/3;色彩复原后遥感图像中红波段的亮度值为XS2;
实施方式二:
将所述原始遥感图像中绿波段的亮度值XS1作为色彩复原后遥感图像中蓝波段的亮度值;色彩复原后遥感图像中绿波段的亮度值为XS1*a+XS3*(1-a);色彩复原后遥感图像中红波段的亮度值为XS2;
式中,a为第一系数,a的取值范围为0.5~1;
实施方式三:
色彩复原后遥感图像中蓝波段的亮度值为b*XS1+c*XS2+d*XS3+e;
式中,b为第一系数,b的取值范围为0.6~0.9;c为第三系数,c的取值范围为-0.2~-0.1;d为第四系数,d的取值范围为-0.2~-0.1;e为第五系数,e的取值范围为10~20。
步骤二、基于色彩复原后的遥感图像,利用基于色彩增强的遥感图像处理方法,获得色彩增强后的遥感图像。
所述基于色彩增强的遥感图像处理方法为:
色彩增强后遥感图像中绿波段的亮度值为(1-f)XS11+f*XS33;色彩增强后遥感图像中蓝波段的亮度值为XS44;色彩增强后遥感图像中红波段的亮度值为XS22;
式中,f为第六系数,f的取值范围为0.1~0.5;XS11、XS22、XS33、XS44分别为色彩增强前遥感图像中绿波段、红波段、近红外波段、蓝波段的亮度值。
即色彩增强前遥感图像中绿波段、红波段、近红外波段、蓝波段的亮度值分别等于色彩复原后的遥感图像中绿波段、红波段、近红外波段、蓝波段的亮度值。
一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如下步骤:
步骤一、基于原始遥感图像,利用基于色彩复原的遥感图像处理方法,获得色彩复原后的遥感图像;
原始遥感图像中绿波段、红波段、近红外波段的亮度值分别为XS1、XS2、XS3,原始遥感图像中不包括蓝波段,所述基于色彩复原的遥感图像处理方法包括三种实施方式:
实施方式一:
将所述原始遥感图像中绿波段的亮度值XS1作为色彩复原后遥感图像中蓝波段的亮度值;色彩复原后遥感图像中绿波段的亮度值为(XS1+XS2+XS3)/3;色彩复原后遥感图像中红波段的亮度值为XS2;
实施方式二:
将所述原始遥感图像中绿波段的亮度值XS1作为色彩复原后遥感图像中蓝波段的亮度值;色彩复原后遥感图像中绿波段的亮度值为XS1*a+XS3*(1-a);色彩复原后遥感图像中红波段的亮度值为XS2;
式中,a为第一系数,a的取值范围为0.5~1;
实施方式三:
色彩复原后遥感图像中蓝波段的亮度值为b*XS1+c*XS2+d*XS3+e;
式中,b为第一系数,b的取值范围为0.6~0.9;c为第三系数,c的取值范围为-0.2~-0.1;d为第四系数,d的取值范围为-0.2~-0.1;e为第五系数,e的取值范围为10~20。
步骤二、基于色彩复原后的遥感图像,利用基于色彩增强的遥感图像处理方法,获得色彩增强后的遥感图像。
所述基于色彩增强的遥感图像处理方法为:
色彩增强后遥感图像中绿波段的亮度值为(1-f)XS11+f*XS33;色彩增强后遥感图像中蓝波段的亮度值为XS44;色彩增强后遥感图像中红波段的亮度值为XS22;
式中,f为第六系数,f的取值范围为0.1~0.5;XS11、XS22、XS33、XS44分别为色彩增强前遥感图像中绿波段、红波段、近红外波段、蓝波段的亮度值。
即色彩增强前遥感图像中绿波段、红波段、近红外波段、蓝波段的亮度值分别等于色彩复原后的遥感图像中绿波段、红波段、近红外波段、蓝波段的亮度值。
实施例:
陆地卫星载荷可以突破人眼响应范围,使近红外波段成为陆地卫星标准配置,扩展了人眼对波段的观测范围,明显改善对植被、海岸线的观测效果。本实施例充分利用近红外波段信息实现陆地卫星遥感图像色彩复原及增强,提升目视效果和解译能力,即将近红外波段按照一定比例加载到其它波段,一方面可以通过色彩复原实现准真彩色,另一方面可以改善图像的色彩构成,即增强某些色彩成分。这种技术特殊性在于,首先体现在这种处理是根据卫星载荷、目标场景和实际应用情况;其次处理算法提出了参数范围及推荐系数;最后还结合了人眼视觉及思维特征。
结合图1的流程图及总体技术方案,以下对本实施例的具体实施方式作如下描述:
步骤1:显示器色彩设置
为了保证图像显示的色彩(亮度、色度、饱和度)与输出设备一致或总体接近,需要适时调整、标定显示设置,使之与打印效果一致。简单而直接的方法是人工选取不同纯色的块状目标(例如红、绿、蓝)或典型的真彩色遥感图像,在显示器上对比标准打印输出的结果,进而调整显示器的设置。
显示器的亮度需要调整适中,以人眼观测图像感觉舒服为宜;调整显示器的刷新频率,使人眼感觉不到闪烁为准,一般认为60Hz是刷新率的最低限度。
步骤2:图像截取
为了提高处理速度和效果,应避免直接对整幅图像调整色彩和动态范围,仅对截取的目标图像进行相关处理。截取的图像尺寸(宽、高的像元数)应满足应用要求。
步骤3:波段缺失的色彩复原
在没有特殊要求的情况下,一般采用真彩色多波段合成图像或融合图像。当卫星载荷设置中没有涵盖可见光的全部波段,例如没有蓝波段,宜使用相关处理技术生成近似真彩色图像,完成色彩复原。针对某些卫星,只有绿波段、红波段、近红外波段而缺少蓝波段,可以采用如下方法生成近似真彩色图像:
实施例的实施方式一:
将所述原始遥感图像中绿波段的亮度值XS1作为色彩复原后遥感图像中蓝波段的亮度值;色彩复原后遥感图像中绿波段的亮度值为(XS1+XS2+XS3)/3;色彩复原后遥感图像中红波段的亮度值为XS2。
实施例的实施方式二:
将所述原始遥感图像中绿波段的亮度值XS1作为色彩复原后遥感图像中蓝波段的亮度值;色彩复原后遥感图像中绿波段的亮度值为XS1*a+XS3*(1-a);色彩复原后遥感图像中红波段的亮度值为XS2;
式中,a为第一系数,a的取值范围为0.5~1.0。
实施例的实施方式一和实施方式二的绿波段的亮度值都做了归一化运算,图像平均亮度总体不会发生大的变法。针对实施例的实施方式二,a取值介于0.5~1.0之间,当绿色需要进一步加强,可减小a的取值,否则增大a值。当a为1.0时,没有加入近红外波段亮度值;当a为0.5时,近红外波段亮度值的一半叠加到原始的绿波段亮度值,典型值取0.7。该方法是原绿波段亮度值取代蓝波段亮度值,同时用原绿波段亮度值与近红外波段亮度值的代数运算更新了绿波段亮度值,该方法既考虑了原始图像的绿波段亮度值,同时也兼顾了近红外波谱。原理便于理解,实现途径简单,为推荐方式。
实施例的实施方式三:
色彩复原后遥感图像中蓝波段的亮度值为b*XS1+c*XS2+d*XS3+e;
式中,b为第一系数,b的取值范围为0.6~0.9;c为第三系数,c的取值范围为-0.2~-0.1;d为第四系数,d的取值范围为-0.2~-0.1;e为第五系数,e的取值范围为10~20。
实施例的实施方式三的蓝波段亮度值使用了三个已有波段的信息进行运算组合,b取值于0.6~0.9之间、c和d取值于-0.2~-0.1之间,e取值于10~20之间,具体数值可根据图像的成像季节和地物覆盖进行微调。
步骤4:波段缺失的色彩复原效果评估
针对步骤3之实施方式二的参数选择,不同的参数a结果各不相同。可结合人眼视觉和图像直方图共同判定。
步骤5:波段色彩增强算法设计
即使是正确的波段组合,由于波段范围及能量平衡等因素,图像的色彩与真实地物仍存在较大的差异,或与内心感受存在较大差距,需要对色彩进一步增强,特别提高植被的绿度。
例如,某些载荷设置虽然设置了蓝、绿、红波段,同时拥有近红外波段,有时需要加强绿色效果,可以在绿色波段中加入一定的近红外波段的信息。色彩增强后遥感图像中绿波段的亮度值为(1-f)XS11+f*XS33;色彩增强后遥感图像中蓝波段的亮度值为XS44;色彩增强后遥感图像中红波段的亮度值为XS22;
式中,f为第六系数,f的取值范围为0.1~0.5;XS11、XS22、XS33、XS44分别为色彩增强前遥感图像中绿波段、红波段、近红外波段、蓝波段的亮度值。色彩增强前遥感图像中绿波段、红波段、近红外波段、蓝波段的亮度值分别等于色彩复原后的遥感图像中绿波段、红波段、近红外波段、蓝波段的亮度值。
当绿色信息需要进一步加强,可增大a的取值,否则减小a值。该方法原蓝色和红色不变,同时用原绿色与近红外的代数运算新增了绿色,该方法既考虑了原始图像的绿波段信息,同时也兼顾了近红外波谱。
步骤6:波段色彩增强算法效果评估
针对步骤5的参数选择,不同的参数a结果各不相同。可结合人眼视觉、图像直方图及对比同类卫星遥感图像成像效果共同判定。
采用本发明实施例提供的方法对国内主流陆地卫星图像进行色彩复原及增强。ZY1-02C卫星缺少蓝波段,资源三号卫星(ZY-3)需要增强绿色,两颗卫星成像的目标分别为北京奥林森林匹克公园和新疆戈壁周边秋季的农地。其中ZY1-02C卫星成像时间为2013年9月25日,载荷空间率为10米;ZY-3卫星成像时间为2017年10月22日,载荷空间率为5.8米。图2至图6为没有蓝波段的ZY1-02C卫星图像色彩复原处理效果,图7至图10为ZY-3卫星图像色彩增强处理的效果。为了科学观测图像色彩和分辨率,在优化显示器色彩的基础上,截取遥感图像尺寸皆为400像元*400像元。
从图2左侧可以发现,由于ZY1-02C卫星没有设计蓝波段,采用R(近红外)、G(红)、B(绿)的假彩色合成,图像色彩已完全失去本身的颜色,在植被茂盛的区域呈现红色,而建筑物顶在红色基调的掩盖下为灰白色,奥海(龙形水系)则为黑色;从图2右侧的图像直方图可以发现红通道(近红外波段)动态范围宽、总体亮度值较大,这也解释了整幅图像表现为红色的原因。图3至图5的三幅图采用近红外加载技术,图像总体恢复了本来面目,但植被的绿度不同;而从右侧的图像直方图可以发现红、蓝通道的直方图相同,信息没有发生改变,与专利采用的算法原理一致。当参数a逐渐变小时,绿通道图像直方图朝着高端发展。具体而言,其中图3(a=0.9)加入的近红外量相对较少,图像在植被区域整体表现为墨绿色,而建筑物顶为灰白色,水域为蓝色;图5(a=0.5)加入的近红外量相对较多,图像在植被区域整体表现为亮绿色,总体夸大了绿色,已脱离真实情况;图4(a=0.7)加入的近红外量值适中,真实再现地物的实际情况,为专利所推荐。图6(b=0.87,c=-0.13,d=-0.10,e=13.96)为对三个已有波段运算后生成蓝波段后的效果图,从右侧的图像直方图可以发现红、绿通道的直方图相同,信息没有发生改变。而蓝通道的直方图有所收窄但是均值无明显变化。
从图7左侧可以发现,由于ZY-3卫星设计蓝波段,采用R(外)、G(绿)、B(蓝)的彩色合成,图像色彩基本正常,在植被茂盛的区域呈现暗绿色,而在裸露的地面上呈现红褐色;从图7右侧的图像直方图可以发现红通道动态范围宽、总体亮度值较大,致使整幅图像偏红色调。图8至图10的三幅图采用近红外加载技术,图像的植被的绿度逐渐提升;而从右侧的图像直方图可以发现红、蓝通道的直方图相同,信息没有发生改变,与专利采用的算法原理一致。当参数a逐渐变大时,绿通道图像直方图朝着高端发展,并且从双峰变成三峰。具体而言,其中图8(f=0.1)加入的近红外量相对较少,图像在植被区域整体增加了绿度,但变化不大,裸地也为红褐色;图10(f=0.5)加入的近红外量相对较多,图像在植被区域整体表现为亮绿色,甚至绿色分成两个层次,与绿通道的直方图一致,但人的心理感受到虚假成分;图9(f=0.3)加入的近红外量适中,植被鲜绿、地表为黄褐色,既能体现地物的真实色彩,又能增强地物的艳丽色彩,该参数为专利所推荐。
根据上述处理,可以发现本专利针对国产卫星不同载荷波段的配置,既能再现地物的真彩色,又能增强目标的色彩,算法原理清晰、参数明确,具有针对性和可操作性,可以为其它陆地卫星数据处理提供借鉴。
本发明说明书中未作详细描述的内容属本领域技术人员的公知技术。
Claims (10)
1.一种基于色彩复原的遥感图像处理方法,原始遥感图像中绿波段、红波段、近红外波段的亮度值分别为XS1、XS2、XS3,原始遥感图像中不包括蓝波段,其特征在于:
将所述原始遥感图像中绿波段的亮度值XS1作为色彩复原后遥感图像中蓝波段的亮度值;色彩复原后遥感图像中绿波段的亮度值为(XS1+XS2+XS3)/3;色彩复原后遥感图像中红波段的亮度值为XS2。
2.一种基于色彩复原的遥感图像处理方法,原始遥感图像中绿波段、红波段、近红外波段的亮度值分别为XS1、XS2、XS3,原始遥感图像中不包括蓝波段,其特征在于:
将所述原始遥感图像中绿波段的亮度值XS1作为色彩复原后遥感图像中蓝波段的亮度值;色彩复原后遥感图像中绿波段的亮度值为XS1*a+XS3*(1-a);色彩复原后遥感图像中红波段的亮度值为XS2;
式中,a为第一系数,a的取值范围为0.5~1。
3.一种基于色彩复原的遥感图像处理方法,原始遥感图像中绿波段、红波段、近红外波段的亮度值分别为XS1、XS2、XS3,原始遥感图像中不包括蓝波段,其特征在于:
色彩复原后遥感图像中蓝波段的亮度值为b*XS1+c*XS2+d*XS3+e;
式中,b为第一系数,b的取值范围为0.6~0.9;c为第三系数,c的取值范围为-0.2~-0.1;d为第四系数,d的取值范围为-0.2~-0.1;e为第五系数,e的取值范围为10~20。
4.一种基于色彩增强的遥感图像处理方法,色彩增强前遥感图像中绿波段、红波段、近红外波段、蓝波段的亮度值分别为XS11、XS22、XS33、XS44,其特征在于:
色彩增强后遥感图像中绿波段的亮度值为(1-f)XS11+f*XS33;色彩增强后遥感图像中蓝波段的亮度值为XS44;色彩增强后遥感图像中红波段的亮度值为XS22;
式中,f为第六系数,f的取值范围为0.1~0.5。
5.一种计算机可读存储介质,其上存储有计算机程序,其特征在于:该程序被处理器执行时实现如下步骤:
将所述原始遥感图像中绿波段的亮度值XS1作为色彩复原后遥感图像中蓝波段的亮度值;色彩复原后遥感图像中绿波段的亮度值为(XS1+XS2+XS3)/3;色彩复原后遥感图像中红波段的亮度值为XS2;
所述原始遥感图像中绿波段、红波段、近红外波段的亮度值分别为XS1、XS2、XS3,所述原始遥感图像中不包括蓝波段。
6.一种计算机可读存储介质,其上存储有计算机程序,其特征在于:该程序被处理器执行时实现如下步骤:
将所述原始遥感图像中绿波段的亮度值XS1作为色彩复原后遥感图像中蓝波段的亮度值;色彩复原后遥感图像中绿波段的亮度值为XS1*a+XS3*(1-a);色彩复原后遥感图像中红波段的亮度值为XS2;
式中,a为第一系数,a的取值范围为0.5~1;
所述原始遥感图像中绿波段、红波段、近红外波段的亮度值分别为XS1、XS2、XS3,所述原始遥感图像中不包括蓝波段。
7.一种计算机可读存储介质,其上存储有计算机程序,其特征在于:该程序被处理器执行时实现如下步骤:
色彩复原后遥感图像中蓝波段的亮度值为b*XS1+c*XS2+d*XS3+e;
式中,b为第一系数,b的取值范围为0.6~0.9;c为第三系数,c的取值范围为-0.2~-0.1;d为第四系数,d的取值范围为-0.2~-0.1;e为第五系数,e的取值范围为10~20;XS1、XS2、XS3分别为原始遥感图像中绿波段、红波段、近红外波段的亮度值;所述原始遥感图像中不包括蓝波段。
8.一种计算机可读存储介质,其上存储有计算机程序,其特征在于:该程序被处理器执行时实现如下步骤:
色彩增强后遥感图像中绿波段的亮度值为(1-f)XS11+f*XS33;色彩增强后遥感图像中蓝波段的亮度值为XS44;色彩增强后遥感图像中红波段的亮度值为XS22;
式中,f为第六系数,f的取值范围为0.1~0.5;XS1、XS2、XS3、XS4分别为色彩增强前遥感图像中绿波段、红波段、近红外波段、蓝波段的亮度值。
9.一种基于色彩复原及增强的遥感图像处理方法,其特征在于:包括如下步骤:
步骤一、基于原始遥感图像,利用权利要求1或权利要求2或权利要求3所述的基于色彩复原的遥感图像处理方法,获得色彩复原后的遥感图像;
步骤二、基于色彩复原后的遥感图像,利用权利要求4所述的基于色彩增强的遥感图像处理方法,获得色彩增强后的遥感图像。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于:该程序被处理器执行时实现如下步骤:
步骤一、基于原始遥感图像,利用权利要求1或权利要求2或权利要求3所述的基于色彩复原的遥感图像处理方法,获得色彩复原后的遥感图像;
步骤二、基于色彩复原后的遥感图像,利用权利要求4所述的基于色彩增强的遥感图像处理方法,获得色彩增强后的遥感图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811270764.7A CN109523475A (zh) | 2018-10-29 | 2018-10-29 | 一种基于色彩复原及增强的遥感图像处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811270764.7A CN109523475A (zh) | 2018-10-29 | 2018-10-29 | 一种基于色彩复原及增强的遥感图像处理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109523475A true CN109523475A (zh) | 2019-03-26 |
Family
ID=65773652
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811270764.7A Pending CN109523475A (zh) | 2018-10-29 | 2018-10-29 | 一种基于色彩复原及增强的遥感图像处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109523475A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108681996A (zh) * | 2018-05-30 | 2018-10-19 | 上海沃韦信息科技有限公司 | 一种图像处理方法 |
CN110070509A (zh) * | 2019-04-26 | 2019-07-30 | 国家卫星气象中心 | 一种可见光遥感图像实时可视化系统及可视化方法 |
CN116612199A (zh) * | 2023-07-20 | 2023-08-18 | 中国科学院光电技术研究所 | 一种深空探测彩色相机在轨联合颜色定标方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102063700A (zh) * | 2010-10-08 | 2011-05-18 | 北京大学 | 卫星遥感图像生成方法及其系统 |
CN102982538A (zh) * | 2012-11-06 | 2013-03-20 | 中国资源卫星应用中心 | 一种资源卫星多光谱图像模拟真彩色方法 |
CN103955896A (zh) * | 2014-04-22 | 2014-07-30 | 中国资源卫星应用中心 | 一种提升卫星图像视觉效果的真彩色增强方法 |
-
2018
- 2018-10-29 CN CN201811270764.7A patent/CN109523475A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102063700A (zh) * | 2010-10-08 | 2011-05-18 | 北京大学 | 卫星遥感图像生成方法及其系统 |
CN102982538A (zh) * | 2012-11-06 | 2013-03-20 | 中国资源卫星应用中心 | 一种资源卫星多光谱图像模拟真彩色方法 |
CN103955896A (zh) * | 2014-04-22 | 2014-07-30 | 中国资源卫星应用中心 | 一种提升卫星图像视觉效果的真彩色增强方法 |
Non-Patent Citations (1)
Title |
---|
1992MASTER: "实验二 遥感图像增强处理", 《百度文库》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108681996A (zh) * | 2018-05-30 | 2018-10-19 | 上海沃韦信息科技有限公司 | 一种图像处理方法 |
CN110070509A (zh) * | 2019-04-26 | 2019-07-30 | 国家卫星气象中心 | 一种可见光遥感图像实时可视化系统及可视化方法 |
CN116612199A (zh) * | 2023-07-20 | 2023-08-18 | 中国科学院光电技术研究所 | 一种深空探测彩色相机在轨联合颜色定标方法 |
CN116612199B (zh) * | 2023-07-20 | 2024-02-06 | 中国科学院光电技术研究所 | 一种深空探测彩色相机在轨联合颜色定标方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109523475A (zh) | 一种基于色彩复原及增强的遥感图像处理方法 | |
Carper et al. | The use of intensity-hue-saturation transformations for merging SPOT panchromatic and multispectral image data | |
CN104408752B (zh) | 一种基于混合色调映射算法的高动态范围图像压缩方法 | |
Reinhard et al. | Color transfer between images | |
CN101690169B (zh) | 非线性色调映射设备和方法 | |
CN108090879A (zh) | 一种对输入的高动态范围图像进行处理的方法和显示设备 | |
US20050163393A1 (en) | Visibility improvement in color video stream | |
CN106530250A (zh) | 一种基于改进的Retinex低照度彩色图像增强方法 | |
CN102663741B (zh) | 对彩色数字图像进行视觉立体感知增强的方法及系统 | |
CN110458787B (zh) | 一种图像融合方法、装置及计算机存储介质 | |
CN102547063A (zh) | 基于颜色对比度增强的自然感彩色融合方法 | |
CN107358572B (zh) | 一种改进型基于战术信息终端的环境光线自适应方法 | |
CN110599418B (zh) | 一种变换域融合的全局色调映射方法 | |
CN110634169A (zh) | 图像处理的装置和方法 | |
CN102063700A (zh) | 卫星遥感图像生成方法及其系统 | |
EP2347571A2 (en) | Contrast enhancement of images | |
Murata et al. | True color imagery rendering for Himawari-8 with a color reproduction approach based on the CIE XYZ color system | |
CN103955896A (zh) | 一种提升卫星图像视觉效果的真彩色增强方法 | |
CN113222054A (zh) | 基于特征比值指数的遥感影像融合方法、系统、设备及介质 | |
CN112508812A (zh) | 图像色偏校正方法、模型训练方法、装置及设备 | |
CN113240758A (zh) | 基于融合衍生指数的遥感影像融合方法、系统、设备及介质 | |
CN113447136B (zh) | 多维动态混合成像方法 | |
Bernabé-Poveda et al. | Techniques for highlighting relief on orthoimaginery | |
CN106023101A (zh) | 一种基于视觉保真的卫星遥感图像处理方法 | |
CN102136132A (zh) | 一种暗环境下人眼视觉系统感知效果的合成方法 |
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: 20190326 |
|
RJ01 | Rejection of invention patent application after publication |