CN110009704B - 一种珞珈一号夜光遥感影像的动态范围压缩方法和系统 - Google Patents

Abstract

为了克服珞珈一号卫星获得的夜光遥感影像动态范围压缩到8bits时易出现的过饱和与细节丢失的不足，通过分析珞珈一号夜光遥感影像的辐射量分布特征，可以有效地获得具有良好动态分布且细节保持良好的珞珈一号夜光遥感影像。本发明公开了一种珞珈一号卫星获得的夜光遥感影像动态范围压缩方法，采用了平均对数辐射量作为背景分割阈值、运用改进的SNIC超像素分割法和结合Sigmoid函数与模糊函数的方法。根据实验结果，采用本发明的方法，能获得较好的局部对比度信息，同时保持原始夜光影像丰富的纹理信息，且计算快速，便于实现。

Description

一种珞珈一号夜光遥感影像的动态范围压缩方法和系统

技术领域

本发明属于图像处理领域，具体涉及一种珞珈一号夜光遥感影像的动态范围压缩方法和系统。

背景技术

夜光遥感载荷主要在夜间工作，可以采集到城市灯光、火光、交通等产生的辐射信号。夜光遥感影像通常可反映城市空间扩展、人口估算、电力能源消耗等综合性信息。

目前大多数夜光遥感影像来自于美国的DMSP/OLS卫星，该卫星发射时间较早，动态范围较窄，数据精度已经不能满足研究需要。珞珈一号卫星作为最新发射具有夜光遥感载荷的卫星，其夜光影像原始动态范围为16bits，经过几何处理后发布的影像为32bits，优于DMSP/OLS的6bits数据，在图像细节层次上表现更好。

由于常用显示设备支持的动态范围通常为8bits，常用的数字图像处理算法也是基于8bits位深，因此在显示与应用处理之前，需要对夜光遥感影像的动态范围进行压缩，使得其能够在常用显示器上进行浏览、判读，适用常用算法进行数据处理分析。

夜光遥感影像的灰度直方图类似于长尾分布，不同于常见的近高斯分布。而且灯光、火光相对集中在一个较窄的范围中，因此需要重新设计一种适用于珞珈一号卫星影像的动态范围压缩方法，有效压缩图像整体的位深，但同时保留高光区域的局部对比度信息，以最大程度保持原始夜光影像中高光部分的丰富纹理信息和细节层次。

发明内容

本发明是为了克服珞珈一号卫星获得的夜光遥感影像动态范围压缩到8bits时易出现的过饱和与细节丢失的不足，通过分析珞珈一号夜光遥感影像的亮度分布特征，引入平均对数亮度作为背景分割阈值，抑制夜光影像由于背景暗调部分过多引起的影像整体偏暗的情况；运用改进的SNIC超像素分割法，分割出不同亮度的区域进行局部处理，以避免全局算法容易出现的细节丢失问题，且可有效分割出过饱和区域及其他区域；结合Sigmoid函数与模糊函数，对聚类分割后的影像进行调制，抑制影像高光和暗调部分，增强中间调，使得亮调聚集区域的纹理过渡平滑自然，以满足后续对影像进行特征提取的高层操作需求。

本发明提出一种实现通过珞珈一号获得的夜光遥感影像动态范围压缩的方法，包括以下步骤：

1)计算影像的平均对数辐射量，作为夜光影像的背景阈值；

2)结合背景阈值，通过超像素分割预处理影像，将图像分成若干超像素，获得每个超像素标签，并把超像素分为背景超像素和非背景超像素；

3)分割出超像素的动态范围压缩，将非背景的超像素选择用基于Sigmoid的自适应动态范围压缩方法进行压缩，将背景超像素选择用基于模糊函数的方法进行动态范围压缩，最终得到夜光影像的动态范围压缩结果。

进一步的，步骤1的具体实现方式如下：

利用Huang等人提出的基于Sigmoid函数的动态范围压缩方法，将平均对数辐射量作为特征值，快速提取出夜光影像的背景阈值，每景影像具有动态调节的阈值，以祛除背景辐射量的干扰，平均对数辐射量通过下试计算，

其中I_w表示真实世界辐射量，N为图像像素个数，ε为较小常数，保证对数运算过程中数值不为零。

进一步的，步骤2的具体实现方式如下，

2-1)利用Achanta等人提出SNIC超像素分割算法，将具有N个像素的影像快速分成Z个超像素，每个超像素的标签取值范围为1-Z，且不重复；每个超像素的中心辐射量通过下式计算，

式中，Ω_i是第i个超像素的像素集合，集合中的每个像素都包含在第i个超像素范围内；c_j是第i个超像素中第j个像素的辐射量特征，c_j＝[l_j]，其中l_j表示颜色的辐射量。

由于夜光影像仅有辐射量信息，因此需要修改相似性距离公式，修改后的公式如下：

d_c＝l_j′-l_i′

式中，d_c表示辐射量距离，d_s表示坐标距离，D为相似性距离，S为采样间隔，其值为影像像素数量与单个超像素内像素数量的比值，m为超参数，其值越大，分割的超像素数量越少；

2-2)结合背景阈值，对于超像素中心辐射量小于或等于背景阈值的超像素，标记其为背景超像素，对于超像素中心辐射量大于背景阈值的超像素，标记其为非背景超像素。

进一步的，步骤3的具体内容如下：

分别对背景超像素和非背景超像素进行处理。

3-1)对于背景超像素，根据背景阈值的不同，选择用对数函数或幂函数进行调制，以消除过多暗调背景造成的对比度失真的现象。

设置辐射量阈值δ，该阈值是经验值，在处理珞珈一号卫星拍摄得到的夜光遥感影像时，设置为3000。对于背景阈值小于或等于δ的影像，由于其暗调区域占据了影像的绝大部分，因此选择用幂函数进行调制，以消除整体影像偏暗的现象，幂函数如下式，

I′＝α*exp(I)

I为输入影像像素值，I′为输出影像像素值，max和min分别表示输入影像的最大和最小像素值。

对于背景阈值大于δ的影像，由于暗调区域偏多，但没有占据影像的绝大部分，因此选择用对数函数进行调制，以消除整体影像偏暗的现象，对数函数如下式，

I′＝α*log(I)

其中，I′是输出影像像素值，I表示输入影像像素值，β为一个极小正数，为了保证在对数运算中所有数值为正，α为常数，其对输出值进行归一化调整，max和min分别表示输入影像的最大和最小像素值；

3-2)对于非背景超像素，利用Sigmoid函数对其调制，Sigmoid函数如下式，

其中，I_wa＝I_w/I_avg，I_{wa_max}＝I_wmax/I_avg，I_wa为最大辐射量。

本发明还提供一种实现夜光遥感影像动态范围压缩的系统，包括以下模块：

背景阈值分割模块，用于割离出夜光影像背景；

超像素分割模块，用于通过超像素分割处理图像，将图像分成若干超像素，获得每个超像素标签，并把超像素分为背景超像素和非背景超像素；

动态范围压缩模块，用于分割出超像素的动态范围压缩，将非背景的超像素选择用基于Sigmoid的自适应动态范围压缩方法进行压缩，将背景超像素选择用基于模糊函数的方法进行动态范围压缩，最终得到夜光影像的动态范围压缩结果。

进一步的，背景阈值分割模块的具体实现方式如下：

利用Huang等人提出的基于Sigmoid函数的动态范围压缩方法，将平均对数辐射量作为特征值，快速提取出夜光影像的背景阈值，每景影像具有动态调节的阈值，以祛除背景辐射量的干扰，平均对数辐射量通过下试计算，

其中I_w表示真实世界辐射量，N为图像像素个数，ε为较小常数，保证对数运算过程中数值不为零。

进一步的，超像素分割模块具体实现过程如下：

2-1)利用Achanta等人提出SNIC超像素分割算法，将具有N个像素的影像快速分成Z个超像素，每个超像素的标签取值范围为1-Z，且不重复；每个超像素的中心辐射量通过下式计算，

式中，Ω_i是第i个超像素的像素集合，集合中的每个像素都包含在第i个超像素范围内；c_j是第i个超像素中第j个像素的辐射量特征，c_j＝[l_j]，其中l_j表示颜色的辐射量。

由于夜光影像仅有辐射量信息，因此需要修改相似性距离公式，修改后的公式如下：

d_c＝l_j′-l_i′

式中，d_c表示辐射量距离，d_s表示坐标距离，D为相似性距离，S为采样间隔，其值为影像像素数量与单个超像素内像素数量的比值，m为超参数，其值越大，分割的超像素数量越少；

2-2)结合背景阈值，对于超像素中心辐射量小于或等于背景阈值的超像素，标记其为背景超像素，对于超像素中心辐射量大于背景阈值的超像素，标记其为非背景超像素。

进一步的，动态范围压缩模块具体实现方式如下：

分别对背景超像素和非背景超像素进行处理。

3-1)对于背景超像素，根据背景阈值的不同，选择用对数函数或幂函数进行调制，以消除过多暗调背景造成的对比度失真的现象。

设置阈值δ，该阈值是经验值，在处理珞珈一号卫星拍摄得到的夜光遥感影像时，设置为3000。对于背景阈值小于或等于δ的影像，由于其暗调区域占据了影像的绝大部分，因此选择用幂函数进行调制，以消除整体影像偏暗的现象，幂函数如下式，

I′＝α*exp(I)

I为输入影像像素值，I′为输出影像像素值，max和min分别表示输入影像的最大和最小像素值。

对于背景阈值大于δ的影像，由于暗调区域偏多，但没有占据影像的绝大部分，因此选择用对数函数进行调制，以消除整体影像偏暗的现象，对数函数如下式，

I′＝α*log(I)

其中，I′是输出影像像素值，I表示输入影像像素值，β为一个极小正数，为了保证在对数运算中所有数值为正，α为常数，其对输出值进行归一化调整，max和min分别表示输入影像的最大和最小像素值；

3-2)对于非背景超像素，利用Sigmoid函数对其调制，Sigmoid函数如下式，

其中，I_wa＝I_w/I_avg，I_{wa_max}＝Iw_max/I_avg，I_wa为最大辐射量。

本发明主要针对珞珈一号卫星获得的夜光遥感影像，针对其影像特点，对图像进行动态范围压缩。采用本发明的方法，可以有效的获得较好的局部对比度信息，同时保持原始夜光影像丰富的纹理信息，且计算快速，便于实现。

附图说明

图1为本发明的总体流程示意图。

图2为结果示例。

具体实施方式

用本发明的方法对珞珈一号卫星获得的夜光遥感影像进行动态范围压缩。该动态范围压缩过程如下：

1)获取若干影像，计算影像的平均对数辐射量，作为夜光影像的背景阈值；

2)结合背景阈值，实现影像的SNIC超像素分割，将图像分成若干超像素，获得每个超像素标签，并把超像素分为背景超像素和非背景超像素；

3)根据每个超像素的特性，自适应的对每个超像素进行动态范围压缩，从而完成整景影像的动态范围压缩

获取若干影像，以图2所示的影像为例，计算获得每景影像的背景阈值，背景阈值计算方式如下：

其中I_w表示真实世界辐射量，N为图像像素个数，ε为较小常数，保证对数运算过程中数值不为零。

实现图像的超像素分割，方法如下：令初始的超像素个数为10000，紧凑度参数m为10.0，对图像进行SNIC超像素分割，得到8530个超像素，每个超像素的标签为1-8530，超像素的中心辐射量计算公式如下：

式中，Ω_i是第i个超像素的像素集合，集合中的每个像素都包含在第i个超像素范围内；c_j是第i个超像素中第j个像素的辐射量特征，c_j＝[l_j]，其中l_j表示颜色的辐射量。

由于夜光影像仅有辐射量信息，因此需要修改相似性距离公式，修改后的公式如下：

d_c＝l_j′-l_i′

式中，d_c表示辐射量距离，d_s表示坐标距离，D为相似性距离，S为采样间隔，其值为影像像素数量与单个超像素内像素数量的比值，m为超参数，其值越大，分割的超像素数量越少；

然后结合背景阈值，对于超像素中心辐射量小于或等于背景阈值的超像素，标记其为背景超像素，对于超像素中心辐射量大于背景阈值的超像素，标记其为非背景超像素。

实现8530个超像素的动态范围压缩方法如下：

3-1)对于背景超像素，根据背景阈值的不同，选择用对数函数或幂函数进行调制，以消除过多暗调背景造成的对比度失真的现象。

设置辐射量阈值δ，该阈值是经验值，在处理珞珈一号卫星拍摄得到的夜光遥感影像时，设置为3000。对于背景阈值小于或等于δ的影像，由于其暗调区域占据了影像的绝大部分，因此选择用幂函数进行调制，以消除整体影像偏暗的现象，幂函数如下式，

I′＝α*exp(I)

I为输入影像像素值，I′为输出影像像素值，max和min分别表示输入影像最大和最小像素值。

对于背景阈值大于δ的影像，由于暗调区域偏多，但没有占据影像的绝大部分，因此选择用对数函数进行调制，以消除整体影像偏暗的现象，对数函数如下式，

I′＝α*log(I)

其中，I′是输出影像像素值，I表示输入影像像素值，β为一个极小正数，为了保证在对数运算中所有数值为正，α为常数，其对输出值进行归一化调整，max和min分别表示输入影像的最大和最小像素值；

3-2)对于非背景超像素，利用Sigmoid函数对其调制，Sigmoid函数如下式，

其中，I_wa＝I_w/I_avg，I_{wa_max}＝I_wmax/I_avg，I_wa为最大辐射量。

具体实施时，本发明技术方案可基于计算机软件技术实现自动运行流程，也可采用模块化方式实现相应系统。本发明实施例提供一种实现夜光遥感影像动态范围压缩的系统，包括以下模块：

背景阈值分割模块，用于计算影像的平均对数辐射量，作为夜光影像的背景阈值；

超像素分割模块，用于通过超像素分割处理图像，将图像分成若干超像素，获得每个超像素标签，并把超像素分为背景超像素和非背景超像素；

动态范围压缩模块，用于分割出超像素的动态范围压缩，将非背景的超像素选择用基于Sigmoid的自适应动态范围压缩方法进行压缩，将背景超像素选择用基于模糊函数的方法进行动态范围压缩，最终得到夜光影像的动态范围压缩结果。

其中，背景阈值分割模块的具体实现方式如下：

利用Huang等人提出的基于Sigmoid函数的动态范围压缩方法，将平均对数辐射量作为特征值，快速提取出夜光影像的背景阈值，每景影像具有动态调节的阈值，以祛除背景辐射量的干扰，平均对数辐射量通过下试计算，

其中I_w表示真实世界辐射量，N为图像像素个数，ε为较小常数，保证对数运算过程中数值不为零。

其中，超像素分割模块具体实现过程如下：

2-1)利用Achanta等人提出SNIC超像素分割算法，将具有N个像素的影像快速分成Z个超像素，每个超像素的标签取值范围为1-Z，且不重复；每个超像素的中心辐射量通过下式计算，

式中，Ω_i是第i个超像素的像素集合，集合中的每个像素都包含在第i个超像素范围内；c_j是第i个超像素中第j个像素的辐射量特征，c_j＝[l_j]，其中l_j表示颜色的辐射量。

由于夜光影像仅有辐射量信息，因此需要修改相似性距离公式，修改后的公式如下：

d_c＝l_j′-l_i′

式中，d_c表示辐射量距离，d_s表示坐标距离，D为相似性距离，S为采样间隔，其值为影像像素数量与单个超像素内像素数量的比值，m为超参数，其值越大，分割的超像素数量越少；

2-2)结合背景阈值，对于超像素中心辐射量小于或等于背景阈值的超像素，标记其为背景超像素，对于超像素中心辐射量大于背景阈值的超像素，标记其为非背景超像素。

其中，动态范围压缩模块具体实现方式如下：

分别对背景超像素和非背景超像素进行处理。

3-1)对于背景超像素，根据背景阈值的不同，选择用对数函数或幂函数进行调制，以消除过多暗调背景造成的对比度失真的现象。

设置阈值δ，该阈值是经验值，在处理珞珈一号卫星拍摄得到的夜光遥感影像时，设置为3000。对于背景阈值小于或等于δ的影像，由于其暗调区域占据了影像的绝大部分，因此选择用幂函数进行调制，以消除整体影像偏暗的现象，幂函数如下式，

I′＝α*exp(I)

I为输入影像像素值，I′为输出影像像素值，max和min分别表示输入影像的最大和最小像素值。

对于背景阈值大于δ的影像，由于暗调区域偏多，但没有占据影像的绝大部分，因此选择用对数函数进行调制，以消除整体影像偏暗的现象，对数函数如下式，

I′＝α*log(I)

其中，I′是输出影像像素值，I表示输入影像像素值，β为一个极小正数，为了保证在对数运算中所有数值为正，α为常数，其对输出值进行归一化调整，max和min分别表示输入影像的最大和最小像素值；

3-2)对于非背景超像素，利用Sigmoid函数对其调制，Sigmoid函数如下式，

其中，I_wa＝I_w/I_avg，I_{wa_max}＝I_wmax/I_avg，I_wa为最大辐射量。

各模块的具体实现和各步骤相应，本发明不予撰述。

上述实施例描述仅对本发明的基本技术方案予以说明，且并不仅限于上述实施例。本发明所属领域的技术人员或团队可以对所描述的具体实施例进行任何简单的修改、补充、同等变化或修饰，但并不会偏离本发明的基本精神或超越权利要求书所定义的范围。

Claims (4)

1.一种珞珈一号夜光遥感影像的动态范围压缩方法，其特征在于，包括以下步骤：

1)计算影像的平均对数辐射量，作为夜光影像的背景阈值；具体实现方式如下，

利用基于Sigmoid函数的动态范围压缩方法，将平均对数辐射量作为特征值，快速提取出夜光影像的背景阈值，每景影像具有动态调节的阈值，以祛除背景辐射量的干扰，平均对数辐射量通过下试计算，

其中I_w表示真实世界辐射量，N为图像像素个数，ε为较小常数，保证对数运算过程中数值不为零；

2)结合背景阈值，通过超像素分割预处理影像，将图像分成若干超像素，获得每个超像素标签，并把超像素分为背景超像素和非背景超像素；具体实现方式如下，

2-1)利用SNIC超像素分割算法，将具有N个像素的影像快速分成Z个超像素，每个超像素的标签取值范围为1-Z，且不重复；每个超像素的中心辐射量通过下式计算，

式中，Ω_i是第i个超像素的像素集合，集合中的每个像素都包含在第i个超像素范围内；c_j是第i个超像素中第j个像素的辐射量特征，c_j＝[l_j]，其中l_j表示颜色的辐射量；

由于夜光影像仅有辐射量信息，因此需要修改相似性距离公式，修改后的公式如下：

d_c＝l_j′-l_i′

式中，d_c表示辐射量距离，d_s表示坐标距离，D为相似性距离，S为采样间隔，其值为影像像素数量与单个超像素内像素数量的比值，m为超参数；

2-2)结合背景阈值，对于超像素中心辐射量小于或等于背景阈值的超像素，标记其为背景超像素，对于超像素中心辐射量大于背景阈值的超像素，标记其为非背景超像素；

3)分割出超像素的动态范围压缩，将非背景的超像素选择用基于Sigmoid的自适应动态范围压缩方法进行压缩，将背景超像素选择用基于模糊函数的方法进行动态范围压缩，最终得到夜光影像的动态范围压缩结果。

2.如权利要求1所述的一种珞珈一号夜光遥感影像的动态范围压缩方法，其特征在于：步骤3所述的具体实现包括以下内容：

3-1)对于背景超像素，根据背景阈值的不同，选择用对数函数或幂函数进行调制，以消除过多暗调背景造成的对比度失真的现象；

设置阈值δ，对于背景阈值小于或等于δ的影像，由于其暗调区域占据了影像的绝大部分，因此选择用幂函数进行调制，以消除整体影像偏暗的现象，幂函数如下式，

I′＝α*exp (I)

I为输入影像像素值，I′为输出影像像素值，max和min分别表示输入影像的最大和最小像素值；

对于背景阈值大于δ的影像，由于暗调区域偏多，但没有占据影像的绝大部分，因此选择用对数函数进行调制，以消除整体影像偏暗的现象，对数函数如下式，

I′＝α*log (I)

其中，I′是输出影像像素值，I表示输入影像像素值，β为一个极小正数，为了保证在对数运算中所有数值为正，α为常数，其对输出值进行归一化调整，max和min分别表示输入影像的最大和最小像素值；

3-2)对于非背景超像素，利用Sigmoid函数对其调制，Sigmoid函数如下式，

其中，I_wa＝I_w/I_avg，I_{wa_max}＝I_wmax/I_avg，I_wa为最大辐射量。

3.一种实现珞珈一号夜光遥感影像的动态范围压缩的系统，其特征在于，包括以下模块：

背景阈值分割模块，用于计算影像的平均对数辐射量，作为夜光影像的背景阈值；具体实现方式如下，

利用基于Sigmoid函数的动态范围压缩方法，将平均对数辐射量作为特征值，快速提取出夜光影像的背景阈值，每景影像具有动态调节的阈值，以祛除背景辐射量的干扰，平均对数辐射量通过下试计算，

其中I_w表示真实世界辐射量，N为图像像素个数，ε为较小常数，保证对数运算过程中数值不为零；

超像素分割模块，用于通过超像素分割处理图像，将图像分成若干超像素，获得每个超像素标签，并把超像素分为背景超像素和非背景超像素；具体实现方式如下，

2-1)利用SNIC超像素分割算法，将具有N个像素的影像快速分成Z个超像素，每个超像素的标签取值范围为1-Z，且不重复；每个超像素的中心辐射量通过下式计算，

式中，Ω_i是第i个超像素的像素集合，集合中的每个像素都包含在第i个超像素范围内；c_j是第i个超像素中第j个像素的辐射量特征，c_j＝[l_j]，其中l_j表示颜色的辐射量；

由于夜光影像仅有辐射量信息，因此需要修改相似性距离公式，修改后的公式如下：

d_c＝l_j′-l_i′

式中，d_c表示辐射量距离，d_s表示坐标距离，D为相似性距离，S为采样间隔，其值为影像像素数量与单个超像素内像素数量的比值，m为超参数；

2-2)结合背景阈值，对于超像素中心辐射量小于或等于背景阈值的超像素，标记其为背景超像素，对于超像素中心辐射量大于背景阈值的超像素，标记其为非背景超像素；

动态范围压缩模块，用于分割出超像素的动态范围压缩，将非背景的超像素选择用基于Sigmoid的自适应动态范围压缩方法进行压缩，将背景超像素选择用基于模糊函数的方法进行动态范围压缩，最终得到夜光影像的动态范围压缩结果。

4.如权利要求3所述的珞珈一号夜光遥感影像的动态范围压缩的系统，其特征在于：动态范围压缩模块的具体实现方式如下，

3-1)对于背景超像素，根据背景阈值的不同，选择用对数函数或幂函数进行调制，以消除过多暗调背景造成的对比度失真的现象；

设置阈值δ，对于背景阈值小于或等于δ的影像，由于其暗调区域占据了影像的绝大部分，因此选择用幂函数进行调制，以消除整体影像偏暗的现象，幂函数如下式，

I′＝α*exp (I)

I为输入影像像素值，I′为输出影像像素值，max和min分别表示输入影像的最大和最小像素值；

对于背景阈值大于δ的影像，由于暗调区域偏多，但没有占据影像的绝大部分，因此选择用对数函数进行调制，以消除整体影像偏暗的现象，对数函数如下式，

I′＝α*log (I)

其中，I′是输出影像像素值，I表示输入影像像素值，β为一个极小正数，为了保证在对数运算中所有数值为正，α为常数，其对输出值进行归一化调整，max和min分别表示输入图影像的最大和最小像素值；

3-2)对于非背景超像素，利用Sigmoid函数对其调制，Sigmoid函数如下式，

其中，I_wa＝I_w/I_avg，I_{wa_max}＝I_wmax/I_avg，I_wa为最大辐射量。

Images