CN110047045B - 去除遥感图像中薄云的方法及装置 - Google Patents
去除遥感图像中薄云的方法及装置 Download PDFInfo
- Publication number
- CN110047045B CN110047045B CN201910282629.2A CN201910282629A CN110047045B CN 110047045 B CN110047045 B CN 110047045B CN 201910282629 A CN201910282629 A CN 201910282629A CN 110047045 B CN110047045 B CN 110047045B
- Authority
- CN
- China
- Prior art keywords
- remote sensing
- sensing image
- frequency sub
- band
- coefficients
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 62
- 230000003313 weakening effect Effects 0.000 claims abstract description 12
- 230000002238 attenuated effect Effects 0.000 claims description 13
- 238000000354 decomposition reaction Methods 0.000 claims description 6
- 230000002708 enhancing effect Effects 0.000 claims description 4
- 238000004891 communication Methods 0.000 claims description 3
- 230000002829 reductive effect Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 11
- 238000004590 computer program Methods 0.000 description 9
- 230000009466 transformation Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 230000008901 benefit Effects 0.000 description 5
- 230000007423 decrease Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 241001270131 Agaricus moelleri Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000012447 hatching Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
-
- 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
本发明实施例提供一种去除遥感图像中薄云的方法及装置,所述方法包括:将待处理的遥感图像分解成高频子带和低频子带,所述高频子带用于指示所述遥感图像中的地表物体,所述低频子带用于指示所述遥感图像中的薄云;削弱所述低频子带中的系数;根据削弱后的低频子带中的系数和所述高频子带中的系数,重构所述遥感图像;从重构后的遥感图像中获取反射图像,并将所述反射图像作为去除薄云后的遥感图像。能够避免亮度信息对去除薄云后的遥感图像的干扰,提高去除薄云后的遥感图像的质量,进而提高去除薄云后的遥感图像的可读性,便于人们对去除薄云后的遥感图像中的地表物体信息进行判读。
Description
技术领域
本发明涉及数字图像处理技术领域,尤其涉及一种去除遥感图像中薄云的方法及装置。
背景技术
遥感图像,又称遥感影像(Remote Sensing Image,RS),是指通过人造卫星、航天器等拍摄的含有地表物体信息的图像。
通常情况下,在获取遥感图像时,由于天气原因,地表上方覆盖有云,导致获取的遥感图像中既包含地表物体信息又包含地表上方的云的信息,即遥感图像中存在薄云。而遥感图像中的薄云会影响人们对遥感图像中地表物体信息的判读,因此,需要去除遥感图像中的薄云。
然而,对于现有的去除遥感图像中的薄云的方法,虽然能够去除遥感图像中的薄云,但是,在去除遥感图像中的薄云后,会导致遥感图像的质量下降,例如:会使遥感图像的灰度变大,这样,就使得遥感图像的可读性变差,进而影响人们对遥感图像中的地表物体信息的判读。
发明内容
鉴于上述问题,本发明实施例的目的是提供一种去除遥感图像中薄云的方法及装置,旨在去除遥感图像中薄云的同时,能够避免遥感图像的质量下降,进而提高遥感图像的可读性,便于人们对遥感图像中的地表物体信息的判读。
为解决上述技术问题,本发明实施例提供如下技术方案:
第一方面,本发明实施例提供一种去除遥感图像中薄云的方法,所述方法包括:将待处理的遥感图像分解成高频子带和低频子带,所述高频子带用于指示所述遥感图像中的地表物体,所述低频子带用于指示所述遥感图像中的薄云;削弱所述低频子带中的系数;根据削弱后的低频子带中的系数和所述高频子带中的系数,重构所述遥感图像;从重构后的遥感图像中获取反射图像,并将所述反射图像作为去除薄云后的遥感图像。
第二方面,本发明实施例提供一种去除遥感图像中薄云的装置,所述装置包括:分解模块,被配置为将待处理的遥感图像分解成高频子带和低频子带,所述高频子带用于指示所述遥感图像中的地表物体,所述低频子带用于指示所述遥感图像中的薄云;消除模块,被配置为削弱所述低频子带中的系数;重构模块,被配置为根据削弱后的低频子带中的系数和所述高频子带中的系数,重构所述遥感图像;质量增强模块,被配置为从重构后的遥感图像中获取反射图像,并将所述反射图像作为去除薄云后的遥感图像。
第三方面,本发明实施例提供一种电子设备,所述电子设备包括:至少一个处理器;以及与所述处理器连接的至少一个存储器、总线;其中,所述处理器、存储器通过所述总线完成相互间的通信;所述处理器用于调用所述存储器中的程序指令,以执行上述一个或多个技术方案中的方法。
第四方面,本发明实施例提供一种计算机可读存储介质,所述存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行上述一个或多个技术方案中的方法。
本发明实施例提供的去除遥感图像中薄云的方法及装置,在获得待处理的遥感图像后,首先,将待处理的遥感图像分解成高频子带和低频子带,高频子带用于指示遥感图像中的地表物体,低频子带用于指示遥感图像中的薄云;然后,削弱低频子带中的系数;接着,根据削弱后的低频子带中的系数和高频子带中的系数,重构遥感图像;最后,从重构后的遥感图像中获取反射图像,并将反射图像作为去除薄云后的遥感图像。可见,在削弱待处理的遥感图像的低频子带的系数,以去除遥感图像中的薄云后,再从削弱低频子带系数后的遥感图像中获取反射图像,由于该反射图像中只存在地表物体本身的信息,并不存在亮度信息,将该反射图像作为最终去除薄云后的遥感图像,能够避免亮度信息对去除薄云后的遥感图像的干扰,提高去除薄云后的遥感图像的质量,进而提高去除薄云后的遥感图像的可读性,便于人们对去除薄云后的遥感图像中的地表物体信息进行判读。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1为本发明实施例中的去除遥感图像中薄云的方法的流程示意图一;
图2为本发明实施例中的去除遥感图像中薄云的方法的流程示意图二;
图3为本发明实施例中的某一地区的原始遥感图像;
图4为采用小波变换去除图3中薄云后获得的遥感图像;
图5为采用本发明实施例中的去除遥感图像中薄云的方法去除图3中薄云后获得的遥感图像;
图6为本发明实施例中去除遥感图像中薄云的装置的结构示意图;
图7为本发明实施例中的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例,然而应当理解,可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本发明,并且能够将本发明的范围完整的传达给本领域的技术人员。
本发明实施例提供了一种去除遥感图像中薄云的方法,图1为本发明实施例中的去除遥感图像中薄云的方法的流程示意图一,参见图1所示,该方法可以包括:
S101:将待处理的遥感图像分解成高频子带和低频子带。
一般的,这里所说的待处理的遥感图像是指其中含有薄云的遥感图像。
在这里,由于遥感图像中的地表物体信息和薄云信息的差异在空域中表现的不是很明显,在空域中不容易从遥感图像中将地表物体信息与薄云信息区分开来,而将遥感图像变换到频域后,地表物体信息和薄云信息的差异就表现得十分明显,通过对频率进行划分,就能够将地表物体信息和薄云信息区分开来。
在具体实施过程中,可以先将遥感图像变换到频域,再根据频率,划分出多个子带,这些多个子带的频率都不同,主要可以分为高频子带和低频子带,其中,高频子带用于指示遥感图像中的地表物体,低频子带用于指示遥感图像中的薄云。
S102:削弱低频子带中的系数。
由于低频子带指示的是遥感图像中的薄云,因此,通过削弱低频子带中的系数,能够去除遥感图像中的薄云。
在具体实施过程中,可以根据频域变换的种类,削弱低频子带中与频域变换种类对应的系数。在这里,频域变换可以是小波变换、傅里叶变换、拉普拉斯变换、Z变换等,在此不做具体限定。
示例性的,假设将遥感图像从空域变换到频域时采用的是小波变换,那么,削弱的就是低频子带中的小波系数。
S103:根据削弱后的低频子带中的系数和高频子带中的系数,重构遥感图像。
由于低频子带指示的是遥感图像中的薄云,在削弱低频子带中的系数后,就意味着遥感图像中的薄云得到了抑制。接下来,再根据削弱后的低频子带中的系数和高频子带中的系数,将遥感图像从频域变换回到空域,即重构遥感图像,此时的遥感图像中的薄云就被消除了。
S104:从重构后的遥感图像中获取反射图像,并将反射图像作为去除薄云后的遥感图像。
在这里,对什么是反射图像进行说明。在真实世界中,物体本身是无颜色的,我们所看到的物体的颜色其实是光和物体相互作用的结果,每个物体对不同波长的光的反射能力不同,表现出来的物体的颜色就不同,例如:树叶对中波的反射能力较强,而中波对应的光的颜色是绿色,所以我们看到树叶是绿色的。其实图像的原理与我们所看到的物体的颜色类似,当一束光照射到物体上,物体将光反射形成反射光进入人眼,就是我们所看到的物体的图像,所以,图像可以看作是由入射图像和反射图像构成的,其中,入射图像,也叫做亮度图像,能够决定图像中像素所能达到的动态范围,而反射图像,能够表示物体的反射性质,即图像的内在属性。
因此,将重构后的遥感图像分为亮度图像和反射图像,该遥感图像中的亮度信息都存在于亮度图像中,而反射图像中并不存在亮度信息,主要是地表物体本身的属性,将该反射图像作为去除薄云后的遥感图像,能够使去除薄云后的遥感图像不会存在灰度过大等问题,进而提高去除薄云后的遥感图像的质量,提高去除薄云后的遥感图像的可读性,便于人们对去除薄云后的遥感图像中的地表物体信息进行判读。
在实际应用中,可以采用Retinex图像增强算法从重构后的遥感图像中获取反射图像,具体的,Retinex图像增强算法可以是单尺度Retinex(Single Scale Retinex,SSR),也可以是多尺度Retinex(Multi-Scale Retinex,MSR),也可以是带颜色恢复的MSR(Multi-Scale Retinex with Color Restoration,MSRCR)。当然,还可以采用其它方法从重构后的遥感图像中获取反射图像,在此不做限定。
由上述内容可知,本发明实施例提供的去除遥感图像中薄云的方法,在获得待处理的遥感图像后,首先,将待处理的遥感图像分解成高频子带和低频子带,高频子带用于指示遥感图像中的地表物体,低频子带用于指示遥感图像中的薄云;然后,削弱低频子带中的系数;接着,根据削弱后的低频子带中的系数和高频子带中的系数,重构遥感图像;最后,从重构后的遥感图像中获取反射图像,并将反射图像作为去除薄云后的遥感图像。可见,在削弱待处理的遥感图像的低频子带的系数,以去除遥感图像中的薄云后,再从削弱低频子带系数后的遥感图像中获取反射图像,由于该反射图像中只存在地表物体本身的信息,并不存在亮度信息,将该反射图像作为最终去除薄云后的遥感图像,能够避免亮度信息对去除薄云后的遥感图像的干扰,提高去除薄云后的遥感图像的质量,进而提高去除薄云后的遥感图像的可读性,便于人们对去除薄云后的遥感图像中的地表物体信息进行判读。
基于前述实施例,作为对图1所示方法的细化和扩展,本发明实施例还提供了一种去除遥感图像中薄云的方法。图2为本发明实施例中的去除遥感图像中薄云的方法的流程示意图二,参见图2所示,该方法可以包括:
S201:对待处理的遥感图像进行多级二维离散小波变换,将待处理的遥感图像分解成高频子带和低频子带。
离散小波变换(Discrete Wavelet Transform,DWT)在数值分析和时频分析中十分有用,能够将待处理的信号进行离散的输入与离散的输出。而图像是二维信号,为了将图像信号进行离散的输入和离散的输出,就需要将DWT从一维推广到二维,即使用二维离散小波变换(2D Discrete Wavelet Transform,2D DWT)将图像信号进行离散的输入和离散的输出。多级二维离散小波变换是指将图像进行多次二维离散小波分解与小波重构,在步骤S201中,就是将待处理的遥感图像进行多次二维离散小波分解,最终得到高频子带和低频子带。
S202:削弱低频子带中的小波系数。
此时,已将遥感图像从空域变换到频域,在频域中,不同频率的子带对应的是遥感图像中的不同信息,在这里,低频子带对应的就是遥感图像中的薄云,通过削弱低频子带中的小波系数,就能够抑制遥感图像中的薄云。
对于削弱低频子带中的小波系数,其中一种方式可以是:通过改变低频子带中的线性拉伸系数,达到削弱低频子带中的小波系数的目的。
具体的,可以将第二线性拉伸系数与低频子带中的小波系数进行乘法处理,获得削弱后的低频子带中的小波系数,其中,第二线性拉伸系数为0到1之间的任意一个数。
示例性的:可以通过
c′(l)=l×c(l) 公式(1)削弱低频子带中的小波系数,其中,c′(l)为削弱后的低频子带中的小波系数,c(l)为削弱前的低频子带中的小波系数,l为低频子带中的线性拉伸系数,即第二线性拉伸系数,l∈(0,1)。
S203:增强高频子带中的小波系数。
在频域中,高频子带对应的是图像中的物体,在这里,高频子带对应的就是遥感图像中的地表物体。为了在抑制遥感图像中的薄云的同时,还能够使人们更加清楚看到遥感图像中的地表物体,可以通过增强高频子带中的小波系数,达到增强遥感图像中地表物体的细节,使人们能够更加清楚地看到遥感图像中的地表物体。
对于增强高频子带中的小波系数,其中一种方式可以是:通过改变高频子带中的线性拉伸系数,达到增强高频子带中的小波系数的目的。
具体的,可以将第一线性拉伸系数与高频子带中的小波系数进行乘法处理,获得增强后的高频子带中的小波系数,其中,第一线性拉伸系数为1到2之间的任意一个数。
示例性的:可以通过
d′(l)=h×d(l) 公式(2)增强高频子带中的小波系数,其中,d′(l)为增强后的高频子带中的小波系数,d(l)为增强前的高频子带中的小波系数,h为高频子带中的线性拉伸系数,即第一线性拉伸系数,l∈(1,2)。
在这里需要说明的是:对于步骤S202与步骤S203的执行顺序,可以是先执行步骤S202再执行步骤S203,也可以是先执行步骤S203再执行步骤S202,也可以是在将遥感图像变换到频域后,同时执行步骤S202和步骤S203,对此不做限定。
S204:根据削弱后的低频子带中的小波系数和增强后的高频子带中的小波系数,重构遥感图像。
由于削弱后的低频子带中的小波系数和增强后的高频子带中的小波系数是遥感图像在频域中的频带数据,无法直观地看到遥感图像中的地表物体,因此,需要再通过多级二维离散小波变换的逆变换,将削弱后的低频子带中的小波系数和增强后的高频子带中的小波系数变回到空域,即重构遥感图像,使人们能够直观地看到遥感图像中的地表物体。
S205:对重构后的遥感图像进行单尺度Retinex处理,将处理后的遥感图像作为去除薄云后的遥感图像。
在这里,单尺度Retinex可以较好地增强图像中的细节,同时,还能够压缩图像对比度,增强图像暗处信息,此外,还能够保持图像的亮度,即减小整幅图像的平均灰度值,避免图像的灰度过大。因此,对重构后的遥感图像进行单尺度Retinex处理,相比于从重构后的遥感图像中获取反射图像,能够更加直接快速地从重构后的遥感图像中获得灰度值较小的遥感图像,再将处理后的遥感图像作为去除薄云后的遥感图像,不仅能够降低去除薄云后的遥感图像的灰度,还能够进一步增强去除薄云后的遥感图像中地表物体的细节,从整体上提升了去除薄云后的遥感图像的质量,提高了去除薄云后的遥感图像的可读性,便于人们对去除薄云后的遥感图像中的地表物体信息进行判读。
下面以某一地区的遥感图像为例,来说明本发明实施例中的去除遥感图像中薄云的方法在去除遥感图像中的薄云时所能达到的优异效果。
图3为本发明实施例中的某一地区的原始遥感图像,该地区的原始遥感图像是通过遥感系统获得的未经处理的该地区的遥感图像,参见图3所示,该地区的原始遥感图像中存在有薄云,影响了对薄云覆盖区域的地表物体信息的判读。
图4为采用小波变换去除图3中薄云后获得的遥感图像,参见图4所示,在视觉效果上,采用小波变换虽然能够去除图3中的薄云,但是相比于图3,图4中的灰度较大,不利于对地表物体信息进行判读。
图5为采用本发明实施例中的去除遥感图像中薄云的方法去除图3中薄云后获得的遥感图像,参见图5所示,在视觉效果上,同样能够去除图3中的薄云,与此同时,还能够增强图3中地表物体的细节,以及相比于图4,图5中的灰度明显提高,便于对地表物体信息进行判读。
为了提高图3、图4、图5之间对比的可信度,进一步的,将图3、图4、图5在各种客观指标上进行对比。
表1为本发明实施例中的图3、图4、图5的各种客观指标。
表1
灰度均值 | 标准差 | 信息熵 | 平均梯度 | |
图3 | 92 | 49 | 7.5 | 0.044 |
图4 | 43 | 28 | 6.6 | 0.061 |
图5 | 99 | 55 | 7.7 | 0.143 |
其中,灰度均值是指图像中灰度的平均水平,灰度均值越大,图像的亮度越高;标准差,即灰度标准差,又称灰度方差,灰度方差越大,图像的对比度越大;信息熵代表图像中物体信息量的多少,信息熵越大,代表图像中物体信息越多;平均梯度是指图像中影线两侧的灰度的差异大小,平均梯度越大,图像的清晰度越高。
由表1可知,图4相比于图3,灰度均值减小,即图4中的亮度降低;标准差减小,即图4中的对比度降低;信息熵减小,即图4中的地表物体的信息量减少;平均梯度略有增加,即图4的清晰度有所提高。整体看来,图4的质量相比于图3明显降低。而图5相比于图3和图4,灰度均值不仅没有减小,反而略有增加,即图5中的亮度不仅没有降低,反而有所提高;标准差不仅没有减小,反而略有增加,即图5中的对比度不仅没有降低,反而有所提高;信息熵不仅没有减小,反而略有增加,即图5中的地表物体的信息量不仅没有降低,反而有所提高,图5中地表物体的细节得到了增强;平均梯度明显增加,即图5的清晰度明显提高。整体看来,图5的质量相比于图4明显提高,并且图5的质量相比于图3还略有提高。
由此可见,采用本发明实施例中的去除遥感图像中薄云的方法,不仅能够去除遥感图像中的薄云,还能够保持甚至提高遥感图像的质量,
基于同一发明构思,作为对上述方法的实现,本发明实施例还提供了一种去除遥感图像中薄云的装置。图6为本发明实施例中去除遥感图像中薄云的装置的结构示意图,参见图6所示,该装置60可以包括:分解模块601,被配置为将待处理的遥感图像分解成高频子带和低频子带,高频子带用于指示遥感图像中的地表物体,低频子带用于指示遥感图像中的薄云;消除模块602,被配置为削弱低频子带中的系数;重构模块603,被配置为根据削弱后的低频子带中的系数和高频子带中的系数,重构遥感图像;质量增强模块604,被配置为从重构后的遥感图像中获取反射图像,并将反射图像作为去除薄云后的遥感图像。
基于前述实施例,重构模块,具体被配置为增强高频子带中的系数;根据削弱后的低频子带中的系数和增强后的高频子带中的系数,重构遥感图像。
基于前述实施例,重构模块,具体被配置为将第一线性拉伸系数与高频子带中的系数进行乘法处理,获得增强后的高频子带中的系数,第一线性拉伸系数为1到2之间的任意一个数。
基于前述实施例,消除模块,具体被配置为将第二线性拉伸系数与低频子带中的系数进行乘法处理,获得削弱后的低频子带中的系数,第二线性拉伸系数为0到1之间的任意一个数。
基于前述实施例,分解模块,具体被配置为对待处理的遥感图像进行多级二维离散小波变换,将待处理的遥感图像分解成高频子带和低频子带;消除模块,具体被配置为削弱低频子带中的小波系数;重构模块,具体被配置为根据削弱后的低频子带中的小波系数和高频子带中的小波系数,重构遥感图像。
基于前述实施例,质量增强模块,具体被配置为对重构后的遥感图像进行单尺度Retinex处理,将处理后的遥感图像作为去除薄云后的遥感图像。
这里需要指出的是:以上装置实施例的描述,与上述方法实施例的描述是类似的,具有同方法实施例相似的有益效果。对于本发明装置实施例中未披露的技术细节,请参照本发明方法实施例的描述而理解。
基于同一发明构思,本发明实施例还提供了一种电子设备。图7为本发明实施例中的电子设备的结构示意图,参见图7所示,该电子设备70可以包括:至少一个处理器701;以及与处理器701连接的至少一个存储器702、总线703;其中,处理器701、存储器702通过总线703完成相互间的通信;处理器701用于调用存储器702中的程序指令,以执行上述一个或多个实施例中的方法。
这里需要指出的是:以上电子设备实施例的描述,与上述方法实施例的描述是类似的,具有同方法实施例相似的有益效果。对于本发明实施例的电子设备的实施例中未披露的技术细节,请参照本发明方法实施例的描述而理解。
基于同一发明构思,本发明实施例还提供了一种计算机可读存储介质,上述计算机可读存储介质包括存储的程序,其中,在程序运行时控制存储介质所在设备执行上述一个或多个实施例中的方法。
这里需要指出的是:以上计算机可读存储介质实施例的描述,与上述方法实施例的描述是类似的,具有同方法实施例相似的有益效果。对于本发明实施例的计算机可读存储介质的实施例中未披露的技术细节,请参照本发明方法实施例的描述而理解。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本申请的实施例可提供为方法、系统或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (8)
1.一种去除遥感图像中薄云的方法,其特征在于,所述方法包括:
将待处理的遥感图像分解成高频子带和低频子带,所述高频子带用于指示所述遥感图像中的地表物体,所述低频子带用于指示所述遥感图像中的薄云;
削弱所述低频子带中的系数;
根据削弱后的低频子带中的系数和所述高频子带中的系数,重构所述遥感图像;
从重构后的遥感图像中获取反射图像,并将所述反射图像作为去除薄云后的遥感图像,具体的,所述反射图像是从被削弱低频子带的遥感图像中获取的一种用于表征地表物体本身且剔除亮度后的信息;
所述根据削弱后的低频子带中的系数和所述高频子带中的系数,重构所述遥感图像,包括:
增强所述高频子带中的系数;
根据削弱后的低频子带中的系数和增强后的高频子带中的系数,重构所述遥感图像。
2.根据权利要求1所述的方法,其特征在于,所述增强所述高频子带中的系数,包括:
将第一线性拉伸系数与所述高频子带中的系数进行乘法处理,获得增强后的高频子带中的系数,所述第一线性拉伸系数为1到2之间的任意一个数。
3.根据权利要求1所述的方法,其特征在于,所述削弱所述低频子带中的系数,包括:
将第二线性拉伸系数与所述低频子带中的系数进行乘法处理,获得削弱后的低频子带中的系数,所述第二线性拉伸系数为0到1之间的任意一个数。
4.根据权利要求1至3中任一项所述的方法,其特征在于,所述将待处理的遥感图像分解成高频子带和低频子带,包括:
对待处理的遥感图像进行多级二维离散小波变换,将待处理的遥感图像分解成高频子带和低频子带;
所述削弱所述低频子带中的系数,包括:
削弱所述低频子带中的小波系数;
所述根据削弱后的低频子带中的系数和所述高频子带中的系数,重构所述遥感图像,包括:
根据削弱后的低频子带中的小波系数和所述高频子带中的小波系数,重构所述遥感图像。
5.根据权利要求1至3中任一项所述的方法,其特征在于,所述从重构后的遥感图像中获取反射图像,并将所述反射图像作为去除薄云后的遥感图像,包括:
对重构后的遥感图像进行单尺度Retinex处理,将处理后的遥感图像作为去除薄云后的遥感图像。
6.一种去除遥感图像中薄云的装置,其特征在于,所述装置包括:
分解模块,被配置为将待处理的遥感图像分解成高频子带和低频子带,所述高频子带用于指示所述遥感图像中的地表物体,所述低频子带用于指示所述遥感图像中的薄云;
消除模块,被配置为削弱所述低频子带中的系数;
重构模块,被配置为根据削弱后的低频子带中的系数和所述高频子带中的系数,重构所述遥感图像;
质量增强模块,被配置为从重构后的遥感图像中获取反射图像,并将所述反射图像作为去除薄云后的遥感图像,具体的,所述反射图像是从被削弱低频子带的遥感图像中获取的一种用于表征地表物体本身且剔除亮度后的信息;
所述重构模块,具体被配置为增强所述高频子带中的系数;根据削弱后的低频子带中的系数和增强后的高频子带中的系数,重构所述遥感图像。
7.一种电子设备,其特征在于,所述电子设备包括:至少一个处理器;以及与所述处理器连接的至少一个存储器、总线;其中,所述处理器、存储器通过所述总线完成相互间的通信;所述处理器用于调用所述存储器中的程序指令,以执行如权利要求1至5中任一项所述的方法。
8.一种计算机可读存储介质,其特征在于,所述存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行如权利要求1至5中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910282629.2A CN110047045B (zh) | 2019-04-10 | 2019-04-10 | 去除遥感图像中薄云的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910282629.2A CN110047045B (zh) | 2019-04-10 | 2019-04-10 | 去除遥感图像中薄云的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110047045A CN110047045A (zh) | 2019-07-23 |
CN110047045B true CN110047045B (zh) | 2023-05-23 |
Family
ID=67276524
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910282629.2A Active CN110047045B (zh) | 2019-04-10 | 2019-04-10 | 去除遥感图像中薄云的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110047045B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113298836B (zh) * | 2021-06-29 | 2023-03-14 | 天津市测绘院有限公司 | 一种顾及要素轮廓强度的遥感图像薄云去除方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103440623A (zh) * | 2013-08-02 | 2013-12-11 | 中北大学 | 基于成像模型提高雾天图像清晰度的方法 |
US9037414B1 (en) * | 2011-01-14 | 2015-05-19 | University Of Notre Dame Du Lac | Methods and apparatus for electromagnetic signal polarimetry sensing |
CN106485684A (zh) * | 2016-10-24 | 2017-03-08 | 常州工学院 | 一种基于双树复小波变换的单幅图像去云雾方法 |
CN107403134A (zh) * | 2017-05-27 | 2017-11-28 | 西安电子科技大学 | 基于局部梯度三边的图域多尺度红外弱小目标检测方法 |
CN107862666A (zh) * | 2017-11-22 | 2018-03-30 | 新疆大学 | 基于nsst域的混合遥感图像增强方法 |
CN108198198A (zh) * | 2017-12-22 | 2018-06-22 | 湖南源信光电科技股份有限公司 | 基于小波变换和导向滤波的单帧红外小目标检测方法 |
CN108319964A (zh) * | 2018-02-07 | 2018-07-24 | 嘉兴学院 | 一种基于混合特征和流形学习的火灾图像识别方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015164214A1 (en) * | 2014-04-22 | 2015-10-29 | The Government of the United State of America as represented by the Secretary of the Navy | System and method for sun glint correction of split focal plane visibile and near infrared imagery |
CN104537678B (zh) * | 2015-01-15 | 2017-11-10 | 常州工学院 | 一种从单幅遥感图像中去除云雾的方法 |
CN105574826B (zh) * | 2015-12-16 | 2019-08-23 | 中国科学院深圳先进技术研究院 | 遥感影像的薄云去除方法 |
CN108257094A (zh) * | 2016-12-29 | 2018-07-06 | 广东中科遥感技术有限公司 | 基于暗通道的遥感影像薄雾快速去除方法 |
-
2019
- 2019-04-10 CN CN201910282629.2A patent/CN110047045B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9037414B1 (en) * | 2011-01-14 | 2015-05-19 | University Of Notre Dame Du Lac | Methods and apparatus for electromagnetic signal polarimetry sensing |
CN103440623A (zh) * | 2013-08-02 | 2013-12-11 | 中北大学 | 基于成像模型提高雾天图像清晰度的方法 |
CN106485684A (zh) * | 2016-10-24 | 2017-03-08 | 常州工学院 | 一种基于双树复小波变换的单幅图像去云雾方法 |
CN107403134A (zh) * | 2017-05-27 | 2017-11-28 | 西安电子科技大学 | 基于局部梯度三边的图域多尺度红外弱小目标检测方法 |
CN107862666A (zh) * | 2017-11-22 | 2018-03-30 | 新疆大学 | 基于nsst域的混合遥感图像增强方法 |
CN108198198A (zh) * | 2017-12-22 | 2018-06-22 | 湖南源信光电科技股份有限公司 | 基于小波变换和导向滤波的单帧红外小目标检测方法 |
CN108319964A (zh) * | 2018-02-07 | 2018-07-24 | 嘉兴学院 | 一种基于混合特征和流形学习的火灾图像识别方法 |
Non-Patent Citations (2)
Title |
---|
Remote sensing imaging simulation and cloud removal;Xifang Zhu等;《International Journal of Modern Physics B》;第31卷;第1-6页 * |
基于双树复小波变换的遥感图像去云雾系统设计;吴峰等;《应用光学》;第39卷(第1期);第64-70页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110047045A (zh) | 2019-07-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Montresor et al. | Quantitative appraisal for noise reduction in digital holographic phase imaging | |
US7260272B2 (en) | Method and apparatus for noise reduction using discrete wavelet transform | |
Makandar et al. | Image enhancement techniques using highpass and lowpass filters | |
US20130156340A1 (en) | Image Filtering by Sparse Reconstruction on Affinity Net | |
Atta et al. | Low‐contrast satellite images enhancement using discrete cosine transform pyramid and singular value decomposition | |
CN111368710A (zh) | 一种联合深度学习的地震数据随机噪声压制方法 | |
Kaur et al. | Image de-noising using wavelet transform and various filters | |
Grigoryan et al. | Optimal Wiener and homomorphic filtration | |
US4780718A (en) | Sar image encoding for data compression | |
CN110047045B (zh) | 去除遥感图像中薄云的方法及装置 | |
CN112037151A (zh) | 基于小波分析的图像去噪方法 | |
Kumar et al. | An FPGA-based design for a real-time image denoising using approximated fractional integrator | |
Diwakar et al. | Wavelet packet based CT image denoising using bilateral method and Bayes shrinkage rule | |
CN111192204A (zh) | 一种图像增强方法、系统和计算机可读存储介质 | |
Gnanadurai et al. | Undecimated wavelet based speckle reduction for SAR images | |
Ullah et al. | Wavelet based de-noising using logarithmic shrinkage function | |
Navarro et al. | Logarithmic wavelets | |
Karami et al. | Image denoising using generalised Cauchy filter | |
Qin et al. | An adaptive median filtering denoising algorithm for pepper and salt noised image | |
Wang et al. | Adaptive frequency-domain nonlocal means for seismic random noise attenuation | |
Leng et al. | Two-stage method to suppress speckle noise in digital holography | |
Ehsaeyan | A robust image denoising technique in the contourlet transform domain | |
Orović et al. | L-statistics based space/spatial-frequency filtering of 2D signals in heavy tailed noise | |
CN109741274B (zh) | 图像处理方法及装置 | |
Anju et al. | Satellite image denoising using shearlet transform |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |