CN110175959A - 一种台风云图增强方法 - Google Patents
一种台风云图增强方法 Download PDFInfo
- Publication number
- CN110175959A CN110175959A CN201910421483.5A CN201910421483A CN110175959A CN 110175959 A CN110175959 A CN 110175959A CN 201910421483 A CN201910421483 A CN 201910421483A CN 110175959 A CN110175959 A CN 110175959A
- Authority
- CN
- China
- Prior art keywords
- detail
- levels
- image
- base
- follows
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000005315 distribution function Methods 0.000 claims description 22
- 230000002708 enhancing effect Effects 0.000 claims description 22
- 230000001186 cumulative effect Effects 0.000 claims description 12
- 238000001914 filtration Methods 0.000 claims description 12
- 230000006835 compression Effects 0.000 claims description 7
- 238000007906 compression Methods 0.000 claims description 7
- 230000010354 integration Effects 0.000 claims description 5
- 238000002156 mixing Methods 0.000 claims description 5
- 238000010606 normalization Methods 0.000 claims description 5
- 230000004927 fusion Effects 0.000 claims description 3
- 230000000574 ganglionic effect Effects 0.000 claims description 2
- 238000003706 image smoothing Methods 0.000 claims description 2
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 claims 3
- 239000010931 gold Substances 0.000 claims 3
- 229910052737 gold Inorganic materials 0.000 claims 3
- 239000000155 melt Substances 0.000 claims 1
- 230000003014 reinforcing effect Effects 0.000 abstract description 3
- 230000008859 change Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000007500 overflow downdraw method Methods 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 230000009466 transformation Effects 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
- G06T5/70—Denoising; Smoothing
-
- 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
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20016—Hierarchical, coarse-to-fine, multiscale or multiresolution image processing; Pyramid transform
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20172—Image enhancement details
- G06T2207/20192—Edge enhancement; Edge preservation
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
- G06T2207/30192—Weather; Meteorology
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Facsimile Image Signal Circuits (AREA)
Abstract
本发明提供一种台风云图增强方法,将原始的台风图像先分解为基层和细节层,可以更好地保护图像边缘及细节同时有效去除噪声;然后分别对基层和细节层使用修正的直方图均衡算法,实现图像亮度和对比度的提升,同时去除饱和伪影;最后,采用拉普拉斯金字塔将增强后的基层和细节层融合,可以有效地保护图像边缘信息,以达到更好的增强效果。
Description
技术领域
本发涉及气象云图处理,是一种基于分解-处理-融合的台风云图增强方法。
背景技术
台风带来各种灾难与破坏,具有突发性强、破坏力大的特点,给我国许多沿海城市造成了巨大的经济损失。通过卫星云图可有效地获取台风信息,然而在台风云图成像过程中容易出现能见度与对比度偏低、结构细节模糊,并伴有噪声及伪影等降质问题。
提高台风云图的亮度和对比度,增强降质台风云图的结构细节,有效去除噪声与伪影,使其在后续处理与应用中获得理想的效果。传统直方图均衡算法可以增强降质台风云图,但它没有考虑到台风图像传输过程中的噪声,在增强过程中可能会加强噪声。对比度自适应直方图均衡算法克服了直方图均衡算法无法适应局部灰度分布的缺陷,但其均衡化后会出现局部过度增强的现象。传统的图像增强方法直接对整幅图像的先验信息进行处理,并没有考虑到图像低高频间的先验信息不同,容易丢失一些细节信息。
发明内容
本发明提出一种台风云图增强方法,可以更好地保护图像边缘及细节,有效去除噪声与伪影,同时实现图像亮度和对比度的提升,以达到更好的增强效果。
本发明的具体技术方案如下:
一种台风云图增强方法,该方法主要步骤如下:
a.分解:采用引导滤波对原始降质的台风云图I进行去噪及边缘保护,得到基层B,然后利用做差法求得细节层D;其中基层包含图像平滑区域、明显的边缘结构及低频信息,而细节层中包含图像的高频细节信息;
b.处理:利用修正的直方图均衡方法,对基层B和细节层D分别进行各自增强处理,先利用修正后Sigmoid函数的平滑及压缩特性,建立输入图像的直方图分布函数f,然后对其归一化,求其累积分布函数F,最后利用累积分布函数,求得增强后的基层和细节层;
c.融合:采用拉普拉斯金字塔方法对增强后的基层和细节层进行有效融合,先将增强后的基层和细节层分别采用拉普拉斯金字塔结构进行分层,然后将不同尺度的基层和细节层按照合适的比例进行有效融合,最后重构出最终的增强图像。
优选地,步骤a中,采用引导滤波对台风图像进行去噪,得到基层B,利用做差法得到细节层D,其公式如下:
D=I-B (1)。
优选地,步骤b中,对基层B和细节层D分别进行增强处理的主要步骤如下:
1)定义分布函数f,公式如下:
f(k)=s(k)(1+h(k)) (2)
其中k=1,......,K,K表示输入图像的像素数量,h(k)是归一化的输入直方图,s(k)是修正后Sigmoid函数,具有平滑及压缩特性,可有效避免过度增强和饱和伪影问题,表达式为
2)求累积分布函数F,公式如下:
其中f(t)是分布函数f(k)的归一化,公式如下:
3)利用累积分布函数求输出灰度级y(k),公式如下:
其中ymin=0,ymax=2N-1,N为输入图像的像素深度;
4)利用输出灰度级y(k)求得增强图像Y0,将Y0从HSV空间转化到RGB空间,即得到增强后图像Y,即得到增强后的基层Y1和增强后的细节层Y2。
优选地,步骤c中采用的拉普拉斯金字塔融合的公式如下:
其中i,j表示第Yk个图像中的像素值,M表示融合图像的数量(M=2),l表示拉普拉斯金字塔的层数(l=2),Yk表示第k个输入图像,ωk表示第Yk个输入图像的权重;R表示金字塔融合图像;
将增强后的基层Y1和增强后的细节层Y2采用拉普拉斯金字塔融合,Y1的权重ω1=0.9,Y2的权重ω2=0.1。
优选地,步骤c中所述拉普拉斯金字塔的层数采用2层,第1层分别使用3×3,3×2,2×3,2×2卷积核进行卷积滤波;第二层使用5×5卷积核进行卷积滤波。
本发明具有如下有益效果:
1、将整幅图像分解成基层和细节层,既考虑到台风云图中低高频部分的先验不同,又可更好地利用低高频部分的先验差异性,在增强过程中分别对这两层进行增强处理,以更好地保护图像结构与细节信息。同时采用引导滤波方法,既快速地实现图像分层,又可有效地去除噪声与伪影。
2、采用修正的直方图均衡方法,对基层和细节层分别进行有效地对比度增强。同时,此方法利用对修正后Sigmoid函数的平滑及压缩特性,对输入的基层和细节层进行有效地归一化,以避免过度增强和饱和伪影问题。
3、采用拉普拉斯金字塔融合方法,有效地融合增强后的基层和细节层,以减少融合过程中的图像信息丢失,更好地保护图像的边缘及细节。
附图说明
图1为本发明基于分解-处理-融合的台风云图增强方法流程图。
具体实施方式
本发明提出了一种新的台风图像增强方法法,将原始的台风图像先分解为基层和细节层,可以更好地保护图像边缘及细节同时有效去除噪声;然后分别对基层和细节层使用修正的直方图均衡算法,实现图像亮度和对比度的提升,同时去除饱和伪影;最后,采用拉普拉斯金字塔将增强后的基层和细节层融合,可以有效地保护图像边缘信息,以达到更好的增强效果。
如图1所示,本发明台风云图增强方法,具体步骤如下:
Step1:使用简单高效的引导滤波,对原始降质的台风云图I进行边缘保护和去噪,并得到基层B。利用D=I-B求得细节层D。
Step2:使用修正的直方图均衡方法分别对基层B进行增强。先将基层B从RGB空间转化到HSV空间,然后对其V通道进行增强。修正的直方图均衡主要步骤如下:
a.定义分布函数f,公式如下:
f(k)=s(k)(1+h(k)) (1)
其中k=1,......,K,K表示输入基层B的像素数量,h(k)是归一化的输入基层B的直方图,s(k)是修正后Sigmoid函数,具有平滑及压缩特性,可有效避免过度增强和饱和伪影问题,表达式为
b.求累积分布函数F,公式如下:
其中f(t)是分布函数f(k)的归一化,公式如下:
c.利用预先设定的动态范围和累积分布函数求输出灰度级y(k),公式如下:
其中ymin=0,ymax=2N-1,N为输入基层B的像素深度。
d.利用输出灰度级y(k)和修正直方图均衡方法求得增强图像Y,将Y从HSV空间转化到RGB空间,即得到增强后的基层Y1。
step3:使用修正的直方图均衡方法分别对细节层D进行增强。先将细节层D从RGB空间转化到HSV空间,然后对其V通道进行增强。修正的直方图均衡主要步骤如下:
a.定义分布函数f2,公式如下:
f2(k)=s(k)(1+h2(k)) (1)
其中k=1,......,K,K表示输入细节层D的像素数量,h2(k)是归一化的输入细节层D的直方图,s(k)是修正后Sigmoid函数(同step2的),具有平滑及压缩特性,可有效避免过度增强和饱和伪影问题,表达式为
b.求累积分布函数F2,公式如下:
其中f2(t)是分布函数f2(k)的归一化,公式如下:
c.利用预先设定的动态范围和累积分布函数求输出灰度级y2(k),公式如下:
其中y2min=0,y2max=2N-1,N为输入细节层D的像素深度。
d.利用输出灰度级y(k)和修正直方图均衡方法求得增强图像Y0,将Y0从HSV空间转化到RGB空间,即得到增强后的细节层Y2。
Step4:采用拉普拉斯金字塔对基层和细节层进行有效融合,利用卷积操作获取不同尺度(利用卷积核改变图像的大小)的图像边缘及细节,更好地实现边缘与细节的精细融合,并可克服直接融合所产生的伪影。拉普拉斯金字塔融合的公式如下:
其中i,j表示第Yk个图像中的像素值,M表示融合图像的数量(M=2),l表示拉普拉斯金字塔的层数(l=2),Yk表示第k个输入图像,ωk表示第Yk个输入图像的权重。R表示金字塔融合图像。本例采用2层的拉普拉斯金字塔:第1层分别使用3×3,3×2,2×3,2×2卷积核进行卷积滤波;第二层使用5×5卷积核进行卷积滤波。Y1是增强后的基层,Y2是增强后的细节层,Y1的权重ω1=0.9,Y2的权重ω2=0.1。
Step5:对R进行图像融合,重构出最终增强图像O。
该方法有效地融合增强后的基层和细节层,以减少融合过程中的图像信息丢失,更好地保护图像的边缘及细节。实现了图像分层,又可有效地去除噪声与伪影,以避免过度增强和饱和伪影问题。
Claims (5)
1.一种台风云图增强方法,其特征在于:该方法主要步骤如下:
a.分解:采用引导滤波对原始降质的台风云图I进行去噪及边缘保护,得到基层B,然后利用做差法求得细节层D;其中基层包含图像平滑区域、明显的边缘结构及低频信息,而细节层中包含图像的高频细节信息;
b.处理:利用修正的直方图均衡方法,对基层B和细节层D分别进行各自增强处理,先利用修正后Sigmoid函数的平滑及压缩特性,建立输入图像的直方图分布函数f,然后对其归一化,求其累积分布函数F,最后利用累积分布函数,求得增强后的基层和细节层;
c.融合:采用拉普拉斯金字塔方法对增强后的基层和细节层进行有效融合,先将增强后的基层和细节层分别采用拉普拉斯金字塔结构进行分层,然后将不同尺度的基层和细节层按照合适的比例进行有效融合,最后重构出最终的增强图像。
2.根据权利要求1所属台风云图增强方法,其特征在于:步骤a中,采用引导滤波对台风图像进行去噪,得到基层B,利用做差法得到细节层D,其公式如下:
D=I-B (1)。
3.根据权利要求1所述的台风云图增强方法,其特征在于:步骤b中,对基层B和细节层D分别进行增强处理的主要步骤如下:
1)定义分布函数f,公式如下:
f(k)=s(k)(1+h(k)) (2)
其中k=1,......,K,K表示输入图像的像素数量,h(k)是归一化的输入直方图,s(k)是修正后Sigmoid函数,具有平滑及压缩特性,可有效避免过度增强和饱和伪影问题,表达式为
2)求累积分布函数F,公式如下:
其中f(t)是分布函数f(k)的归一化,公式如下:
3)利用累积分布函数求输出灰度级y(k),公式如下:
其中ymin=0,ymax=2N-1,N为输入图像的像素深度;
4)利用输出灰度级y(k)求得增强图像Y0,将Y0从HSV空间转化到RGB空间,即得到增强后图像Y,即得到增强后的基层Y1和增强后的细节层Y2。
4.根据权利要求1所述的台风云图增强方法,其特征在于:步骤c中,采用的拉普拉斯金字塔融合的公式如下:
其中i,j表示第Yk个图像中的像素值,M表示融合图像的数量(M=2),l表示拉普拉斯金字塔的层数(l=2),Yk表示第k个输入图像,ωk表示第Yk个输入图像的权重;R表示金字塔融合图像;
将增强后的基层Y1和增强后的细节层Y2采用拉普拉斯金字塔融合,Y1的权重ω1=0.9,Y2的权重ω2=0.1。
5.根据权利要求3所述的台风云图增强方法,其特征在于:步骤c中,所述拉普拉斯金字塔的层数采用2层,第1层分别使用3×3,3×2,2×3,2×2卷积核进行卷积滤波;第二层使用5×5卷积核进行卷积滤波。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910421483.5A CN110175959B (zh) | 2019-05-20 | 2019-05-20 | 一种台风云图增强方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910421483.5A CN110175959B (zh) | 2019-05-20 | 2019-05-20 | 一种台风云图增强方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110175959A true CN110175959A (zh) | 2019-08-27 |
CN110175959B CN110175959B (zh) | 2023-04-18 |
Family
ID=67691715
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910421483.5A Active CN110175959B (zh) | 2019-05-20 | 2019-05-20 | 一种台风云图增强方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110175959B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111507913A (zh) * | 2020-04-08 | 2020-08-07 | 四川轻化工大学 | 一种基于纹理特征的图像融合算法 |
CN113487529A (zh) * | 2021-07-12 | 2021-10-08 | 吉林大学 | 一种基于Yolo的气象卫星云图目标检测方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103685858A (zh) * | 2012-08-31 | 2014-03-26 | 北京三星通信技术研究有限公司 | 视频实时处理的方法及设备 |
CN103440630B (zh) * | 2013-09-02 | 2016-07-06 | 南京理工大学 | 基于引导滤波器的大动态范围红外图像显示与细节增强方法 |
CN106971379A (zh) * | 2017-03-02 | 2017-07-21 | 天津大学 | 一种基于分层加权融合的水下图像增强方法 |
CN107016654A (zh) * | 2017-03-29 | 2017-08-04 | 华中科技大学鄂州工业技术研究院 | 一种基于引导图像滤波的自适应红外图像细节增强方法 |
-
2019
- 2019-05-20 CN CN201910421483.5A patent/CN110175959B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103685858A (zh) * | 2012-08-31 | 2014-03-26 | 北京三星通信技术研究有限公司 | 视频实时处理的方法及设备 |
CN103440630B (zh) * | 2013-09-02 | 2016-07-06 | 南京理工大学 | 基于引导滤波器的大动态范围红外图像显示与细节增强方法 |
CN106971379A (zh) * | 2017-03-02 | 2017-07-21 | 天津大学 | 一种基于分层加权融合的水下图像增强方法 |
CN107016654A (zh) * | 2017-03-29 | 2017-08-04 | 华中科技大学鄂州工业技术研究院 | 一种基于引导图像滤波的自适应红外图像细节增强方法 |
Non-Patent Citations (1)
Title |
---|
NITISH VIG等: "Hue preserving color image enhancement using guided filter based sub image histogram equalization", 《2016 NINTH INTERNATIONAL CONFERENCE ON CONTEMPORARY COMPUTING (IC3)》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111507913A (zh) * | 2020-04-08 | 2020-08-07 | 四川轻化工大学 | 一种基于纹理特征的图像融合算法 |
CN111507913B (zh) * | 2020-04-08 | 2023-05-05 | 四川轻化工大学 | 一种基于纹理特征的图像融合算法 |
CN113487529A (zh) * | 2021-07-12 | 2021-10-08 | 吉林大学 | 一种基于Yolo的气象卫星云图目标检测方法 |
CN113487529B (zh) * | 2021-07-12 | 2022-07-26 | 吉林大学 | 一种基于Yolo的气象卫星云图目标检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110175959B (zh) | 2023-04-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107492070B (zh) | 一种双通道卷积神经网络的单图像超分辨率计算方法 | |
CN114140353B (zh) | 一种基于通道注意力的Swin-Transformer图像去噪方法及系统 | |
CN103955905B (zh) | 基于快速小波变换和加权图像融合的单幅图像去雾方法 | |
CN105046658B (zh) | 一种低照度图像处理方法和装置 | |
CN105096280B (zh) | 处理图像噪声的方法及装置 | |
Gupta et al. | Review of different local and global contrast enhancement techniques for a digital image | |
Vishwakarma et al. | Color image enhancement techniques: a critical review | |
CN102184533B (zh) | 基于非局部约束的全变分图像去模糊方法 | |
Zhang et al. | A naturalness preserved fast dehazing algorithm using HSV color space | |
CN106846276A (zh) | 一种图像增强方法及装置 | |
CN110322404B (zh) | 一种图像增强方法及系统 | |
WO2018166083A1 (zh) | 一种对比度增强和视觉显著度优化方法在高尔夫球场图中的应用 | |
CN110175959A (zh) | 一种台风云图增强方法 | |
CN104182939A (zh) | 一种医疗影像图像细节增强方法 | |
CN105931206A (zh) | 一种颜色恒常的彩色图像清晰度增强方法 | |
Liu et al. | Single color image dehazing based on digital total variation filter with color transfer | |
CN109345479B (zh) | 一种视频监控数据的实时预处理方法及存储介质 | |
Sun et al. | Progressive multi-branch embedding fusion network for underwater image enhancement | |
CN104240208A (zh) | 非制冷红外焦平面探测器图像细节增强方法 | |
Anjana et al. | Color image enhancement using edge based histogram equalization | |
Lee et al. | Local tone mapping using sub-band decomposed multi-scale retinex for high dynamic range images | |
Zou et al. | Image haze removal algorithm using a logarithmic guide filtering and multi-channel prior | |
CN110415188A (zh) | 一种基于多尺度形态学的hdr图像色调映射方法 | |
Chen et al. | An adaptive image dehazing algorithm based on dark channel prior | |
Elhefnawy et al. | Effective visibility restoration and enhancement of air polluted images with high information fidelity |
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 |