CN111353959A - 一种高效的适用于大规模光学遥感影像雾霾去除的方法 - Google Patents

Abstract

本发明属于高分辨率光学遥感影像预处理技术领域，公开了一种高效的适用于大规模光学遥感影像雾霾去除的方法，输入原始遥感数据和默认参数；计算像素强度范数；计算雾霾厚度图像；计算雾霾厚度掩膜图像；计算精细化雾霾厚度图像；提取大斑块雾霾图像Haze_map_majority以及像素位置图；计算雾霾敏感像素HTM_i(x,y)；雾霾去除；雾霾补偿。本发明提供的高效的适用于大规模光学遥感影像雾霾去除的方法，从给定样本窗口蓝波段的平均矢量L²‑范数估计HTM，改进无雾像素和雾像素的补偿策略，已成功应用于各种在密集区域内具有复杂雾度覆盖的VHR光学卫星图像，为遥感图像雾霾去除以及雾霾程度评价提供参考价值。

Description

一种高效的适用于大规模光学遥感影像雾霾去除的方法

技术领域

本发明属于高分辨率(Very High Resolution,VHR)光学遥感影像预处理技术领域，尤其涉及一种高效的适用于大规模光学遥感影像雾霾去除的方法，也适用于中低空间分辨率光学遥感影像。

背景技术

目前，从卫星或飞机获取图像时，大气的不同特征可能导致图像质量和视觉解释性下降。水蒸气和水滴，烟雾，灰尘和气溶胶都被认为是“雾霾”，因为它们在可见光谱带中通过散射和光谱失真降低图像质量的效果相似，大大损害了有用分析。与图像中的云层相反，雾霾影响的图像透明度可以通过图像恢复技术在一定程度上得到补偿。因此，实际需要基于场景的，易于使用且鲁棒的雾度消除方法，以用于VHR光学卫星图像，以改善图像分析。

卫星图像去雾方法旨在通过基于成像模型校正雾度像素来恢复表面反射率。暗物减法(DOC)和雾度优化变换(HOT)技术是用于视觉卫星图像的众所周知的除雾方法。Makarau等提出基于整个图像的局部样本窗口构建雾霾厚度图像(Haze Thickness Map,HTM)的DOS技术进一步发展，提出从模糊图像减去HTM以恢复无雾图像的方法。ATCOR最初是由

和Richter开发的，被认为是对光学卫星图像进行最先进的大气和地形校正。

综上所述，现有技术存在的问题是：考虑明亮地面物体的干扰影响，如何构建更精确的HTM？尤其是对于密集建筑区域雾霾复杂的VHR卫星图像，目前还没有这方面报道。

解决上述技术问题的难度：样本窗口大小的确定直接影响到雾霾厚度图像HTM的估计精度。对于异质性高的遥感图像不存在普适的样本窗口，需要构建一套完整的理论技术进行样本窗口大小的测试与优化，窗口大小的鲁棒性与稳健性需要做系统评价。

解决上述技术问题的意义：本发明提出的一种高效的适用于大规模光学遥感影像雾霾去除的方法将消除雾度作为主要任务、光谱特性的补偿作为后续任务，适用于大部分VHR卫星图像。该方法自主可控，可进行批量化处理，能有效恢复遥感影像的真实光谱信息，为大部分卫星图像雾霾的高效去除提供一种选择，进而提高遥感数据的可利用率。

发明内容

针对现有技术存在的问题，本发明提供了一种高效的适用于大规模光学遥感影像雾霾去除的方法。

本发明是这样实现的，

步骤一，输入多光谱光学遥感影像、百分比阈值和Minisize作为默认参数；

步骤二，计算给定样本窗口每个波段的平均矢量L²-范数，获得每个窗口的平均矢量强度值；

步骤三，通过平均向量L²-范数中的移动窗口W(x,y)搜索最暗像素，然后重新采样到原始空间分辨率，获得HTM；

步骤四，计算HTM_masked；

步骤五，计算HTM_refined：使用最近邻插值方法对HTM_masked进行插值，另存为HTM_refined；

步骤六，计算Haze_map_majority以及像素位置图；

步骤七，计算HTM_i(x,y)，采用第i个波段代替蓝色波段；使用普通最小二乘拟合估计线性回归模型的斜率a_i和截距系数b_i；

步骤八，雾霾去除。

步骤九，雾霾补偿：采用无雾像素的辐射均值差补偿所有像素。

进一步，步骤二中，若将蓝波段用作雾度敏感图像，则用如下公式计算平均矢量L²-范数，结果另存为

式中，N是给定重叠窗口Ω(x)的像元数目，窗口大小是w，N＝w·w。由于本发明已经对本地窗口中相邻像素强度进行了L²范数，

均等地取决于每个像素，不受任何特定像素强度x_i∈Ω(x)的影响。与原始蓝波段相比，

稳定性更好。

进一步，步骤三中，所述雾霾厚度图像HTM的计算方法为：

其中，W(x,y)是一个移动窗口，中心为(x,y)，W是确定窗口大小的波段宽度参数，是受雾度影响最大的蓝波段的平均矢量L²-范数。较大的W值有助于消除由大的明亮物体引起的HTM高估，但也会导致HTM的边缘检测精度降低。较小的W结果导致更多的亮地面物体被错误分类并包含在HTM中。

进一步，步骤四中，所述HTM_masked的计算方法为：

从HTM中提取百分比较大的像素作为雾度像素H，其他像素作为无雾度像素H_free；分别计算雾度像素的平均值H_mean和无雾度像素的平均值H_free_mean；从HTM中提取掩膜掉H>H_mean和H_free>H_free_mean的像素作为HTM_masked。

进一步，步骤六中，所述计算Haze_map_majority以及像素位置图的方法为：

从HTM_refined提取百分比较大的像素作为雾度像素H，其他像素为无雾度像素H_free获取H＝1且H_free＝0的二进制图HTM_map；使用多数过滤器过滤Haze_map；从Haze_map中提取Haze_list和Haze_free_list的像素位置图。

进一步，步骤七中，所述HTM_i(x,y)的计算公式如下：

使用普通最小二乘拟合如下式所示的估计线性回归模型的斜率a_i和截距系数b_i：

HTM_i(x,y)＝a_i×HTM_blue(x,y)+b_i。

进一步，步骤八中，通过如下公式进行雾霾去除：

Band_i ^radiation＝Band_i-a_i×HTM-b_i；

其中，Band_i ^radiation是波段i没有辐射的影像；Band_i ^radiation是波段i的原始影像；HTM是雾霾厚度影像，其精度直接影响去雾霾模型的质量；另外，去雾霾像元的过校正现象需要补偿。

进一步，步骤九中，采用无雾像素的辐射均值差补偿所有像素，实际上，在VHR卫星图像的浓雾区域检测明亮物体不容易。假设明亮的物体将在密集雾霾区域导致HTM高估和图像模糊低估，HTM_haze和HTM_haze_free之间的平均差异以及红色波段的相对亮度用于补偿雾度像素。

本发明的另一目的在于提供一种实施所述高效的适用于大规模光学遥感影像雾霾去除的方法无人机影像处理终端。

本发明的另一目的在于提供一种存储在计算机可读介质上的计算机程序产品，包括计算机可读程序，供于电子装置上执行时，提供用户输入接口以实施所述高效的适用于大规模光学遥感影像雾霾去除的方法。

本发明的另一目的在于提供一种计算机可读存储介质，储存有指令，当所述指令在计算机上运行时，使得计算机执行所述高效的适用于大规模光学遥感影像雾霾去除的方法。

综上所述，本发明的优点及积极效果为：本发明提供的高效的适用于大规模光学遥感影像雾霾去除的方法，从给定样本窗口蓝波段的平均矢量L²-范数估计HTM，改进无雾像素和雾像素的补偿策略，已成功应用于各种在密集区域内具有复杂雾度覆盖的VHR光学卫星图像，为遥感图像雾霾去除以及雾霾程度评价提供参考价值。

附图说明

图1是本发明实施例提供的高效的适用于大规模光学遥感影像雾霾去除的方法流程图。

图2是本发明实施例提供的高效的适用于大规模光学遥感影像雾霾去除的方法原理图。

图3是基于Worldview3卫星影像的去雾霾前后对比图(中国上海)。

图4是基于Pléiades卫星影像的去雾霾前后对比图(中国辰溪)。

图5是基于高分二号卫星影像的去雾霾前后对比图(中国元江)。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

目前的主要挑战是考虑明亮地面物体的干扰影响，如何构建更精确的HTM，尤其是对于密集建筑区域雾霾复杂的VHR卫星图像，目前还没有这方面报道。

针对VHR多光谱遥感图像的雾霾现象，本发明提供了一种新的简单通用的雾霾检测与去除方法，下面结合附图对本发明作详细的描述。

如图1所示，本发明实施例提供的高效的适用于大规模光学遥感影像雾霾去除的方法包括以下步骤：

S101，原始遥感数据输入：多光谱光学遥感影像、百分比阈值和Minisize作为默认参数。

S102，计算像素强度L²-范数：计算给定样本窗口每个波段的平均矢量L²-范数，获得每个窗口的平均矢量强度值。

S103，计算雾霾厚度图像HTM：通过平均向量L²-范数中的移动窗口W(x,y)搜索最暗像素，然后重新采样到原始空间分辨率，获得HTM。

S104，计算HTM_masked。

S105，计算HTM_refined：使用最近邻插值方法对HTM_masked进行插值，另存为HTM_refined。

S106，计算Haze_map_majority以及像素位置图。

S107，计算HTM_i(x,y)，采用第i个波段代替蓝色波段；使用普通最小二乘拟合估计线性回归模型的斜率a_i和截距系数b_i。

S108，雾霾去除。

S109，雾霾补偿：采用无雾像素的辐射均值差补偿所有像素。

下面结合实施例对本发明作进一步描述。

多光谱遥感图像通常会遭受雾度降低，从而降低视觉解释性并影响进一步的图像分析过程。因此，雾度检测和去除技术对于多光谱图像预处理至关重要。在大型明亮物体可能与雾霾混淆的情况下，基于雾霾厚度图(HTM)从非常高的空间分辨率(VHR)卫星图像进行雾霾检测具有挑战性。针对VHR多光谱遥感图像，本发明提出一种新的简单鲁棒的雾度检测与去除方法。与现有的基于HTM的方法不同，本发明从给定本地样本窗口中蓝波段的平均矢量L²-范数估计HTM，改进了无雾像素和雾像素的补偿策略。本发明提出的方法已成功应用于各种在密集区域内具有复杂雾度覆盖的VHR光学卫星图像。

如图2所示，本发明实施例提供的高效的适用于大规模光学遥感影像雾霾去除的方法如下：

步骤1：原始遥感数据输入。

多光谱光学遥感影像；百分比阈值和Minisize作为默认参数。

步骤2：计算像素强度L²-范数。

计算给定样本窗口每个波段的平均矢量L²-范数，获得每个窗口的平均矢量强度值。若将蓝波段用作雾度敏感图像，则用公式(1)计算平均矢量L²-范数，结果另存为

其中，N是给定重叠窗口Ω(x)的像元数目，窗口大小是w，N＝w·w。由于本发明已经对本地窗口中相邻像素强度进行了L²-范数，

均等地取决于每个像素，不受任何特定像素强度x_i∈Ω(x)的影响。与原始蓝波段相比，

更坚固。

步骤3：计算雾霾厚度图像HTM。

通过公式(2)中的平均向量L²-范数中的移动窗口W(x,y)搜索最暗像素，然后重新采样到原始空间分辨率，获得HTM。其中W(x,y)是一个移动窗口，中心为(x,y)，W是确定窗口大小的波段宽度参数，是受雾度影响最大的蓝波段的平均矢量L²-范数。较大的W值有助于消除由大的明亮物体引起的HTM高估，但也会导致HTM的边缘检测精度降低。较小的W结果导致更多的亮地面物体被错误分类并包含在HTM中。

步骤4：计算HTM_masked。

从HTM中提取百分比较大的像素作为雾度像素H，其他像素作为无雾度像素H_free；分别计算雾度像素的平均值H_mean和无雾度像素的平均值H_free_mean；从HTM中提取掩膜掉H>H_mean和H_free>H_free_mean的像素作为HTM_masked。

步骤5：计算HTM_refined。

使用最近邻插值方法对HTM_masked进行插值，另存为HTM_refined。

步骤6：计算Haze_map_majority以及像素位置图。

从HTM_refined提取百分比较大的像素作为雾度像素H，其他像素为无雾度像素H_free获取H＝1且H_free＝0的二进制图HTM_map；使用多数过滤器过滤Haze_map；从Haze_map中提取Haze_list和Haze_free_list的像素位置图。

步骤7：计算HTM_i(x,y)。

通过公式(3)计算HTM_i(x,y)，采用第i个波段代替蓝色波段；使用普通最小二乘拟合估计线性回归模型(公式4)的斜率a_i和截距系数b_i。

HTM_i(x,y)＝a_i×HTM_blue(x,y)+b_i (4)

步骤8：雾霾去除。

通过公式(5)进行雾霾去除，其中Band_i ^radiation是波段i没有辐射的影像；Band_i ^radiation是波段i的原始影像；HTM是雾霾厚度影像，其精度直接影响去雾霾模型的质量；另外，去雾霾像元的过校正现象需要补偿。

Band_i ^radiation＝Band_i-a_i×HTM-b_i (5)

步骤9：雾霾补偿。

采用无雾像素的辐射均值差补偿所有像素。实际上，在VHR卫星图像的浓雾区域检测明亮物体不容易。本发明假设明亮的物体将在密集雾霾区域导致HTM高估和图像模糊低估，HTM_haze和HTM_haze_free之间的平均差异以及红色波段的相对亮度用于补偿雾度像素。

下面结合具体实验对本发明作进一步描述。

图3基于Worldview3卫星影像的去雾霾前后对比图(中国上海)。(a)，(b)，为真彩色波段组合图像，(c)，(d)为对应的假彩色(近红外，红色，绿色)波段组合图像；其中(a)，(c)为原始图像；(b)，(d)是采用发明者提出的方法对图像进行去雾霾处理。可视化比较表明，该方法有效去除了图像中的雾度像素，并从视觉上保持了各土地覆盖物颜色的一致性。

图4基于Pléiades卫星影像的去雾霾前后对比图(中国辰溪)。(a)，(b)为真彩色波段组合图像，(c)，(d)为对应的假彩色波段组合图像；其中(a)，(c)为原始图像；(b)，(d)是采用发明者提出的方法对图像进行去雾霾处理。可视化比较表明，该方法有效去除了图像中的雾度像素，并在视觉上保持了各土地覆盖物颜色的一致性。

图5基于高分二号卫星影像的去雾霾前后对比图(中国元江)。(a)，(b)为真彩色波段组合图像，(c)，(d)为对应的假彩色波段组合图像；其中(a)，(c)为原始图像；(b)，(d)是采用发明者提出的方法对图像进行去雾霾处理。可视化比较表明，该方法有效去除了图像中的雾度像素，并在视觉上保持了各土地覆盖物颜色的一致性。

在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用全部或部分地以计算机程序产品的形式实现，所述计算机程序产品包括一个或多个计算机指令。在计算机上加载或执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输)。所述计算机可读取存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘SolidState Disk(SSD))等。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种高效的适用于大规模光学遥感影像雾霾去除的方法，其特征在于，所述高效的适用于大规模光学遥感影像雾霾去除的方法包括以下步骤：

步骤一，输入多光谱光学遥感影像、百分比阈值和Minisize作为默认参数；

步骤二，计算给定样本窗口每个波段的平均矢量L²-范数，获得每个窗口的平均矢量强度值；

步骤三，通过平均向量L²-范数中的移动窗口W(x,y)搜索最暗像素，然后重新采样到原始空间分辨率，获得HTM；

步骤四，计算HTM_masked；

步骤五，计算HTM_refined：使用最近邻插值方法对HTM_masked进行插值，另存为HTM_refined；

步骤六，计算Haze_map_majority以及像素位置图；

步骤七，计算HTM_i(x,y)，采用第i个波段代替蓝色波段；使用普通最小二乘拟合估计线性回归模型的斜率a_i和截距系数b_i；

步骤八，雾霾去除；

步骤九，雾霾补偿：采用无雾像素的辐射均值差补偿所有像素。

2.如权利要求1所述的高效的适用于大规模光学遥感影像雾霾去除的方法，其特征在于，步骤二中，若将蓝波段用作雾度敏感图像，则用如下公式计算平均矢量L²-范数，结果另存为

式中，N是给定重叠窗口Ω(x)的像元数目，窗口大小是w，N＝w·w；

均等地取决于每个像素，不受任何特定像素强度x_i∈Ω(x)影响。

3.如权利要求1所述的高效的适用于大规模光学遥感影像雾霾去除的方法，其特征在于，步骤三中，所述雾霾厚度图像HTM的计算方法为：

其中，W(x,y)是一个移动窗口，中心为(x,y)，W是确定窗口大小的波段宽度参数，是受雾度影响最大的蓝波段的平均矢量L²-范数。

4.如权利要求1所述的高效的适用于大规模光学遥感影像雾霾去除的方法，其特征在于，步骤四中，所述HTM_masked的计算方法为：

从HTM中提取百分比较大的像素作为雾度像素H，其他像素作为无雾度像素H_free；分别计算雾度像素的平均值H_mean和无雾度像素的平均值H_free_mean；从HTM中提取掩膜掉H>H_mean和H_free>H_free_mean的像素作为HTM_masked。

5.如权利要求1所述的高效的适用于大规模光学遥感影像雾霾去除的方法，其特征在于，步骤六中，所述计算Haze_map_majority以及像素位置图的方法为：

从HTM_refined提取百分比大的像素作为雾度像素H，其他像素为无雾度像素H_free获取H＝1且H_free＝0的二进制图HTM_map；使用多数过滤器过滤Haze_map；从Haze_map中提取Haze_list和Haze_free_list的像素位置图。

6.如权利要求1所述的高效的适用于大规模光学遥感影像雾霾去除的方法，其特征在于，步骤七中，所述HTM_i(x,y)的计算公式如下：

使用普通最小二乘拟合如下式所示的估计线性回归模型的斜率a_i和截距系数b_i：

HTM_i(x,y)＝a_i×HTM_blue(x,y)+b_i。

7.如权利要求1所述的高效的适用于大规模光学遥感影像雾霾去除的方法，其特征在于，步骤八中，通过如下公式进行雾霾去除：

Band_i ^radiation＝Band_i-a_i×HTM-b_i；

其中，Band_i ^radiation是波段i没有辐射的影像；Band_i ^radiation是波段i的原始影像；

步骤九中，采用无雾像素的辐射均值差补偿所有像素。

8.一种实施权利要求1～7任意一项所述高效的适用于大规模光学遥感影像雾霾去除的方法无人机影像处理终端。

9.一种存储在计算机可读介质上的计算机程序产品，包括计算机可读程序，供于电子装置上执行时，提供用户输入接口以实施如权利要求1～7任意一项所述高效的适用于大规模光学遥感影像雾霾去除的方法。

10.一种计算机可读存储介质，储存有指令，当所述指令在计算机上运行时，使得计算机执行如权利要求1～7任意一项所述高效的适用于大规模光学遥感影像雾霾去除的方法。

Images