CN111626965B - 遥感图像处理方法,装置,电子设备及存储介质 - Google Patents
遥感图像处理方法,装置,电子设备及存储介质 Download PDFInfo
- Publication number
- CN111626965B CN111626965B CN202010498579.4A CN202010498579A CN111626965B CN 111626965 B CN111626965 B CN 111626965B CN 202010498579 A CN202010498579 A CN 202010498579A CN 111626965 B CN111626965 B CN 111626965B
- Authority
- CN
- China
- Prior art keywords
- image
- water body
- remote sensing
- sensing image
- color space
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 15
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 275
- 238000006243 chemical reaction Methods 0.000 claims abstract description 32
- 238000000034 method Methods 0.000 claims abstract description 30
- 238000012545 processing Methods 0.000 claims description 48
- 239000011159 matrix material Substances 0.000 claims description 31
- 230000008859 change Effects 0.000 claims description 18
- 238000010606 normalization Methods 0.000 claims description 16
- 238000012216 screening Methods 0.000 claims description 12
- 238000010586 diagram Methods 0.000 claims description 10
- 238000000926 separation method Methods 0.000 claims description 8
- 238000013507 mapping Methods 0.000 claims description 7
- 230000006870 function Effects 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims 1
- 239000003086 colorant Substances 0.000 abstract description 6
- 230000001186 cumulative effect Effects 0.000 description 18
- 238000005315 distribution function Methods 0.000 description 16
- 230000008569 process Effects 0.000 description 10
- 210000000746 body region Anatomy 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000012805 post-processing Methods 0.000 description 3
- 239000002689 soil Substances 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 230000000007 visual 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
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
- G06T2207/30184—Infrastructure
-
- 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
- G06T2207/30188—Vegetation; Agriculture
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
本申请提供一种遥感图像处理方法,装置,电子设备及存储介质,该方法包括:获取原始遥感图像,并提取所述原始遥感图像中的水体图像;对所述原始遥感图像进行颜色空间转换;利用颜色空间转换后的遥感图像,对所述水体图像进行图像增强;及将图像增强后的水体图像回填至所述原始遥感图像中,获得水体增强后的遥感图像。本申请通过对原始遥感图像中的水体图像进行图像增强,能够改善获取的原始遥感图像水体颜色偏差较大、色彩不饱和等问题。
Description
技术领域
本申请涉及图像处理技术领域,具体而言,涉及一种遥感图像处理方法,遥感图像处理装置,电子设备及存储介质。
背景技术
目前,空间遥感图像指基于卫星、无人机等平台的传感器拍摄到的星载及机载遥感图像。在遥感图像的获取过程中,由于光照条件、大气、以及传感器光谱特性等因素影响,导致所获取到的遥感图像存在亮度偏暗、色彩不饱和、对比度较低等问题。特别是遥感图像中包含有河流或湖泊等水体类地物时,水体通常呈现出灰、黄、黑等色彩偏差较大的情况,导致与普遍认知不符的遥感图像失真。
在融媒体新闻基于卫星或无人机视角对地理风景及热点事件进行展示的过程中,若直接采用此类水体遥感图像进行配图的话,不但容易因其图像色彩暗淡等问题导致观赏性较差,还有可能由于水体颜色与实际不符从而导致用户认知偏差。
发明内容
本申请实施例的目的在于提供一种遥感图像处理方法,遥感图像处理装置,电子设备及存储介质,用以改善现有技术中遥感图像中水体亮度偏暗、色彩不饱和、对比度较低、及颜色偏差较大等问题。
本申请实施例提供一种遥感图像处理方法,包括:获取原始遥感图像,并提取所述原始遥感图像中的水体图像;对所述原始遥感图像进行颜色空间转换;利用颜色空间转换后的遥感图像,对所述水体图像进行图像增强;及将图像增强后的水体图像回填至所述原始遥感图像中,获得水体增强后的遥感图像。
本申请通过对遥感图像中的水体图像进行图像增强,并将图像增强后的水体图像回填至原始遥感图像中,由此,能够改善现有技术中遥感图像水体亮度偏暗、色彩不饱和、对比度较低、及颜色偏差较大等问题,进而在对包含河流或湖泊等水体的地理风景进行展示时,提高图像的可观赏性。
在一种可能的实施方式中,所述获取原始遥感图像,并提取所述原始遥感图像中的水体图像,包括:对所述原始遥感图像进行通道分离,分别获得R通道、G通道、B通道、NIR通道的影像;根据所述R通道及所述NIR通道的影像获得植被指数图像,并根据G通道及NIR通道影像获得水体指数图像;基于所述植被指数图像和所述水体指数图像,获得所述水体图像。
本申请通过对原始遥感图像进行通道分离,便于获取植被指数图像及水体指数图像,进而基于植被指数图像及水体指数图像对图像进行划分,以便提取出水体图像。
在一种可能的实施方式中,所述根据所述R通道及所述NIR通道的影像获得植被指数图像,包括:根据所述R通道及所述NIR通道的影像进行归一化处理,得到归一化植被指数图像;计算所述归一化植被指数图像中的灰度直方分布图,获得所述归一化植被指数图像的二值化阈值;利用所述二值化阈值对所述归一化植被指数图像进行处理,得到二值化植被指数图像,所述二值化植被指数图像为所述植被指数图像。
在一种可能的实施方式中,所述根据G通道及NIR通道影像获得水体指数图像,包括:根据所述G通道及所述NIR通道的影像进行归一化处理,得到归一化水体指数图像,所述归一化水体指数图像为所述水体指数图像。
在一种可能的实施方式中,所述基于所述植被指数图像和水体指数图像,获得水体图像,包括:利用所述二值化植被指数图像对所述水体指数图像做掩膜运算,得到水体指数掩膜图像;计算所述水体指数掩膜图像的灰度直方分布图,得到水体二值化阈值;利用所述水体二值化阈值对所述水体指数掩膜图像进行二值化处理,得到二值化水体图像,所述二值化水体图像为所述水体图像。
在一种可能的实施方式中,所述水体图像为二值化水体图像,所述颜色空间转换后的遥感图像为HSV颜色空间的遥感图像,所述利用颜色空间转换后的遥感图像,对所述水体图像进行图像增强,包括:获取水体在所述二值化水体图像中的坐标位置信息;将获取的所述坐标位置信息映射到所述HSV颜色空间的遥感图像中,得到所述水体在所述HSV颜色空间的遥感图像中的初始位置信息;根据所述水体在所述HSV颜色空间的遥感图像中的初始位置信息,将所述水体在所述HSV颜色空间的遥感图像中所占的区域按预设系数进行扩大,得到所述水体在所述HSV颜色空间的遥感图像中的扩大后的位置信息;根据所述初始位置信息及所述扩大后的位置信息,计算所述水体在所述HSV颜色空间的遥感图像中扩大前后的变化位置信息;在所述HSV颜色空间的遥感图像中所述变化位置信息对应的区域内筛选蓝色和绿色的坐标点;将所筛选的坐标点对应的像素及所述初始位置信息对应的坐标点的像素放入新创建的图像矩阵中;在HSV颜色空间下对所述已放入所述像素的图像矩阵的S和V进行直方图均衡,并对均衡后的图像矩阵的颜色饱和度进行调整,获得颜色饱和度增强后的水体图像。
在一种可能的实施方式中,所述在所述HSV颜色空间的遥感图像与所述变化位置信息对应的部分筛选蓝色和绿色的坐标点,包括:通过判断所述变化位置信息所对应的区域内的各个坐标点的像素值是否在蓝色色域或绿色色域范围内,筛选出蓝色和绿色的坐标点。
在一种可能的实施方式中,所述原始遥感图像的颜色空间为RGB颜色空间,所述对原始遥感图像进行颜色空间转换,包括:将RGB颜色空间下的所述原始遥感图像转换为HSV颜色空间的图像。
本申请实施例还提供一种遥感图像处理装置,包括:获取单元,用于获取原始遥感图像,并提取所述原始遥感图像中的水体图像;颜色空间转换单元,用于对所述原始遥感图像进行颜色空间转换;水体图像增强单元,用于利用颜色空间转换后的遥感图像,对所述水体图像进行图像增强;回填单元,用于将图像增强后的水体图像回填至所述原始遥感图像中,获得水体增强的遥感图像。
在一种可能的实施方式中,所述获取单元用于:对所述原始遥感图像进行通道分离,分别获得R通道、G通道、B通道、NIR通道的影像;根据所述R通道及所述NIR通道的影像获得植被指数图像,并根据G通道及NIR通道影像获得水体指数图像;基于所述植被指数图像和所述水体指数图像,获得所述水体图像。
在一种可能的实施方式中,所述获取单元还用于:根据所述R通道及所述NIR通道的影像进行归一化处理,得到归一化植被指数图像;计算所述归一化植被指数图像中的灰度直方分布图,获得所述归一化植被指数图像的二值化阈值;利用所述二值化阈值对所述归一化植被指数图像进行处理,得到二值化植被指数图像,所述二值化植被指数图像为所述植被指数图像。
在一种可能的实施方式中,所述获取单元还用于根据所述G通道及所述NIR通道的影像进行归一化处理,得到归一化水体指数图像,所述归一化水体指数图像为所述水体指数图像。
在一种可能的实施方式中,所述获取单元还用于:利用所述二值化植被指数图像对所述水体指数图像做掩膜运算,得到水体指数掩膜图像;计算所述水体指数掩膜图像的灰度直方分布图,得到水体二值化阈值;利用所述水体二值化阈值对所述水体指数掩膜图像进行二值化处理,得到二值化水体图像,所述二值化水体图像为所述水体图像。
在一种可能的实施方式中,所述水体图像为二值化水体图像,所述颜色空间转换后的遥感图像为HSV颜色空间的遥感图像,所述水体图像增强单元还用于:获取水体在所述二值化水体图像中的坐标位置信息;将获取的所述坐标位置信息映射到所述HSV颜色空间的遥感图像中,得到所述水体在所述HSV颜色空间的遥感图像中的初始位置信息;根据所述水体在所述HSV颜色空间的遥感图像中的初始位置信息,将所述水体在所述HSV颜色空间的遥感图像中所占的区域按预设系数进行扩大,得到所述水体在所述HSV颜色空间的遥感图像中的扩大后的位置信息;根据所述初始位置信息及所述扩大后的位置信息,计算所述水体在所述HSV颜色空间的遥感图像中扩大前后的变化位置信息;在所述HSV颜色空间的遥感图像中所述变化位置信息对应的区域内筛选蓝色和绿色的坐标点;将所筛选的坐标点对应的像素及所述初始位置信息对应的坐标点的像素放入新创建的图像矩阵中;在HSV颜色空间下对所述已放入所述像素的图像矩阵的S和V分别进行直方图均衡,并对均衡后的图像矩阵的颜色饱和度进行调整,获得颜色饱和度增强后的水体图像。
在一种可能的实施方式中,所述水体图像增强单元还用于通过判断所述变化位置信息对应的区域内的各个坐标点的像素值是否在蓝色色域或绿色色域范围内,筛选出蓝色和绿色的坐标点。
在一种可能的实施方式中,所述原始遥感图像的颜色空间为RGB颜色空间,所述颜色空间转换单元用于将RGB颜色空间下的所述原始遥感图像转换为HSV颜色空间的图像。
本申请实施例还提供一种电子设备,包括存储器和处理器,所述存储器中存储有计算机可读指令,所述计算机可读指令被所述处理器执行时,使得所述处理器执行上述遥感图像处理方法或实现上述遥感图像处理装置的功能。
本申请实施例还提供一种存储有计算机可读指令的非易失性可读存储介质,所述计算机可读指令被处理器执行时,使得所述处理器执行上述遥感图像处理方法或实现上述遥感图像处理装置的功能。
本申请的一个或多个实施例的细节在下面的附图和描述中提出。本申请的其它特征、目的和优点将从说明书、附图以及权利要求书变得明显。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本申请一实施例提供的遥感图像处理方法的流程图。
图2为本申请一实施例提供的提取原始遥感图像中的水体图像的流程图。
图3为本申请一实施例提供的获取植被指数图像的流程图。
图4为本申请一实施例提供的基于植被指数图像和水体指数图像获取水体图像的流程图。
图5为本申请一实施例提供的利用颜色空间转换后的遥感图像对水体图像进行图像增强的流程图。
图6为本申请一实施例提供的遥感图像处理装置的结构框图。
图7为本申请一实施例提供的电子设备的结构示意图。
图标:遥感图像处理装置-10;获取单元-11;颜色空间转换单元-12;水体图像增强单元-13;回填单元-14。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请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申请,并不用于限定本申请。
请参阅图1,本申请一实施例提供一种遥感图像处理方法,用于改善现有技术中遥感图像内的水体颜色偏差较大的问题。该方法包括以下步骤。
步骤S11:获取原始遥感图像,并提取所述原始遥感图像中的水体图像。
本实施例中,原始遥感图像为直接通过卫星、无人机等平台的传感器对地拍摄获得的图像。原始遥感图像通常为RGB(红red,绿green,蓝blue)颜色空间的图像。
请一并参阅图2,本实施例中,提取原始遥感图像中的水体图像,包括以下步骤。
步骤S101:对原始遥感图像进行通道分离,分别获得R通道、G通道、B通道、NIR(near infrared,近红外光)通道的影像。
本实施例中,通过对原始遥感图像进行通道分离,以便后续能够基于相关通道的影像获取植被指数图像及水体指数图像。而对图像进行通道分离的技术为现有技术,在此不做展开说明。需要说明的是,通道分离所得到的NIR通道影像可以与其他通道影像结合使用,以便于提升对遥感图像中各种类型的像元(包括但不限于植被,水体,建筑物,沙漠等等)进行分离时的准确度。
步骤S102:根据R通道及NIR通道的影像获得植被指数图像,并根据G通道及NIR通道影像获得水体指数图像。
请一并参阅图3,本实施例中,可以通过如下方式获得植被指数图像,具体如下:
步骤S201:根据R通道及NIR通道的影像获得植被指数图像。
首先,根据R通道及NIR通道的影像进行归一化处理,得到NDVI(NormalizedDifference Vegetation Index,归一化植被指数)图像。NDVI图像具体是将R通道及NIR通道的影像进行融合处理后获得的图像,其融合处理的方式具体为归一化处理。其归一化处理的本质是将R通道及NIR通道的影像中相同位置的像素通过归一化公式计算后得到NDVI图像中对应位置像素的像素值。本实施例中,利用NDVI公式对R通道的影像及NIR通道的影像进行处理,得到融合R通道的影像及NIR通道的影像的NDVI图像,其中,NDVI公式具体如下:
BNDVI-t=(BNi-BRj)/(BNi+BRj),其中,BNi表示NIR通道的影像中像素点i的像素值,BRj表示在R通道的影像中与NIR通道的影像中的像素点i位置对应的像素点j的像素值,BNDVI-t表示在NDVI图像中同时与R通道的影像中的像素点i和NIR通道的影像中的像素点j位置对应的像素点t的像素值,其中,像素点i、j和t相互一一对应。
步骤S202:计算NDVI图像中的灰度直方分布图,获得NDVI图像的二值化阈值。
具体地,根据计算得到的NDVI图像中的灰度直方分布图,确定一个像素值作为NDVI图像的二值化阈值。
更具体地,首先,确定NDVI图像中的灰度直方分布图中的累积分布函数值中最大的两个值;然后,根据确定出的NDVI图像中的灰度直方分布图中的累积分布函数值中最大的两个值,确定出一个像素值作为NDVI图像的二值化阈值。例如,随机地从上述NDVI图像中的灰度直方分布图中累积分布函数值中最大的两个值中,选择其中一个累积分布函数值所对应的灰度值作为NDVI图像的二值化阈值。也可以根据上述NDVI图像中的灰度直方分布图中累积分布函数值中最大的两个值,对该累积分布函数值中最大的两个值所对应的灰度值求平均值,将该平均值作为NDVI图像的二值化阈值。
步骤S203:利用二值化阈值对NDVI图像进行处理,得到二值化植被指数图像,二值化植被指数图像即为植被指数图像。
本实施例中,利用二值化阈值对NDVI图像进行处理,得到二值化植被指数图像的具体过程为:将归一化植被指数图像的每个坐标点的像素值与二值化阈值进行比较,若坐标点的像素值小于二值化阈值,则将该坐标点的像素值设为1,反之,则将该坐标点的像素值设为0,由此得到二值化植被指数图像,由此,在二值化植被指数图像中像素值为1的坐标点所代表的像元为水体。其中将坐标点的像素值设为1或0的做法,仅仅是便于图像后期的处理,也可以根据需要设为其他数值,本申请方案将像素值设为1或0,是因坐标点的像素值为1时,该坐标点显示为白色;坐标点的像素值为0时,该坐标点显示为黑色,容易后期区别。
本实施例中,根据G通道及NIR通道影像获得水体指数图像,包括:根据G通道及NIR通道的影像进行归一化处理,得到NDWI(Normalized DifferenceWater Index,归一化水体指数)图像,其中,NDWI图像即为水体指数图像,NDWI图像是将G通道及NIR通道的影像进行融合处理后获得的图像,其融合处理的方式具体为归一化处理。其归一化处理的本质是将G通道及NIR通道的影像中相同位置的像素通过归一化公式(即NDWI公式)计算后得到NDWI图像中对应位置像素的像素值,其NDWI公式具体如下:
BNDWI-p=(BGy-BNi)/(BNi+BGy),其中,BNi表示NIR通道的影像中像素点i的像素值,BGy表示在G通道的影像中与NIR通道的影像中的像素点i位置对应的像素点y的像素值,BNDWI-p表示在NDWI图像中同时与NIR通道的影像中的像素点i和G通道的影像中的像素点y位置对应的像素点p的像素值,其中,像素点i、y和p相互一一对应。
步骤S103:基于植被指数图像和水体指数图像,获得水体图像。
请一并参阅图4,本实施例中,可以通过如下方式基于植被指数图像和水体指数图像,获得水体图像。
步骤S301:利用二值化植被指数图像对水体指数图像做掩膜运算,得到水体指数掩膜图像。由于通过NDVI获得二值化植被指数图像过程中,其NDVI受冰雪、土壤和地形影响较小,从而获得的二值化植被指数图像中植被区域较为准确,而NDWI容易受冰雪影响及容易将土壤与水体混淆,从而通过NDWI获得水体指数图像中水体区域较为不准确。本申请方案中通过利用二值化植被指数图像对水体指数图像做掩膜运算,能够弥补NDWI容易受冰雪影响及容易将土壤与水体混淆的缺点,而由于NDWI能有效地抑制植被信息,可以弥补NDVI容易将含水量较高的植被混淆的缺点,由此,能够提升获得的水体图像的准确性。
步骤S302:计算水体指数掩膜图像的灰度直方分布图,得到水体二值化阈值。
具体地,根据计算得到的水体指数掩膜图像中的灰度直方分布图,确定一个像素值作为水体指数掩膜图像的水体二值化阈值。
更具体地,首先,确定水体指数掩膜图像中的灰度直方分布图中累积分布函数值中最大的两个值;然后,根据确定出的水体指数掩膜图像中的灰度直方分布图中累积分布函数值中最大的两个值,确定出一个像素值作为水体指数掩膜图像的水体二值化阈值。例如,随机地从上述水体指数掩膜图像中的灰度直方分布图中累积分布函数值中最大的两个值中,选择其中一个累积分布函数值所对应的灰度值作为水体指数掩膜图像的水体二值化阈值。也可以根据水体指数掩膜图像中的灰度直方分布图中累积分布函数值中最大的两个值,对累积分布函数值中最大的两个值所对应的灰度值求平均值,将该平均值作为水体指数掩膜图像的水体二值化阈值。
步骤S303:利用水体二值化阈值对水体指数掩膜图像进行二值化处理,得到二值化水体图像,二值化水体图像即为水体图像。
具体地,将水体指数掩膜图像的每个坐标点的像素值与水体二值化阈值进行比较,若坐标点的像素值大于水体二值化阈值,则将该坐标点的像素值设为1,反之,则将该坐标点的像素值设为0,由此得到二值化水体图像,由此,在水体指数掩膜图像中像素值为1的坐标点所代表的像元为水体。
可以理解的是,为去除水体图像中坐标点为水体的像元所组成区域中掺杂的非水体区域,进一步提升获得的水体图像中水体区域的准确性,在得到二值化水体图像之后,还可以对二值化水体图像中的小连通域和孔洞进行滤除。具体地,分别计算二值化水体图像中相互连续的坐标点所组成区域的面积,该相互连续的坐标点为水体的像元的坐标点,将面积小于预设阈值的水体区域滤除(即,将面积小于预设阈值的水体区域所对应的坐标点的像素值调整为0)。
本实施例中,基于植被指数图像及水体指数图像对图像进行划分,获得水体图像,可提升获得的水体图像中水体区域的准确度。
步骤S13:对所述原始遥感图像进行颜色空间转换。
本实施例中,对原始遥感图像进行颜色空间转换具体为:将RGB(Red红,Green绿,Blue蓝)颜色空间下的原始遥感图像转换为HSV(Hue色调,Saturation饱和度,Value明度)颜色空间的图像。颜色空间转换的具体内容为现有技术,在此,不进一步展开说明。
步骤S15:利用颜色空间转换后的遥感图像,对所述水体图像进行图像增强。
请一并参阅图5,本实施例中,可以通过如下方式利用颜色空间转换后的遥感图像对水体图像进行图像增强。
步骤S401:获取水体在二值化水体图像中的坐标位置信息。具体地,获取二值化水体图像中所代表水体的像元的坐标点位置信息,即获取该图像中像素值为1的坐标点的位置信息。
步骤S402:将获取的坐标位置信息映射到HSV颜色空间的遥感图像中,得到水体在HSV颜色空间的遥感图像中的初始位置信息。
步骤S403:根据水体在HSV颜色空间的遥感图像中的初始位置信息,将水体在HSV颜色空间的遥感图像中所占的区域按预设系数进行扩大,得到水体在HSV颜色空间的遥感图像中的扩大后的位置信息。具体地,通过将水体在HSV颜色空间的遥感图像中所占的区域按预设系数进行扩大,可以使得后期处理后的遥感图像中水体与周围植被过渡更加缓和,从而提升后期处理后的遥感图像整体的美观性。
步骤S404:根据初始位置信息及扩大后的位置信息,计算水体在HSV颜色空间的遥感图像中扩大前后的变化位置信息。
步骤S405:在HSV颜色空间的遥感图像中变化位置信息对应的区域内筛选出蓝色和绿色的坐标点。具体地,在HSV颜色空间的遥感图像与变化位置信息对应的部分筛选蓝色和绿色的坐标点,包括:通过判断变化位置信息所对应的区域内各个坐标点的像素值是否在蓝色色域或绿色色域范围内,若是,则将这些坐标点筛选出来。
步骤S406:将所筛选的坐标点对应的像素及初始位置信息对应的坐标点的像素放入新创建的图像矩阵中。其中,新创建的图像矩阵中,像素点的数量为所筛选的坐标点和初始位置信息对应的坐标点所对应的像素点的数量总和。所筛选的坐标点对应的像素及初始位置信息对应的坐标点的像素在放入新创建的图像矩阵之后,在新创建的图像矩阵中各个像素点的坐标位置信息与其在放入前的坐标位置信息相互映射,且坐标位置信息相互映射的像素点的像素值相同。
步骤S407:在HSV颜色空间下对已放入像素的图像矩阵的S(饱和度)和V(明度)分别进行直方图均衡,并对均衡后的图像矩阵的颜色饱和度进行调整,获得颜色饱和度增强后的水体图像。
其中,在HSV颜色空间下对已放入像素的图像矩阵的S(饱和度)和V(明度)进行直方图均衡,具体包括:
步骤S501:计算已放入像素的图像矩阵的灰度直方图,具体如下:
Px(j)表示当灰度值为j时,已放入像素的图像矩阵中像素值为j的像素个数;累积分布函数cdfx(i)表示当灰度值等于i时,灰度值j从0到i的概率Px(j)的累加和;
如已放入像素的图像矩阵为一个长宽为8*8的图像矩阵,如下图:
首先,当灰度值为j时,计算上图中像素值为j的像素个数Px(j)为:
然后,当灰度值等于i时,计算cdfx(i)为:
则通过累积分布函数获得的图为已放入像素的图像矩阵的灰度直方图。
步骤S502:根据计算获得的已放入像素的图像矩阵的灰度直方图,在HSV颜色空间下对已放入像素的图像矩阵的S(饱和度)和V(明度)分别进行直方图均衡,具体均衡如下:
通过直方图均衡公式对已放入像素的图像矩阵的S(饱和度)和V(明度)分别进行直方图均衡,其直方图均衡公式如下:
cdfx(i)为累积分布函数,cdfx(i)为当灰度值等于i时,灰度值j从0到i的概率Px(j)的累加和,cdfmin代表计算获得的已放入像素的图像矩阵的灰度直方图中累积分布函数值中的最小值,M和N分别代表了图像的长宽像素个数,L代表灰度级数(例如图像为8位深度,则灰度级别共有2^8=256),h(i)代表图像中像素值为i的像素在进行直方图均衡后的像素值。
步骤S17:将图像增强后的水体图像中与初始位置信息对应的坐标点的像素回填至所述原始遥感图像中,获得水体增强后的遥感图像。
本实施例中,基于坐标点映射,通过利用图像增强后的水体图像中与初始位置信息对应的坐标点的像素来替换原始遥感图像中对应的像素点的像素值,由此实现将图像增强后的水体图像回填至原始遥感图像中,获得水体增强后的遥感图像。因对水体图像进行直方图均衡过程中,其周边被筛选出来的蓝色色域的像素也参与了其水体所对应的初始位置信息对应的坐标点的像素的均衡计算,从而使得填入原始遥感图像中的水体与其周边的植被更为融合,其水体的颜色也可以得到纠正。
需要说明的是,因HSV颜色空间的遥感图像各像素点的位置信息与RGB(红绿蓝)颜色空间下的原始遥感图像各像素点的位置信息是一一对应的,因此,水体在HSV颜色空间的遥感图像中的位置信息与在RGB(红绿蓝)颜色空间下的原始遥感图像中相同,从而图像矩阵中各像素点的位置信息与在RGB(红绿蓝)颜色空间下的原始遥感图像中相应的像素点的位置信息对应,进而利用图像增强后的水体图像中各像素点的像素值来替换原始遥感图像中相应的像素点的像素值。
本申请提供的遥感图像处理方法,通过对遥感图像中的水体图像进行图像增强,能够改善现有技术中遥感图像水体亮度偏暗、色彩不饱和、对比度较低、及颜色偏差较大等问题。此外,对原始遥感影像中水体的提取,及对水体及水体与植被交互区域处的色彩处理,不但实现了原始遥感影像中水体增强,还对水体与植被交互区域色彩适应性进行增强,从而使得最终的遥感影像从植被到水体的过渡更加自然。
可以理解,前述实施例中各步骤之间没有严格的执行顺序。
请参阅图6,基于同一发明构思,本申请实施例中还提供一种遥感图像处理装置10,包括:获取单元11,颜色空间转换单元12,水体图像增强单元13及回填单元14。
获取单元11用于获取原始遥感图像,并提取所述原始遥感图像中的水体图像。
可选地,获取单元11用于对原始遥感图像进行通道分离,分别获得R通道、G通道、B通道、NIR通道的影像;根据R通道及NIR通道的影像获得植被指数图像,并根据G通道及NIR通道影像获得水体指数图像;基于植被指数图像和水体指数图像,获得水体图像。
可选地,获取单元11还用于:根据R通道及NIR通道的影像进行归一化处理,得到归一化植被指数图像;计算归一化植被指数图像中的灰度直方分布图,获得归一化植被指数图像的二值化阈值;利用二值化阈值对归一化植被指数图像进行处理,得到二值化植被指数图像,二值化植被指数图像为植被指数图像。
具体地,获取单元11用于根据R通道及NIR通道的影像通过如下公式获取归一化植被指数图像(即,NDVI图像):
BNDVI-t=(BNi-BRj)/(BNi+BRj),
其中,BNi表示NIR通道的影像中像素点i的像素值,BRj表示在R通道的影像中与NIR通道的影像中的像素点i位置对应的像素点j的像素值,BNDVI-t表示在NDVI图像中同时与R通道的影像中的像素点i和NIR通道的影像中的像素点j位置对应的像素点t的像素值,其中,像素点i、j和t相互一一对应。
具体地,获取单元11用于根据多个不同的灰度级(其中,每个灰度级具体表示一个像素值区间)和NDVI图像中每个像素的像素值,将NDVI图像中每个像素划分到不同灰度级中;并根据每个灰度级中所具有的像素个数,确定一个像素值作为NDVI图像的二值化阈值。
进一步地,获取单元11用于确定灰度级中像素个数较多的灰度级;并根据选择出来的灰度级所包含的像素值区间,随机地从中选择一个具体的像素值作为NDVI图像的二值化阈值。可以理解,灰度级中所包含的像素个数超过预设值,则认定该灰度级中像素个数较多。预设值可根据NDVI图像所包含的像素总个数进行设置,本申请对此不做限定。
可选地,获取单元11还用于根据G通道及NIR通道的影像进行归一化处理,得到归一化水体指数图像,归一化水体指数图像为水体指数图像。
具体地,获取单元11用于根据G通道及NIR通道的影像通过如下公式得到归一化水体指数图像(即,NDWI图像):
BNDWI-p=(BGy-BNi)/(BNi+BGy),
其中,BNi表示NIR通道的影像中像素点i的像素值,BGy表示在G通道的影像中与NIR通道的影像中的像素点i位置对应的像素点y的像素值,BNDWI-p表示在NDWI图像中同时与NIR通道的影像中的像素点i和G通道的影像中的像素点y位置对应的像素点p的像素值,其中,像素点i、y和p相互一一对应。
可选地,获取单元11还用于:利用二值化植被指数图像对水体指数图像做掩膜运算,得到水体指数掩膜图像;计算水体指数掩膜图像的灰度直方分布图,得到水体二值化阈值;利用水体二值化阈值对水体指数掩膜图像进行二值化处理,得到二值化水体图像,二值化水体图像为水体图像。
颜色空间转换单元12用于对所述原始遥感图像进行颜色空间转换。
可选地,原始遥感图像的颜色空间为RGB颜色空间,颜色空间转换单元12用于将RGB颜色空间下的原始遥感图像转换为HSV颜色空间的图像。
水体图像增强单元13用于利用颜色空间转换后的遥感图像,对所述水体图像进行图像增强。
可选地,水体图像为二值化水体图像,颜色空间转换后的遥感图像为HSV颜色空间的遥感图像,水体图像增强单元13还用于:获取水体在二值化水体图像中的坐标位置信息;将获取的坐标位置信息映射到HSV颜色空间的遥感图像中,得到水体在HSV颜色空间的遥感图像中的初始位置信息;根据水体在HSV颜色空间的遥感图像中的初始位置信息,将水体在HSV颜色空间的遥感图像中所占的区域按预设系数进行扩大,得到水体在HSV颜色空间的遥感图像中的扩大后的位置信息;根据初始位置信息及扩大后的位置信息,计算水体在HSV颜色空间的遥感图像中扩大前后的变化位置信息;在HSV颜色空间的遥感图像中变化位置信息对应的区域内筛选蓝色和绿色的坐标点;将所筛选的坐标点对应的像素及初始位置信息对应的坐标点的像素放入新创建的图像矩阵中;在HSV颜色空间下对已放入像素的图像矩阵的S和V进行直方图均衡,并对均衡后的图像的颜色饱和度进行调整,获得颜色饱和度增强后的水体图像。
可选地,水体图像增强单元13还用于通过判断所述变化位置信息所对应的区域内各个坐标点的像素值是否在蓝色色域或绿色色域范围内,筛选出蓝色和绿色的坐标点。
回填单元14用于将图像增强后的水体图像回填至所述原始遥感图像中,获得水体增强的遥感图像。
可以理解,本申请提供的遥感图像处理装置与本申请提供的遥感图像处理方法对应,为使说明书简洁,相同或相似部分可以参照遥感图像处理方法部分的内容,在此不再赘述。
上述遥感图像处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于服务器中的处理器中,也可以以软件形式存储于服务器中的存储器中,以便于处理器调用执行以上各个模块对应的操作。该处理器可以为中央处理单元(CPU)、微处理器、单片机等。
上述遥感图像处理方法和/或遥感图像处理装置可以实现为一种计算机可读指令的形式,计算机可读指令可以在如图7所示的电子设备上运行。
本申请实施例还提供的一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机可读指令,该处理器执行该程序时实现上述的遥感图像处理方法。
图7为根据本申请的一个实施例的电子设备的内部结构示意图,电子设备可以为服务器。请参阅图7,该电子设备包括通过系统总线连接的处理器、非易失性存储介质、内存储器、输入装置、显示屏和网络接口。其中,该电子设备的非易失性存储介质可存储操作系统和计算机可读指令,该计算机可读指令被执行时,可使得处理器执行本申请各实施例的一种遥感图像处理方法,该方法的具体实现过程可参考图1的具体内容,在此不再赘述。该电子设备的处理器用于提供计算和控制能力,支撑整个电子设备的运行。该内存储器中可储存有计算机可读指令,该计算机可读指令被处理器执行时,可使得处理器执行一种遥感图像处理方法。电子设备的输入装置用于各个参数的输入,电子设备的显示屏用于进行显示,电子设备的网络接口用于进行网络通信。本领域技术人员可以理解,图7中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的电子设备的限定,具体的电子设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
基于同一发明构思,本申请实施例提供的一种计算机可读存储介质,其上存储有计算机可读指令,该程序被处理器执行时实现上述的遥感图像处理方法中的步骤。
如此处所使用的对存储器、存储、数据库或其它介质的任何引用可包括非易失性。合适的非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。
在本申请所提供的实施例中,应该理解到,所揭露装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
另外,作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
再者,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
以上所述仅为本申请的实施例而已,并不用于限制本申请的保护范围,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (9)
1.一种遥感图像处理方法,其特征在于,包括:
获取原始遥感图像,并提取所述原始遥感图像中的水体图像;
对所述原始遥感图像进行颜色空间转换;
利用颜色空间转换后的遥感图像,对所述水体图像进行图像增强;及
将图像增强后的水体图像回填至所述原始遥感图像中,获得水体增强后的遥感图像;
其中,所述水体图像为二值化水体图像,所述颜色空间转换后的遥感图像为HSV颜色空间的遥感图像,所述利用颜色空间转换后的遥感图像,对所述水体图像进行图像增强,包括:
获取水体在所述二值化水体图像中的坐标位置信息;
将获取的所述坐标位置信息映射到所述HSV颜色空间的遥感图像中,得到所述水体在所述HSV颜色空间的遥感图像中的初始位置信息;
根据所述水体在所述HSV颜色空间的遥感图像中的初始位置信息,将所述水体在所述HSV颜色空间的遥感图像中所占的区域按预设系数进行扩大,得到所述水体在所述HSV颜色空间的遥感图像中的扩大后的位置信息;
根据所述初始位置信息及所述扩大后的位置信息,计算所述水体在所述HSV颜色空间的遥感图像中扩大前后的变化位置信息;
在所述HSV颜色空间的遥感图像中所述变化位置信息对应的区域内筛选蓝色和绿色的坐标点;
将所筛选的坐标点对应的像素及所述初始位置信息对应的坐标点的像素放入新创建的图像矩阵中;
在HSV颜色空间下对已放入所述像素的图像矩阵的S和V分别进行直方图均衡,并对均衡后的图像矩阵的颜色饱和度进行调整,获得颜色饱和度增强后的水体图像。
2.如权利要求1所述的遥感图像处理方法,其特征在于,所述获取原始遥感图像,并提取所述原始遥感图像中的水体图像,包括:
对所述原始遥感图像进行通道分离,分别获得R通道、G通道、B通道、NIR通道的影像;
根据所述R通道及所述NIR通道的影像获得植被指数图像,并根据G通道及NIR通道影像获得水体指数图像;
基于所述植被指数图像和所述水体指数图像,获得所述水体图像。
3.如权利要求2所述的遥感图像处理方法,其特征在于,所述根据所述R通道及所述NIR通道的影像获得植被指数图像,包括:
根据所述R通道及所述NIR通道的影像进行归一化处理,得到归一化植被指数图像;
计算所述归一化植被指数图像中的灰度直方分布图,获得所述归一化植被指数图像的二值化阈值;
利用所述二值化阈值对所述归一化植被指数图像进行处理,得到二值化植被指数图像,所述二值化植被指数图像为所述植被指数图像。
4.如权利要求2所述的遥感图像处理方法,其特征在于,根据G通道及NIR通道影像获得水体指数图像,包括:
根据所述G通道及所述NIR通道的影像进行归一化处理,得到归一化水体指数图像,所述归一化水体指数图像为所述水体指数图像。
5.如权利要求3所述的遥感图像处理方法,其特征在于,所述基于所述植被指数图像和水体指数图像,获得水体图像,包括:
利用所述二值化植被指数图像对所述水体指数图像做掩膜运算,得到水体指数掩膜图像;
计算所述水体指数掩膜图像的灰度直方分布图,得到水体二值化阈值;
利用所述水体二值化阈值对所述水体指数掩膜图像进行二值化处理,得到二值化水体图像,所述二值化水体图像为所述水体图像。
6.如权利要求1所述的遥感图像处理方法,其特征在于,所述在所述HSV颜色空间的遥感图像中所述变化位置信息对应的区域筛选蓝色和绿色的坐标点,包括:
通过判断所述变化位置信息所对应的区域内各个坐标点的像素值是否在蓝色色域或绿色色域范围内,筛选出蓝色和绿色的坐标点。
7.一种遥感图像处理装置,其特征在于,包括:
获取单元,用于获取原始遥感图像,并提取所述原始遥感图像中的水体图像;
颜色空间转换单元,用于对所述原始遥感图像进行颜色空间转换;
水体图像增强单元,用于利用颜色空间转换后的遥感图像,对所述水体图像进行图像增强;
回填单元,用于将图像增强后的水体图像回填至所述原始遥感图像中,获得水体增强的遥感图像;
其中,所述水体图像为二值化水体图像,所述颜色空间转换后的遥感图像为HSV颜色空间的遥感图像,所述水体图像增强单元还用于:
获取水体在所述二值化水体图像中的坐标位置信息;
将获取的所述坐标位置信息映射到所述HSV颜色空间的遥感图像中,得到所述水体在所述HSV颜色空间的遥感图像中的初始位置信息;
根据所述水体在所述HSV颜色空间的遥感图像中的初始位置信息,将所述水体在所述HSV颜色空间的遥感图像中所占的区域按预设系数进行扩大,得到所述水体在所述HSV颜色空间的遥感图像中的扩大后的位置信息;
根据所述初始位置信息及所述扩大后的位置信息,计算所述水体在所述HSV颜色空间的遥感图像中扩大前后的变化位置信息;
在所述HSV颜色空间的遥感图像中所述变化位置信息对应的区域内筛选蓝色和绿色的坐标点;
将所筛选的坐标点对应的像素及所述初始位置信息对应的坐标点的像素放入新创建的图像矩阵中;
在HSV颜色空间下对已放入所述像素的图像矩阵的S和V分别进行直方图均衡,并对均衡后的图像矩阵的颜色饱和度进行调整,获得颜色饱和度增强后的水体图像。
8.一种电子设备,包括存储器和处理器,所述存储器中存储有计算机可读指令,所述计算机可读指令被所述处理器执行时,使得所述处理器执行如权利要求1-6任一项所述的遥感图像处理方法或实现如权利要求7所述的遥感图像处理装置的功能。
9.一种存储有计算机可读指令的非易失性可读存储介质,所述计算机可读指令被处理器执行时,使得所述处理器执行如权利要求1-6任一项所述的遥感图像处理方法或实现如权利要求7所述的遥感图像处理装置的功能。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010498579.4A CN111626965B (zh) | 2020-06-04 | 2020-06-04 | 遥感图像处理方法,装置,电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010498579.4A CN111626965B (zh) | 2020-06-04 | 2020-06-04 | 遥感图像处理方法,装置,电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111626965A CN111626965A (zh) | 2020-09-04 |
CN111626965B true CN111626965B (zh) | 2021-03-16 |
Family
ID=72259299
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010498579.4A Active CN111626965B (zh) | 2020-06-04 | 2020-06-04 | 遥感图像处理方法,装置,电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111626965B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114005039B (zh) * | 2021-12-31 | 2022-04-26 | 成都国星宇航科技有限公司 | 基于遥感图像的农作物长势评估方法、装置及电子设备 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103268598A (zh) * | 2013-06-13 | 2013-08-28 | 武汉大学 | 基于Retinex理论的低照度低空遥感影像增强方法 |
CN103914692A (zh) * | 2014-04-21 | 2014-07-09 | 山东科技大学 | 一种用于煤矿周围地表水系的遥感识别方法 |
CN104156921A (zh) * | 2014-08-08 | 2014-11-19 | 大连理工大学 | 一种低照度或亮度不均图像的自适应图像增强方法 |
CN105513016A (zh) * | 2014-09-25 | 2016-04-20 | 何志杰 | 一种彩色图像的fpga实时增强系统 |
CN105809140A (zh) * | 2016-03-18 | 2016-07-27 | 华南农业大学 | 一种基于遥感模型的地表水体信息的提取方法及其装置 |
CN106780355A (zh) * | 2016-11-17 | 2017-05-31 | 中国科学院遥感与数字地球研究所 | 一种遥感图像增强方法 |
WO2017129940A1 (en) * | 2016-01-29 | 2017-08-03 | Global Surface Intelligence Limited | System and method for earth observation and analysis |
CN109272475A (zh) * | 2018-08-31 | 2019-01-25 | 深圳纳瓦科技有限公司 | 一种快速有效修复与强化水下图像颜色的方法 |
CN110428389A (zh) * | 2018-12-26 | 2019-11-08 | 西安电子科技大学 | 基于msr理论和曝光融合的微光图像增强方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109886146B (zh) * | 2019-01-29 | 2023-04-18 | 湖北大学 | 基于机器视觉检测的洪灾信息遥感智能采集方法及设备 |
CN110309781B (zh) * | 2019-07-01 | 2021-03-02 | 中国科学院空天信息创新研究院 | 基于多尺度光谱纹理自适应融合的房屋损毁遥感识别方法 |
-
2020
- 2020-06-04 CN CN202010498579.4A patent/CN111626965B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103268598A (zh) * | 2013-06-13 | 2013-08-28 | 武汉大学 | 基于Retinex理论的低照度低空遥感影像增强方法 |
CN103914692A (zh) * | 2014-04-21 | 2014-07-09 | 山东科技大学 | 一种用于煤矿周围地表水系的遥感识别方法 |
CN104156921A (zh) * | 2014-08-08 | 2014-11-19 | 大连理工大学 | 一种低照度或亮度不均图像的自适应图像增强方法 |
CN105513016A (zh) * | 2014-09-25 | 2016-04-20 | 何志杰 | 一种彩色图像的fpga实时增强系统 |
WO2017129940A1 (en) * | 2016-01-29 | 2017-08-03 | Global Surface Intelligence Limited | System and method for earth observation and analysis |
CN105809140A (zh) * | 2016-03-18 | 2016-07-27 | 华南农业大学 | 一种基于遥感模型的地表水体信息的提取方法及其装置 |
CN106780355A (zh) * | 2016-11-17 | 2017-05-31 | 中国科学院遥感与数字地球研究所 | 一种遥感图像增强方法 |
CN109272475A (zh) * | 2018-08-31 | 2019-01-25 | 深圳纳瓦科技有限公司 | 一种快速有效修复与强化水下图像颜色的方法 |
CN110428389A (zh) * | 2018-12-26 | 2019-11-08 | 西安电子科技大学 | 基于msr理论和曝光融合的微光图像增强方法 |
Non-Patent Citations (4)
Title |
---|
Surface Water Body Extraction Using A Progressive Enhancement Model From Remote Sensing Images;Peihua Feng et al.;《2016 Fourth International Workshop on Earth Observation and Remote Sensing Applications》;20161231;第1-5页 * |
Water body extraction from rapidEye images: An automated methodlogy based on Hue componet of color transformation from RGB to HSV model;Laercio Namikawa et al.;《Brazilian Journal of Cartography (2016)》;20161231;第1097-1111页 * |
基于Landsat TM/ETM+影像潘阳湖地区水体提取研究;万建鹏;《中国优秀硕士学位论文全文数据库 基础科学辑》;20160415;A012-15 * |
基于颜色空间转换的交通图像增强算法;顾明 等;《仪器仪表学报》;20150831;第36卷(第8期);第1901-1907页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111626965A (zh) | 2020-09-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9942440B2 (en) | Image-based field boundary detection and identification | |
CN106384081B (zh) | 一种基于高分辨率遥感影像的坡耕地提取方法和系统 | |
JP4549352B2 (ja) | 画像処理装置および方法,ならびに画像処理プログラム | |
JP4685864B2 (ja) | 画像処理方法、表示画像処理方法、画像処理装置、画像処理プログラム、およびその画像処理装置を含む集積回路 | |
CN108416784B (zh) | 城市建成区边界快速提取方法、装置及终端设备 | |
JP5216834B2 (ja) | オブジェクト表示装置及びオブジェクト表示方法 | |
CN111626965B (zh) | 遥感图像处理方法,装置,电子设备及存储介质 | |
CN106954051A (zh) | 一种图像处理方法及移动终端 | |
CN111192298B (zh) | 一种夜光遥感影像相对辐射校正方法 | |
CN108921869B (zh) | 一种图像二值化方法及装置 | |
CN112927252B (zh) | 一种新增建设用地监测方法及装置 | |
CN107507151B (zh) | 一种多光谱遥感图像真实色彩还原方法及系统 | |
Díaz et al. | Enhanced gap fraction extraction from hemispherical photography | |
CN116091850B (zh) | 一种矿区土地覆盖分类模型建立及分类方法 | |
JP7151742B2 (ja) | 画像変換装置、画像変換方法及び画像変換用コンピュータプログラム | |
CN111160073B (zh) | 车牌类型识别方法、装置及计算机可读存储介质 | |
He et al. | Effective haze removal under mixed domain and retract neighborhood | |
KR101877173B1 (ko) | 위성영상을 이용한 해안선 검출 시스템 및 방법 | |
CN113470051B (zh) | 图像分割方法、计算机终端及存储介质 | |
CN115082812A (zh) | 一种农业景观非农生境绿地斑块提取方法及其相关设备 | |
CN115661471A (zh) | 紫菜养殖区提取方法、装置、可读存储介质及电子设备 | |
CN114359599A (zh) | 图像处理方法、存储介质及计算机终端 | |
CN110827243B (zh) | 网格梁覆盖区域异常检测方法和装置 | |
CN113962850A (zh) | 图像处理方法、计算机终端及存储介质 | |
CN109377712B (zh) | 基于图斑起火危险值的分级方法及存储介质 |
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 |