CN113436110B - 一种对合成孔径雷达灰度图像进行伪彩色处理的方法 - Google Patents
一种对合成孔径雷达灰度图像进行伪彩色处理的方法 Download PDFInfo
- Publication number
- CN113436110B CN113436110B CN202110808284.7A CN202110808284A CN113436110B CN 113436110 B CN113436110 B CN 113436110B CN 202110808284 A CN202110808284 A CN 202110808284A CN 113436110 B CN113436110 B CN 113436110B
- Authority
- CN
- China
- Prior art keywords
- color
- image
- pseudo
- gray level
- sar image
- 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 51
- 238000012545 processing Methods 0.000 title claims abstract description 16
- 238000001914 filtration Methods 0.000 claims abstract description 13
- 238000007781 pre-processing Methods 0.000 claims abstract description 4
- 230000008569 process Effects 0.000 claims description 4
- 230000000007 visual effect Effects 0.000 abstract description 11
- 238000004364 calculation method Methods 0.000 abstract description 7
- 238000006243 chemical reaction Methods 0.000 abstract description 7
- 238000013508 migration Methods 0.000 description 12
- 230000005012 migration Effects 0.000 description 12
- 238000004422 calculation algorithm Methods 0.000 description 11
- 239000003086 colorant Substances 0.000 description 11
- 230000006870 function Effects 0.000 description 10
- 230000000694 effects Effects 0.000 description 7
- 238000000605 extraction Methods 0.000 description 5
- 238000011426 transformation method Methods 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000005315 distribution function Methods 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 229910052751 metal Inorganic materials 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- 241001655736 Catalpa bignonioides Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004737 colorimetric analysis Methods 0.000 description 1
- 238000011960 computer-aided design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 150000002739 metals Chemical class 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G06T5/70—
-
- G06T5/92—
-
- 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
- G06T2207/10024—Color image
-
- 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
- G06T2207/10044—Radar image
Landscapes
- Image Processing (AREA)
Abstract
一种对合成孔径雷达灰度图像进行伪彩色处理的方法，涉及图像处理。包括以下步骤：1)对输入的SAR图像进行滤波预处理，以抑制斑点噪声；2)对SAR图像的灰度值进行分段编码；3)进行RGB波段组合，形成伪彩色增强图像。伪彩色增强后的影像含有丰富的色彩信息，且细节突出、纹理清晰，在陆地和海洋上都具有良好的视觉效果。本发明与彩虹编码伪彩色处理所用的时间相似，比像素自身变换法快将近4倍。计算效率高，简单实用。此外，不仅可以对SAR图像进行伪彩色增强，还适用于其它灰度范围窄、噪声大灰度图像，具有较好的通用性。灰度图像经伪彩色处理丰富和突出了地物有用和细节的信息，便于目视解译。
Description
技术领域
本发明涉及图像处理，尤其是涉及一种对合成孔径雷达灰度图像进行伪彩色处理的方法。
背景技术
合成孔径雷达(Synthetic Aperture Radar，SAR)具有全天时、全天候、不受恶劣天气影响的观测特点，能穿透云层，在空间对地观测和军事侦察等方面具有独特优势(王众娇.基于正则化的单极化SAR图像伪彩色增强方法研究[D].2015)。海丝一号是国内高校首颗近海与海岸带遥感卫星，也是国际首颗C波段轻小型SAR卫星，于2020年12月22日发射升空，其可为全球变化背景下海洋动力环境参数的遥感反演、海洋灾害监测、洪水检测和地表形变分析等提供有力支持。目前，SAR遥感影像已成为观测海洋与陆地的重要数据源，但与光学遥感影像不同，SAR图像是灰度图像，没有彩色信息，对于灰度级差异很小的信息人眼无法直观判别，这对SAR图像的理解和解译具有较高的难度。考虑到人眼对彩色图像的敏感性，对海丝一号首批多幅高清SAR图像进行伪彩色增强处理，得到高分辨率的彩色影像，能增强海丝一号影像的解译和信息提取功能，提高数据的应用价值，对实现海洋与海岸带的有效监测具有重要意义。
现有SAR图像的伪彩色增强方法主要分两类，分别是伪彩色编码和颜色迁移法。
所述伪彩色编码是指将灰度图像转换为具有不同颜色信息的伪彩化过程，是一种重要的图像增强方法。伪彩色编码又可分为(1)密度分层法；(2)灰度-彩色变换法；(3)像素自身变换法；(4)频域滤波法。密度分层法是对图像的灰度范围进行分层，一个灰度范围对应于一种颜色。密度分层法变换出的色彩数目有限，图像色彩生硬，伪彩色效果差。灰度-彩色变换法运用色度学原理，通过构造三个传递函数建立灰度级与RGB三基色的映射关系，最后通过RGB波段组合实现伪彩色图像的合成。常见的灰度-彩色变换方法主要有热金属码和彩虹编码方法。灰度-彩色变换法为分段线性函数编码，适应性不强，强散射区伪彩色效果突兀。像素自身变换法通过一幅灰度图像得到正像素、负像素和迭加像素，并将其作为RGB三基色的色系数进行等密度伪彩色合成；像素自身变换法对中间范围的灰度级均用蓝色表示，使得不同地物视觉效果的区分度不高。伪彩色图像颜色由原始图像灰度值决定，不容易根据需要进行调节；且计算速度慢，实时效果差。频率滤波法根据频率成分对原始图像的各个区域进行彩色编码。其所输出的图像的伪彩色仅与灰度图像的不同空间频率成分有关，而与原始图像的灰度级无关。常见的基于频率域的伪彩色增强法是傅里叶变换。频率滤波法得到的伪彩色图像仅与原始图像的空间频率分量有关，而不能与原始图像的灰度级形成直接对应关系(彭丽莎，王珅，刘欢，黄松岭，赵伟.漏磁图像的改进灰度级—彩色变换法[J].清华大学学报(自然科学版),2015,第5期,第55卷:592-596.)。由于相干斑噪声的存在，该方法得到的伪彩色图像往往显得杂乱，视觉效果较差，不利于SAR图像的判读解译。
所述颜色迁移法是指在保持图像纹理和风格不变的情况下，将参考图像上的颜色迁移至原图像上，使原图像具有与参考图像相似的色彩分布。颜色迁移法主要包括直方图匹配算法、Reinhard算法、Welsh算法和基于深度学习的颜色迁移法。颜色迁移法的最终颜色迁移效果主要由选取的参考图像和颜色迁移过程中的匹配原则这两个因素决定(王晓宇.基于颜色迁移的图像彩色化算法研究[D].2020)。直方图匹配算法是基于累计分布函数的颜色迁移方法，但是离散累计分布函数很难精确匹配(张术昌，袁梓洋，王红霞，陈波.面向组织病理学图像的颜色迁移算法[J].计算机辅助设计与图形学学报,2020,第12期,1890-1897)；Reinhard算法是将RGB颜色空间转换至lαβ颜色空间，并做线性变换，使原图像与参考图像具有相同的均值和方差，该算法在处理颜色复杂的图像时存在一定误差，会造成颜色误传递；Welsh算法主要依据灰度图像的亮度值与像素邻域的统计信息在参考图像中寻找最佳的匹配像素进而完成颜色迁移，但Welsh方法是基于像素级的算法，在寻找匹配像素时，灰度图像的每一个像素都需要在彩色图像中匹配一次，造成运算时间长，实时效果差；基于深度学习的颜色迁移法受训练集的亮度影响，且网络模型较简单，特征提取不足，伪彩色效果欠佳。
发明内容
本发明的目的在于针对现有SAR图像伪彩色增强方法计算效率不高，图像纹理和边缘区域伪彩色效果不强等问题，本发明从SAR图像自身的散射特点出发，综合线性编码与非线性编码的优点，提出一种改进的分段式灰度-彩色变换方法。此方法计算简便，纹理清晰且视觉效果好，突出了灰度图像中难以察觉的微小差别，增强了SAR图像的目标信息提取和解译，提高了SAR数据的利用率。
本发明包括以下步骤：
1)对输入的SAR图像进行滤波预处理，以抑制斑点噪声；
2)对SAR图像的灰度值进行分段编码；
3)进行RGB波段组合，形成伪彩色增强图像。
在步骤1)中，所述滤波预处理可采用ENVI软件自带的Lee滤波，不仅能有效消除地势平坦区域的斑点噪声，还能保存边缘信息。
在步骤2)中，所述对SAR图像的灰度值进行分段编码，是对SAR图像的灰度值f(x,y)进行分段编码，得到RGB三通道的函数表达式如下：
R波段函数表达式：
G波段函数表达式：
B波段函数表达式：
本发明先对图像进行滤波预处理，之后对SAR图像的灰度值进行分段编码，获得RGB三通道的函数表达式，最后进行RGB波段组合，从而得到伪彩色增强图像。实验表明，本发明处理后的伪彩色增强后的影像含有丰富的色彩信息，且细节突出、纹理清晰，在陆地和海洋上都具有良好的视觉效果。本发明与彩虹编码伪彩色处理所用的时间相似，平均处理一张2000×2000大小SAR图像少于1s，比像素自身变换法快将近4倍。可见本发明计算效率高，简单实用。此外，本发明不仅可以对SAR图像进行伪彩色增强，还适用于其它灰度范围窄、噪声大灰度图像，具有较好的通用性。灰度图像经伪彩色处理丰富和突出了地物有用和细节的信息，便于目视解译。
附图说明
图1为RGB的色谱图。
图2为黑海刻赤海峡伪彩色增强前后对比图。左为增强前，右为增强后。
图3为马来西亚吉隆坡国际机场伪彩色增强前后对比图。左为增强前，右为增强后。
具体实施方式
本发明从SAR图像自身的散射特点出发，综合线性编码与非线性编码的优点，提出一种改进的分段式灰度-彩色变换方法。计算简便，纹理清晰且视觉效果好，突出灰度图像中难以察觉的微小差别，增强SAR图像的目标信息提取和解译，提高SAR数据的利用率。
本发明包括以下步骤：
1)对输入的SAR图像进行滤波预处理，以抑制斑点噪声。所述滤波预处理可采用ENVI软件自带的Lee滤波，不仅能有效消除地势平坦区域的斑点噪声，还能保存边缘信息。
2)对SAR图像的灰度值f(x,y)进行分段编码，得到RGB三通道的函数表达式如下：
R波段函数表达式：
G波段函数表达式：
B波段函数表达式：
3)进行RGB波段组合，形成伪彩色处理后的图像。
RGB的色谱图如图1，采用以上步骤处理海丝一号黑海刻赤海峡与马来西亚吉隆坡国际机场SAR图像，得到了伪彩色处理后的图像，处理前后的对比图见图2和3。整幅伪彩色化图像以浅蓝色为基调，水体、机场跑道和高速公路等弱散射区用暗色表示，后向散射系数越低，颜色越黑。强散射区如金属、建筑物等用亮色区分，后向散射越强，颜色越红。其余地物随着灰度值的增加用绿色至黄色色彩一一映射，形成强烈的视觉差异。由图可见，伪彩色增强后的影像含有丰富的色彩信息，且细节突出、纹理清晰，在陆地和海洋上都具有良好的视觉效果。
以下给出本发明与现有技术对比数据。本发明的实验环境为MATLAB R2020b，表1为本发明与彩虹编码和像素自身变换方法对比的结果。
表1各方法伪彩色化效率
由表1可见，本发明与彩虹编码伪彩色处理所用的时间相似，平均处理一张2000×2000大小SAR图像少于一秒，比像素自身变换法快将近4倍。可见本发明计算效率高，简单实用。此外，本发明不仅可以对SAR图像进行伪彩色增强，还适用于其它灰度范围窄、噪声大灰度图像，具有较好的通用性。灰度图像经伪彩色处理丰富和突出了地物有用和细节的信息，便于目视解译。
Claims (2)
1.一种对合成孔径雷达灰度图像进行伪彩色处理的方法，其特征在于包括以下步骤：
1)对输入的SAR图像进行滤波预处理，以抑制斑点噪声；
2)对SAR图像的灰度值进行分段编码：对SAR图像的灰度值f进行分段编码，得到RGB三通道的函数表达式如下：
R波段函数表达式：
G波段函数表达式：
B波段函数表达式：
3)进行RGB波段组合，形成伪彩色增强图像。
2.如权利要求1所述一种对合成孔径雷达灰度图像进行伪彩色处理的方法，其特征在于在步骤1)中，所述滤波预处理采用ENVI软件自带的Lee滤波，用于消除地势平坦区域的斑点噪声，且保存边缘信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110808284.7A CN113436110B (zh) | 2021-07-16 | 2021-07-16 | 一种对合成孔径雷达灰度图像进行伪彩色处理的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110808284.7A CN113436110B (zh) | 2021-07-16 | 2021-07-16 | 一种对合成孔径雷达灰度图像进行伪彩色处理的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113436110A CN113436110A (zh) | 2021-09-24 |
| CN113436110B true CN113436110B (zh) | 2022-06-14 |
Family
ID=77760668
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110808284.7A Active CN113436110B (zh) | 2021-07-16 | 2021-07-16 | 一种对合成孔径雷达灰度图像进行伪彩色处理的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113436110B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117437151B (zh) * | 2023-12-21 | 2024-03-08 | 成都市晶林科技有限公司 | 一种噪声抑制的伪彩映射方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101080024A (zh) * | 2007-05-09 | 2007-11-28 | 宁波大学 | 一种对医学灰度图像信号进行伪彩色处理的方法 |
| CN104036530A (zh) * | 2014-05-21 | 2014-09-10 | 中国科学院电子学研究所 | 一种合成孔径雷达图像的处理方法及装置 |
| CN105976342A (zh) * | 2015-09-01 | 2016-09-28 | 南京理工大学 | 一种自适应的灰度图像伪彩色处理方法 |
| CN107392877A (zh) * | 2017-07-11 | 2017-11-24 | 中国科学院电子学研究所苏州研究院 | 一种单极化合成孔径雷达图像伪彩化方法 |
| CN107871302A (zh) * | 2016-09-23 | 2018-04-03 | 电子科技大学 | 一种基于yuv颜色空间的红外图像伪彩色处理方法 |
| CN112558017A (zh) * | 2020-11-05 | 2021-03-26 | 中国科学院国家空间科学中心 | 一种极化目标三分量分解结果彩色可视化方法及系统 |
-
2021
- 2021-07-16 CN CN202110808284.7A patent/CN113436110B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101080024A (zh) * | 2007-05-09 | 2007-11-28 | 宁波大学 | 一种对医学灰度图像信号进行伪彩色处理的方法 |
| CN104036530A (zh) * | 2014-05-21 | 2014-09-10 | 中国科学院电子学研究所 | 一种合成孔径雷达图像的处理方法及装置 |
| CN105976342A (zh) * | 2015-09-01 | 2016-09-28 | 南京理工大学 | 一种自适应的灰度图像伪彩色处理方法 |
| CN107871302A (zh) * | 2016-09-23 | 2018-04-03 | 电子科技大学 | 一种基于yuv颜色空间的红外图像伪彩色处理方法 |
| CN107392877A (zh) * | 2017-07-11 | 2017-11-24 | 中国科学院电子学研究所苏州研究院 | 一种单极化合成孔径雷达图像伪彩化方法 |
| CN112558017A (zh) * | 2020-11-05 | 2021-03-26 | 中国科学院国家空间科学中心 | 一种极化目标三分量分解结果彩色可视化方法及系统 |
Non-Patent Citations (4)
| Title |
|---|
| Research on Color Algorithm of Gray Image Based on a Color Channel;Tongying LI et al.;《2020 Chinese Control And Decision Conference (CCDC)》;20200811;全文 * |
| 单极化合成孔径雷达图像颜色特征编码与分类;邓旭 等;《计算机应用》;20180416;第2056-2063页 * |
| 极化SAR图像伪彩色增强与可视化方法研究;余磊;《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》;20130615(第6期);第I136-1029页 * |
| 漏磁图像的改进灰度级—彩色变换法;彭丽莎 等;《清华大学学报(自然科学版)》;20150531;第55卷(第5期);第592-596页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113436110A (zh) | 2021-09-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Bhatti et al. | Hybrid watermarking algorithm using Clifford algebra with Arnold scrambling and chaotic encryption | |
| Wang et al. | Bathymetry model based on spectral and spatial multifeatures of remote sensing image | |
| CN108985304B (zh) | 一种基于浅剖数据的沉积层结构自动提取方法 | |
| Liu et al. | Aquaculture area extraction and vulnerability assessment in Sanduao based on richer convolutional features network model | |
| CN111781146A (zh) | 利用高分辨率卫星光学影像的波浪参数反演方法 | |
| CN113436110B (zh) | 一种对合成孔径雷达灰度图像进行伪彩色处理的方法 | |
| CN114972107A (zh) | 基于多尺度堆叠式注意力网络的低照度图像增强方法 | |
| CN113744249A (zh) | 一种海洋生态环境损害调查方法 | |
| Cui et al. | Floating raft aquaculture area automatic extraction based on fully convolutional network | |
| Jiang et al. | Ship detection with SAR based on Yolo | |
| CN105184804A (zh) | 基于机载红外相机航拍图像的海面小目标检测方法 | |
| Wang et al. | Multiscale single image dehazing based on adaptive wavelet fusion | |
| Yu et al. | Cloud removal in optical remote sensing imagery using multiscale distortion-aware networks | |
| Xie et al. | Reconstruction of subsurface temperature field in the south China Sea from satellite observations based on an attention U-net model | |
| CN107464255B (zh) | 一种基于信息量与多尺度异常检测的船舶目标检测方法 | |
| Zhou et al. | Deep denoising method for side scan sonar images without high-quality reference data | |
| CN102928872B (zh) | 一种提高滩坝砂储层地震识别性能与描述精度的方法 | |
| CN105551029A (zh) | 一种多光谱遥感图像舰船检测方法 | |
| Xie et al. | Object-oriented random forest classification for Enteromorpha prolifera detection with SAR images | |
| Maul et al. | Computer enhancement of ERTS-1 images for ocean radiances | |
| Liu et al. | SI-SA GAN: A generative adversarial network combined with spatial information and self-attention for removing thin cloud in optical remote sensing images | |
| Zhang et al. | Style transformation-based change detection using adversarial learning with object boundary constraints | |
| Liu et al. | A Deep Learning Method for Offshore Raft Aquaculture Extraction Based on Medium Resolution Remote Sensing Images | |
| Wang et al. | Comparison of Doppler-Derived Sea Ice Radial Surface Velocity Measurement Methods From Sentinel-1A IW Data | |
| He et al. | Fast and Accurate Sea-Land Segmentation based on Improved SeNet and Coastline Database for Large-Scale Image |
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 |