CN115908186A - 一种遥感测绘图像增强方法 - Google Patents
一种遥感测绘图像增强方法 Download PDFInfo
- Publication number
- CN115908186A CN115908186A CN202211528232.5A CN202211528232A CN115908186A CN 115908186 A CN115908186 A CN 115908186A CN 202211528232 A CN202211528232 A CN 202211528232A CN 115908186 A CN115908186 A CN 115908186A
- Authority
- CN
- China
- Prior art keywords
- edge
- image
- pixel
- value
- target
- 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.)
- Withdrawn
Links
Images
Landscapes
- Image Processing (AREA)
Abstract
本发明涉及图像处理技术领域,具体涉及一种遥感测绘图像增强方法,该方法包括:获取遥感测绘图像及其边缘图像,获取遥感测绘图像的基础层图像和细节层图像,获取目标基础层图像和目标细节层图像,并得到初始增强图像,获取目标边缘图像,获取遥感测绘图像的最终增强图像,本发明的最终增强图像实现了对边缘细节纹理增强的同时保证了边缘细节纹理信息的完整性。
Description
技术领域
本发明涉及图像处理技术领域,具体涉及一种遥感测绘图像增强方法。
背景技术
随着智能时代的到来,信息技术进入了全面发展、全面应用的阶段,智能技术的突飞猛进为相关产业和技术的发展注入了新的活力。使得测绘领域也发生了翻天覆地的变革,智能测绘技术一经出现迅速占领了市场。
在测绘技术中,目前应用较多的是遥感测绘技术,遥感测绘技术在提升我国资源测绘领域、地质勘查领域以及资源勘测领域,都发挥着重要的作用。但是,基于遥感测绘图像在进行城市等测绘过程中,若遥感测绘图像不清晰导致数据提取精度不够,则会影响整个测绘结果,造成测绘精度降低等问题,因此,遥感测绘图像的处理对于测绘精度来说是至关重要的一步。
现有技术中,对测绘图像进行增强处理主要是利用均衡化对图像进行增强,其主要是增强图像整体的对比度,从而实现图像增强的,但该增强方法在对图像进行增强的同时会导致细节纹理信息模糊甚至丢失,从而造成图像信息不完整。
发明内容
本发明提供一种遥感测绘图像增强方法,以解决现有的增强图像中的图像信息丢失导致的图像不完整的问题。
本发明的一种遥感测绘图像增强方法采用如下技术方案:
获取遥感测绘图像及其边缘图像;
获取遥感测绘图像中低频信息对应的基础层图像和高频信息对应的细节层图像;
对基础层图像去噪得到目标基础层图像,获取细节层图像中每个像素点对应的海森矩阵,根据海森矩阵的两个特征值获取细节层图像中每个像素点的特征值;根据像素点的特征值从细节层图像中选取目标像素点,根据所有目标像素点的小波系数获取小波系数阈值;根据小波系数阈值对细节层图像进行小波去噪处理得到目标细节层图像,根据目标细节层图像和目标基础层图像得到遥感测绘图像的初始增强图像;
根据边缘图像中边缘像素点的梯度幅值、边缘像素点对应的海森矩阵的两个特征值获取每个边缘像素点对应的显著值,根据显著值、预设的两个像素阈值对边缘像素点进行显著处理得到目标边缘图像;
根据目标边缘图像、遥感测绘图像的初始增强图像获取遥感测绘图像的最终增强图像。
优选的,得到目标边缘图像包括:
两个像素阈值为第一阈值、第二阈值,且第一阈值小于第二阈值;
根据第一阈值、第二阈值从边缘图像的像素点中获取非边缘像素点、第一边缘像素点和第二边缘像素点,且第一边缘像素点的像素值小于第二边缘像素点的像素值;
根据第一边缘像素点对应的像素值、显著值及预设的显著倍率对第一边缘像素点进行显著处理得到每个第一边缘像素点的目标像素值;
根据第二边缘像素点对应的像素值、显著值对第二边缘像素点进行显著处理得到每个第二边缘像素点的目标像素值;
根据非边缘像素点的像素值、第一边缘像素点的目标像素值及第二边缘像素点的目标像素值得到目标边缘图像。
优选的,获取第一、第二阈值包括:
获取边缘图像中所有边缘像素点的像素值中的最小像素值;
获取边缘图像中所有像素点的像素均值;
获取边缘图像中所有边缘像素点的边缘像素均值;
根据边缘像素均值和最小像素值获取第二阈值;
根据边缘图像中所有像素点的像素均值获取第一阈值。
优选的,获取非边缘像素点、第一边缘像素点和第二边缘像素点包括:
将边缘图像中像素值小于第一阈值时的像素点记为非边缘像素点;
将边缘图像中像素值大于或等于第一阈值,且小于第二阈值时的像素点记为第一边缘像素点;
将边缘图像中像素值大于或者等于第二阈值时的像素点记为第二边缘像素点。
优选的,获取非边缘像素点的像素值包括:
对边缘图像中的非边缘像素点的像素值进行抑制处理得到处理后的非边缘像素点的目标像素值;
将处理后的非边缘像素点的目标像素值作为非边缘像素点的像素值。
优选的,选取目标像素点包括:
将细节层图像中像素点的特征值大于预设的特征值阈值时对应的像素点作为目标像素点;
或者,按照特征值从大到小的顺序对细节层图像中的像素点进行排序得到像素点序列;按照像素点序列中像素点顺序选取预设数量的像素点作为目标像素点。
优选的,将所有目标像素点的小波系数的均值作为小波系数阈值。
优选的,每个边缘像素点对应的显著值的计算公式:
式中,表示边缘图像中边缘像素点对应的显著值;
表示边缘图像中边缘像素点的梯度幅值;
表示边缘图像中所有边缘像素点的像素值中的最大梯度幅值;
表示非零常数;
表示自然常数;
表示边缘图像中边缘像素点对应的海森矩阵的第一个特征值;
表示边缘图像中边缘像素点对应的海森矩阵的第二个特征值;
表示绝对值符号。
优选的,获取遥感测绘图像的最终增强图像包括:
将目标边缘图像与预设的目标边缘图像的增强因子得到目标增强图像;
将目标增强图像与初始增强图像进行融合得到遥感测绘图像的最终增强图像。
本发明的一种遥感测绘图像增强方法的有益效果是:
通过对遥感测绘图像的频率信息进行分析,然后利用频率信息得到遥感测绘图像的基础层图像和细节层图像,以便于对基础层图像和细节层图像进行分别去噪处理得到初步增强处理的初始增强图像,即实现了对遥感测绘图像中不同层次图像的针对性去噪处理,初步增强处理过程中通过自适应获取的小波系数阈值对细节层图像进行小波去噪,避免了去噪过度导致的轮廓细节信息丢失或者去噪不全,从而提高了去噪精度同时保证了细节完整性,然后通过对边缘图像中的每个边缘像素点进行显著处理,即以在对应特征向量的方向上像素点的亮度变化情况来表征边缘图像中的每个像素点的特征值,然后以边缘图像中的每个边缘像素点的特征值来获取每个边缘像素点的显著值,基于显著值对每个边缘像素点进行显著处理,得到边缘显著的目标边缘图像,从而精确提高遥感测绘图像中的每个边缘细节纹理信息的显著性,实现了对细节信息的显著增强,最后,根据保证细节完整性的初始增强图像与细节信息进行显著处理的目标边缘图像得到最终增强图像,实现了对边缘细节纹理增强的同时又保证了边缘细节纹理信息的完整性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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的附图。
图1为本发明的一种遥感测绘图像增强方法的实施例的流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的一种遥感测绘图像增强方法的实施例,如图1所示,具体的,本实施例包括:
S1、获取遥感测绘图像及其边缘图像;
具体的,本实施例中,通过无人机搭载相机获取遥感测绘图像,作为后续图像增强的基础数据,遥感测绘图像的采集过程以及具体采集方式实施者可自行设置,且该过程为现有公知方法,不在本发明保的护范围内,不做相关阐述,至此,即可获取遥感测绘图像,基于遥感测绘图像进行后续的增强处理。
具体的,在获取边缘图像时,首先需要通过边缘检测算子对遥感测绘图像进行梯度信息的提取,其中,本实施例中采用Canny边缘检测算子进行边缘信息的检测,获取对应的边缘图像,用于对边缘信息进行初步表征,边缘检测算子及对应的边缘检测梯度信息提取过程为现有公知技术,本实施例不再赘述。
S2、获取遥感测绘图像的基础层图像和细节层图像;
由于遥感测绘图像在进行采集过程中,易受环境的影响,遥感测绘图像中会存在复杂的混合噪声,如果对遥感测绘图像直接进行传统的去噪增强,则不能完全对噪声进行滤除,并且无法保证图像的增强效果,将会在不经意间引入人工伪影,故需要先获取遥感测绘图像的基础层图像和细节层图像,使得遥感测绘图像中的高频信息和低频信息分离,便于对图像中的噪声进行针对性处理。
具体的,获取遥感测绘图像的基础层图像和细节层图像方法有很多,如高斯滤波、均值滤波、导向滤波、同态滤波算法,其中,本实施例中采用同态滤波算法对遥感测绘图像分解得到反映遥感测绘图像的低频信息的基础层图像和反映遥感测绘图像的高频信息的细节层图像,其中,同态滤波算法为公知技术,本实施例不再赘述。
S3、获取目标基础层图像和目标细节层图像,并得到初始增强图像;
具体的,对基础层图像去噪得到目标基础层图像,获取细节层图像中每个像素点对应的海森矩阵,根据海森矩阵的两个特征值获取细节层图像中每个像素点的特征值;根据像素点的特征值从细节层图像中选取目标像素点,根据所有目标像素点的小波系数获取小波系数阈值;根据小波系数阈值对细节层图像进行小波去噪处理得到目标细节层图像;根据目标细节层图像和目标基础层图像得到遥感测绘图像的初始增强图像。
其中,对基础层图像进行去噪得到目标基础层图像时,采用均值滤波、中值滤波、高斯滤波都可以进行去噪得到目标基础层图像,但是本实施例考虑到遥感测绘图像中的噪声大多为高频信息,即噪声信息大多存在于细节层图像,而对于基础层图像,其内包含噪声较少,因此,对于基础层图像,本实施例将通过均值滤波算法对基础层图像进行整体的去噪处理,提高基础层的图像纯度,降低噪声影响,然后得到将去噪处理后的目标基础层图像。
其中,在获取目标细节层图像时,由于噪声信息在图像中大多为高频信息,且噪声在图像空间域上的分布较为散乱、广泛,因此,对于遥感测绘图像的细节层图像,本发明需要对细节层图像进行频域变换,在频域中便于将噪声信息进行集中提取,频域变换过程有很多现有技术,实施者可自行选取,具体的,本实施例对细节层图像进行小波去噪处理,经小波变换后的细节层图像中的细节纹理信息对应的小波系数大,而细节层图像中的噪声信息对应的小波系数小,故需要设定合适的阈值,将噪声信息去除,进而突出细节层图像中的细节纹理信息。
由于,在传统的小波去噪处理时,考虑到传统小波系数阈值设定较为固定,没有结合图像的实际特征状况进行小波系数阈值的选取,导致去噪不全面或者去噪过度轮廓信息丢失的问题,基于此,本实施例,在小波去噪处理前需要先自适应获取小波系数阈值,即基于细节层图像中的像素点特征进行小波系数阈值设定,即考虑到噪声点多为散乱孤立的存在,具体的,先获取细节层图像中每个像素点的海森矩阵及海森矩阵对应的两个特征值,特征值的大小用于表征在对应特征向量的方向上像素点的亮度变化情况,故在根据海森矩阵的两个特征值获取细节层图像中每个像素点的特征值;其中,每个像素点的特征值的计算公式:
式中,表示细节层图像中的像素点的特征值;
表示细节层图像中的像素点对应海森矩阵的第一个特征值;
表示细节层图像中的像素点对应海森矩阵的第二个特征值;
表示以自然常数为底的指数函数;
需要说明的是,为正比例函数的现有技术公式,本实施例不再进行说明。
然后,基于得到的每个像素点的特征值,然后根据像素点的特征值从细节层图像中选取目标像素点,根据所有目标像素点的小波系数获取小波系数阈值,即选取目标像素点包括:将细节层图像中像素点的特征值大于预设的特征值阈值时对应的像素点作为目标像素点;或者,按照特征值从大到小的顺序对细节层图像中的像素点进行排序得到像素点序列;按照像素点序列中像素点顺序选取预设数量的像素点作为目标像素点,具体的,设定特征值阈值,本实施例中取特征值阈值为0.95,将像素点的特征值大于预设的特征值阈值时对应的像素点记为目标像素点,或者在选取目标像素点时,对细节层图像中的所有像素点的特征值按照从大到小进行排序,并按照从大到小的顺序选取预设数量的像素点作为目标像素点,预设数量的取值实施者自行设定,本发明设置为预设数量K=50,从而选取出目标像素点,将目标像素点的小波系数作为目标小波系数,所有小波系数均值作为小波系数阈值。
由于,经小波变换后的细节层图像中的细节纹理信息对应的小波系数大,而细节层图像中的噪声信息对应的小波系数小,故根据小波系数阈值对细节层图像进行小波去噪处理得到目标细节层图像,将对于小波变换的细节层图像中的小波系数大于小波系数阈值的像素点作为遥感测绘图像中的细节纹理信息像素点,否则,将小波系数小于或者等于小波系数阈值的像素点为细节层中的噪声点,并将噪声点对应的小波系数设置为0,实现去噪,然后在对去噪后的细节层图像进行小波逆变换得到目标细节层图像,在此需要说明,小波系数变换以及逆变换均为现有公知技术,本实施例不再赘述。
至此,得到了目标基础层图像和目标细节层图像,在本实施例对遥感测绘图像进行同态滤波处理时得到基础层图像和细节层图像,那么在获取初始增强图像时,即对目标细节层图像和目标基础层图像进行同态滤波处理的逆处理即可得到遥感测绘图像的初始增强图像,基于初始增强图像以供后续处理。
S4、获取目标边缘图像;
具体的,根据边缘图像中边缘像素点的梯度幅值、边缘像素点对应的海森矩阵的两个特征值获取每个边缘像素点对应的显著值,根据显著值、预设的两个像素阈值对边缘像素点进行显著处理得到目标边缘图像。
考虑到遥感测绘图像在进行滤波处理之后边缘细节信息将会出现模糊不清,为实现遥感测绘图像的显著增强效果,避免初步增强图像的去噪增强处理过程中的边缘模糊导致边缘细节信息增强效果不明显,本实施例需要对边缘细节信息进行显著性提升,提高边缘信息的显著性,实现遥感测绘图像的全面增强。
故,先对遥感测绘图像的边缘图像进行显著性分析,对于边缘图像中的像素点,本发明需要对各个边缘像素点进行显著值计算,具体的,获取边缘像素点的海森矩阵,并得到边缘像素点的海森矩阵对应的两个特征值,然后根据边缘图像中边缘像素点的梯度幅值、边缘像素点对应的海森矩阵的两个特征值获取每个边缘像素点对应的显著值,其中,边缘像素点对应的显著值的计算公式为:
式中,表示边缘图像中边缘像素点对应的显著值;
表示边缘图像中边缘像素点的梯度幅值;
表示边缘图像中所有边缘像素点的像素值中的最大梯度幅值;
表示非零常数;
表示自然常数;
表示边缘图像中边缘像素点对应的海森矩阵的第一个特征值;
表示边缘图像中边缘像素点对应的海森矩阵的第二个特征值;
表示绝对值符号;
需要说明的是,表示避免分母为零的极小值,本实施例取值为0.01,实施者可自行设定,海森矩阵的两个特征值绝对值的大小能够体现该边缘像素点在对应的特征向量方向上的亮度变化情况,特征值绝对值越大,则对应的边缘像素点在各个方向的亮度变化越剧烈,边缘像素点越突出,即边缘像素点的梯度越大,对应海森矩阵的两个特征值越大,则对应的边缘像素点的显著值越高,对边缘像素点显著值进行归一化处理,保证其值处于(0,1),便于后续直观分析。
在得到边缘像素点的显著值之后,对边缘图像中的边缘像素点进行显著处理,即根据显著值、预设的两个像素阈值对边缘像素点进行显著处理得到目标边缘图像,具体的,获取目标边缘图像包括:两个像素阈值为第一阈值、第二阈值,且第一阈值小于第二阈值;根据第一阈值、第二阈值从边缘图像的像素点中获取非边缘像素点、第一边缘像素点和第二边缘像素点,且第一边缘像素点的像素值小于第二边缘像素点的像素值;根据第一边缘像素点对应的像素值、显著值及预设的显著倍率对第一边缘像素点进行显著处理得到每个第一边缘像素点的目标像素值;根据第二边缘像素点对应的像素值、显著值对第二边缘像素点进行显著处理得到每个第二边缘像素点的目标像素值;根据非边缘像素点的像素值、第一边缘像素点的目标像素值及第二边缘像素点的目标像素值得到目标边缘图像。
其中,获取非边缘像素点、第一边缘像素点和第二边缘像素点包括:将边缘图像中像素值小于第一阈值时的像素点记为非边缘像素点;将边缘图像中像素值大于或等于第一阈值,且小于第二阈值时的像素点记为第一边缘像素点;将边缘图像中像素值大于或者等于第二阈值时的像素点记为第二边缘像素点。
其中,为了避免人为设置像素阈值的主观性,防止所有边缘像素点均用相同的固定像素阈值,本发明将基于遥感测绘图像对应边缘图像的自身特征属性,针对不同的边缘图像对其像素阈值进行自适应设定,即,先获取边缘图像中所有边缘像素点的像素值中的最小像素值;获取边缘图像中所有像素点的像素均值;获取边缘图像中所有边缘像素点的边缘像素均值;根据边缘像素均值和最小像素值获取第二阈值;根据边缘图像中所有像素点的像素均值获取第一阈值,其中,第一阈值的计算公式:
式中,表示第一阈值;
表示边缘图像中所有像素点的像素均值;
为缩放参数,实施者可自行设定,本发明将其设置为;
第二阈值的计算公式:
式中,表示第二阈值;
表示边缘图像中所有边缘像素点的像素均值;
表示边缘图像中所有边缘像素点的像素值中的最小像素值;
据边缘图像中像素点的情况对像素阈值进行自适应设定,可满足对不同的遥感测绘图像中的边缘信息进行不同的显著处理,以提高边缘信息的增强效果。
因为,非边缘像素点对应的区域为像素值均匀的区域,为了进一步避免非边缘像素点中存在个别边缘点,对其进行轻微抑制处理,以保证目标边缘图像的显著效果,即对边缘图像中的非边缘像素点的像素值进行抑制处理得到处理后的非边缘像素点的目标像素值;将处理后的非边缘像素点的目标像素值作为非边缘像素点的像素值;根据抑制处理后非边缘像素点的目标像素值、显著处理后的第一边缘像素点和第一边缘像素点对应的目标像素值得到目标边缘图像,故,目标边缘图像中每个像素点的目标像素值用公式表示为:
式中,表示目标边缘图像中边缘像素点的目标像素值,需要说明的是,边缘像素点也属于目标边缘图像的所有像素点中,此处用边缘像素点是为了统一;
表示边缘图像中边缘像素点的像素值;
表示边缘图像中边缘像素点的显著值;
表示像素阈值的第一阈值;
表示像素阈值的第二阈值;
表示以自然常数e为底的指数函数;
表示大于1的显著倍率,实施者可自行设置,本发明将其设置为;
表示偏置项,用于控制处理后边缘像素点像素值的偏离范围,实施者自行设定,本发明将其设置为;
需要说明的是,当边缘图像中像素点的像素值第一阈值时,将认为对应像素点为均匀的非边缘像素点,即像素点的像素值越小,越处于分布均匀的区域,对此类像素点进行轻微的抑制处理,降低该类别像素点的显著性,提高图像对比度;当边缘图像中像素点的像素值满足时,该类像素点为边缘图像中的第一边缘像素点,即在本实施例中作为弱边缘像素点,在进行去噪等处理过程中极易将该类型的像素点进行模糊,导致弱边缘像素点显著性降低,甚至丢失边缘信息,为实现对遥感测绘图像的精确增强处理,保证边缘信息的完整性,本实施例将对其进行较强的显著性提升,以提高弱边缘像素点的可见度,实现对边缘信息的增强;在边缘图像中像素值满足的像素点,该类像素点为边缘图像中的第二边缘像素点,即在本实施例中作为强边缘像素点,本发明将对第二边缘像素点进行适度的增强处理,提高显著性的同时,避免过度锐化导致边缘信息部分丢失的情况,在根据目标边缘图像中每个像素点的目标像素值的计算公式,即可得到目标边缘图像中每个像素点的目标像素值,从而就可以得到目标边缘图像。
至此,即可根据本发明S4步骤的方法对遥感测绘图像中的边缘信息进行显著性分析,提高边缘信息的清晰可见度,从而得到目标边缘图像。
S5、获取遥感测绘图像的最终增强图像;
具体的,根据目标边缘图像、遥感测绘图像的初始增强图像获取遥感测绘图像的最终增强图像,将目标边缘图像与预设的目标边缘图像的增强因子得到目标增强图像;将目标增强图像与初始增强图像进行融合得到遥感测绘图像的最终增强图像,其中,最终增强图像的计算公式为:
式中,表示遥感测绘图像的最终增强图像;
表示遥感测绘图像的初始增强图像;
表示遥感测绘图像对应的目标边缘图像;
表示遥感测绘图像对应的目标边缘图像的增强因子,实施者可根据实际情况自行设定,本发明将其设置为。
需要说明的是,初始增强图像是对基础层图像和细节层图像进行对应的增强处理得到的,然后将初始增强图像与得到的反映边缘显著性增强的目标增强图像进行融合得到最终增强图像。
本发明的一种遥感测绘图像增强方法,通过对遥感测绘图像的频率信息进行分析,然后利用频率信息得到遥感测绘图像基础层图像和细节层图像,以便于对基础层图像和细节层图像进行分别去噪处理得到初步增强处理的初始增强图像,即实现了对遥感测绘图像中不同层次图像的针对性去噪处理,初步增强处理过程中通过自适应获取的小波系数阈值对细节层图像进行小波去噪,避免了去噪过度导致的轮廓细节信息丢失或者去噪不全,提高了去噪精度同时保证了细节完整性,然后通过对边缘图像中的每个边缘像素点进行显著处理,即以在对应特征向量的方向上像素点的亮度变化情况来表征边缘图像中的每个像素点的特征值,然后以边缘图像中的每个边缘像素点的特征值来获取每个边缘像素点的显著值,基于显著值对每个边缘像素点进行显著处理,得到边缘显著的目标边缘图像,从而精确提高遥感测绘图像中的每个边缘细节纹理信息的显著性,实现了对细节信息的显著增强,最后,根据保证细节完整性的初始增强图像与细节信息进行显著处理的目标边缘图像得到最终增强图像,实现了对边缘细节纹理增强的同时又保证了边缘细节纹理信息的完整性。
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、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种遥感测绘图像增强方法,其特征在于,包括:
获取遥感测绘图像及其边缘图像;
获取遥感测绘图像中低频信息对应的基础层图像和高频信息对应的细节层图像;
对基础层图像去噪得到目标基础层图像,获取细节层图像中每个像素点对应的海森矩阵,根据海森矩阵的两个特征值获取细节层图像中每个像素点的特征值;根据像素点的特征值从细节层图像中选取目标像素点,根据所有目标像素点的小波系数获取小波系数阈值;根据小波系数阈值对细节层图像进行小波去噪处理得到目标细节层图像;
根据目标细节层图像和目标基础层图像得到遥感测绘图像的初始增强图像;
根据边缘图像中边缘像素点的梯度幅值、边缘像素点对应的海森矩阵的两个特征值获取每个边缘像素点对应的显著值,根据显著值、预设的两个像素阈值对边缘像素点进行显著处理得到目标边缘图像;
根据目标边缘图像、遥感测绘图像的初始增强图像获取遥感测绘图像的最终增强图像。
2.根据权利要求1所述的一种遥感测绘图像增强方法,其特征在于,得到目标边缘图像包括:
所述两个像素阈值为第一阈值、第二阈值,且第一阈值小于第二阈值;
根据第一阈值、第二阈值从边缘图像的像素点中获取非边缘像素点、第一边缘像素点和第二边缘像素点,且第一边缘像素点的像素值小于第二边缘像素点的像素值;
根据第一边缘像素点对应的像素值、显著值及预设的显著倍率对第一边缘像素点进行显著处理得到每个第一边缘像素点的目标像素值;
根据第二边缘像素点对应的像素值、显著值对第二边缘像素点进行显著处理得到每个第二边缘像素点的目标像素值;
根据非边缘像素点的像素值、第一边缘像素点的目标像素值及第二边缘像素点的目标像素值得到目标边缘图像。
3.根据权利要求2所述的一种遥感测绘图像增强方法,其特征在于,获取第一、第二阈值包括:
获取边缘图像中所有边缘像素点的像素值中的最小像素值;
获取边缘图像中所有像素点的像素均值;
获取边缘图像中所有边缘像素点的边缘像素均值;
根据边缘像素均值和最小像素值获取第二阈值;
根据边缘图像中所有像素点的像素均值获取第一阈值。
4.根据权利要求2所述的一种遥感测绘图像增强方法,其特征在于,获取非边缘像素点、第一边缘像素点和第二边缘像素点包括:
将边缘图像中像素值小于第一阈值时的像素点记为非边缘像素点;
将边缘图像中像素值大于或等于第一阈值,且小于第二阈值时的像素点记为第一边缘像素点;
将边缘图像中像素值大于或者等于第二阈值时的像素点记为第二边缘像素点。
5.根据权利要求2所述的一种遥感测绘图像增强方法,其特征在于,获取非边缘像素点的像素值包括:
对边缘图像中的非边缘像素点的像素值进行抑制处理得到处理后的非边缘像素点的目标像素值;
将处理后的非边缘像素点的目标像素值作为非边缘像素点的像素值。
6.根据权利要求1所述的一种遥感测绘图像增强方法,其特征在于,选取目标像素点包括:
将细节层图像中像素点的特征值大于预设的特征值阈值时对应的像素点作为目标像素点;
或者,按照特征值从大到小的顺序对细节层图像中的像素点进行排序得到像素点序列;按照像素点序列中像素点顺序选取预设数量的像素点作为目标像素点。
7.根据权利要求1所述的一种遥感测绘图像增强方法,其特征在于,将所有目标像素点的小波系数的均值作为小波系数阈值。
8.根据权利要求1所述的一种遥感测绘图像增强方法,其特征在于,每个边缘像素点对应的显著值的计算公式:
式中,表示边缘图像中边缘像素点对应的显著值;
表示边缘图像中边缘像素点的梯度幅值;
表示边缘图像中所有边缘像素点的像素值中的最大梯度幅值;
表示非零常数;
表示自然常数;
表示边缘图像中边缘像素点对应的海森矩阵的第一个特征值;
表示边缘图像中边缘像素点对应的海森矩阵的第二个特征值;
表示绝对值符号。
9.根据权利要求1所述的一种遥感测绘图像增强方法,其特征在于,获取遥感测绘图像的最终增强图像包括:
将目标边缘图像与预设的目标边缘图像的增强因子得到目标增强图像;
将目标增强图像与初始增强图像进行融合得到遥感测绘图像的最终增强图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211528232.5A CN115908186A (zh) | 2022-12-01 | 2022-12-01 | 一种遥感测绘图像增强方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211528232.5A CN115908186A (zh) | 2022-12-01 | 2022-12-01 | 一种遥感测绘图像增强方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115908186A true CN115908186A (zh) | 2023-04-04 |
Family
ID=86483680
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211528232.5A Withdrawn CN115908186A (zh) | 2022-12-01 | 2022-12-01 | 一种遥感测绘图像增强方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115908186A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116934634A (zh) * | 2023-09-14 | 2023-10-24 | 龙迅半导体(合肥)股份有限公司 | 一种基于像素分类的图像增强方法及装置 |
CN117575953A (zh) * | 2024-01-15 | 2024-02-20 | 金乡县林业保护和发展服务中心(金乡县湿地保护中心、金乡县野生动植物保护中心、金乡县国有白洼林场) | 一种高分辨率林业遥感图像细节增强方法 |
-
2022
- 2022-12-01 CN CN202211528232.5A patent/CN115908186A/zh not_active Withdrawn
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116934634A (zh) * | 2023-09-14 | 2023-10-24 | 龙迅半导体(合肥)股份有限公司 | 一种基于像素分类的图像增强方法及装置 |
CN117575953A (zh) * | 2024-01-15 | 2024-02-20 | 金乡县林业保护和发展服务中心(金乡县湿地保护中心、金乡县野生动植物保护中心、金乡县国有白洼林场) | 一种高分辨率林业遥感图像细节增强方法 |
CN117575953B (zh) * | 2024-01-15 | 2024-04-09 | 金乡县林业保护和发展服务中心(金乡县湿地保护中心、金乡县野生动植物保护中心、金乡县国有白洼林场) | 一种高分辨率林业遥感图像细节增强方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108596849B (zh) | 一种基于天空区域分割的单幅图像去雾方法 | |
CN115908186A (zh) | 一种遥感测绘图像增强方法 | |
CN111047530B (zh) | 基于多特征融合的水下图像颜色校正和对比度增强方法 | |
Yu et al. | Fast single image fog removal using edge-preserving smoothing | |
CN107862667B (zh) | 一种基于高分辨率遥感影像的城市阴影检测与去除方法 | |
US6801672B1 (en) | Removing noise from a color image using wavelets | |
CN108537756B (zh) | 基于图像融合的单幅图像去雾方法 | |
CN111986120A (zh) | 一种基于帧累加和多尺度Retinex的低光照图像增强优化方法 | |
US11443436B2 (en) | Interactive image matting method, computer readable memory medium, and computer device | |
CN113077486B (zh) | 一种山区植被覆盖率监测方法及系统 | |
CN114118144A (zh) | 抗干扰的航空遥感图像阴影精准检测方法 | |
CN110675340A (zh) | 一种基于改进的非局部先验的单幅图像去雾方法及介质 | |
CN108389215B (zh) | 一种边缘检测方法、装置、计算机存储介质及终端 | |
CN107784639B (zh) | 一种无人机遥感图像改进多边滤波去噪方法 | |
CN108182671B (zh) | 一种基于天空区域识别的单幅图像去雾方法 | |
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 | |
CN112561804A (zh) | 基于多尺度细节增强的低光照水下图像增强方法 | |
Wang et al. | Low-light image enhancement based on nonsubsampled shearlet transform | |
Barros et al. | Single-shot underwater image restoration: A visual quality-aware method based on light propagation model | |
CN111882555B (zh) | 基于深度学习的网衣检测方法、装置、设备及存储介质 | |
CN114331873A (zh) | 一种基于区域划分的非均匀光照彩色图像校正方法 | |
CN115578660A (zh) | 基于遥感图像的土地地块分割方法 | |
CN115187688A (zh) | 基于大气光偏振正交盲分离的雾图重构方法及电子设备 | |
Tan et al. | Image haze removal based on superpixels and Markov random field | |
CN113298763B (zh) | 一种基于显著性窗口策略的图像质量评估方法 |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20230404 |