[发明专利]一种从单幅遥感图像中去除云雾的方法

说明书

技术领域

本发明属于遥感图像处理技术领域，涉及一种从单幅遥感图像中去除云雾的图像增强方法。

背景技术

随着航空航天事业的发展，对地遥感成像技术越来越多地服务于社会主义建设的各行各业，对推动国民经济稳定发展和保障国家社会安全起着重要作用。在对地成像过程中，云雾是常见的干扰源，含有云雾的遥感图像对比度低，景物不清晰，可读性差。运用数字图像处理技术，减少遥感图像中云雾的影响，提高图像清晰度和突出重要信息，对于提高遥感卫星勘测地球资源和监测自然灾害的效率，为国家相关决策部门提供可靠数据具有重要意义。

目前，多光谱图像去云雾、多幅图像叠加去云雾、多传感器图像融合去云雾等方法广泛应用于去云雾处理中，效果明显，但都需要同地区同来源的多幅图像，数据采集成本高，周期长。相比而言，单幅遥感图像去云雾方法所需遥感数据量少，采集数据的成本低，能在较短时间内给出处理结果，效率高，灵活性更强，应用范围更广。

根据遥感图像中景物和云雾频率分布的差异，单幅遥感图像去云雾方法较常使用高通滤波、低通滤波或同态滤波等技术，通过分离高、低频率成分，去除云雾。小波变换具有多分辨率分析的特点，基于小波变换的方法去云雾效果有进一步改善。例如，小波系数加权算法对分解后的小波系数加权，突出景物细节，降低云雾影响，效果优于同态滤波法。但对于局部有浓云的遥感图像，运用该算法后，景物色彩将会失真。在此基础上，小波阈值算法根据云层较亮的特点，对高层细节系数作阈值处理，删除云的同时，较好保留云区以外的信息，但处理结果有明显的边界，视觉效果还有待改进。

发明内容

本发明的目的是：针对局部有浓云覆盖的单幅遥感图像，削弱云层覆盖，提高云下景物的清晰度，并较好地保持云区以外景物的原有信息，提高视觉效果和去云雾处理质量。

数字图像是影像信息经过数字化后的二维离散数据，具有有限分辨率。根据小波变换理论，设原始图像处于V_m尺度空间，并用该空间的近似系数C_m表示。对数字图像作一层小波分解的过程是，在水平和垂直两个方向上各经过一次低通滤波或者一次高通滤波，得到V_m+1尺度空间的近似系数C_m+1，W_m+1小波空间的垂直细节系数水平细节系数和对角细节系数近似系数C_m+1代表了C_m的低频部分，细节系数和是C_m的高频部分。数字图像的第二层小波分解，即是按照类似的方法进一步分解V_m+1尺度空间的近似系数C_m+1，得到V_m+2尺度空间的近似系数C_m+2，W_m+2小波空间的垂直细节系数水平细节系数和对角细节系数数字图像作多层小波变换的过程以此类推。由此可见，原始数字图像经过n层小波变换，将被逐渐分解成V_m+n尺度空间的近似系数C_m+n和W_m+1至W_m+n各小波空间的细节系数。

由数字图像多层小波变换的过程可见，V_m尺度空间近似系数C_m分别经过低通滤波和高通滤波处理，得到第一层的近似系数和细节系数，该近似系数经过多次低通滤波即得到其他层的近似系数，因此层数较低的近似系数频率高于层数较高的近似系数。由于同一层的细节系数频率高于近似系数，那么层数较低的细节系数频率高于层数较高的细节系数，最高层的近似系数频率最低。

在受云雾干扰的遥感图像中，云雾数据频率较低，景物数据频率较高，背景信息频率最低。那么将遥感图像作n层小波变换后，选择合理的分界层数l，使第1层至第l层细节系数将主要包含景物，第l+1至第n层细节系数主要含有云雾，而背景信息则主要包含在第n层近似系数中。为叙述方便，以下将以分界层数l分开的两类细节系数分别称为低层细节系数和高层细节系数。

2009年香港中文大学何凯明依据大量自然景物图像数据的统计结果，提出了暗通道先验理论，并将之成功运用到单幅图像去雾霾处理中。该理论指出在户外无雾霾数字图像中，除了天空区域，大多数区域往往含有一些暗像素，在这些像素的RGB三个通道中，至少有一个通道的灰度值很低，接近于0。根据暗通道先验理论，数字图像f(x,y)以(x₀,y₀)为中心的邻域Ω，其暗像素的最低灰度值表示为