[发明专利]一种多光谱图像的渐晕校正方法

说明书

技术领域

本发明涉及计算机图像处理领域，尤其涉及一种多光谱图像的渐晕校正方法。

背景技术

在精细农业中，作物长势信息的快速获取是进行农业精准作业的前提和基础。采用微小型无人机进行作物长势信息的遥感获取，具有不需要专用机场、起降灵活、运行成本低、受到运行周期、天气状况的影响比较小、时效性好等特点。

但是，微小型无人机获取的低空遥感图像通常存在像幅较小、单次成像所覆盖到的面积有限、数量较多等一系列问题。要对大面积的遥感图像进行分析，需要将多个小幅值的图像进行无缝拼接。

由于光学成像系统中光阑的存在，光在传输路径中会发生几何光学径向衰减，导致影像中间亮，边缘暗，这叫做图像的渐晕现象。图像的渐晕现象会增大图像拼接过程中图像配准的难度，同时导致图像拼接的结果存在较严重的拼接痕迹。

渐晕现象在多光谱图像数据中尤为严重。因此，对多光谱图像的渐晕现象进行校正是图像拼接前至关重要的一步。

渐晕校正的关键是对图像中每个像素补偿系数的确定。目前，工程上用的比较多的补偿系数的确定方法是利用特定的光照均匀的场景获取已知反射率的均匀标定板。这要求补偿系数场景与实际作业场景相同。

但是，由于微小型无人机作业高度为几十米甚至上百米，因此实际工程中很难找到一块足够大的均匀标定板，所以这种方式对于无人机多光谱图像的渐晕复原受到很大的限制，此方法在工程中实际应用成本很高。

发明内容

本发明的目的在于提供一种多光谱图像的渐晕校正方法，不需要对相机进行标定，实现对多光谱图像的渐晕校正。

一种多光谱图像的渐晕校正方法，包括以下步骤：

(1)采用遗传算法，将多光谱图像所有区域的像素值进行高斯曲面拟合，得到校正拟合曲面；

(2)根据所述校正拟合曲面计算多光谱图像上每个像素点的渐晕校正系数；

(3)利用所述渐晕校正系数分别对每个波段的多光谱图像进行渐晕校正得到校正后的多光谱图像。

本发明的多光谱图像的渐晕校正方法根据多光谱图像具有多个波段的特定，采用遗传算法完成高斯曲面的拟合，能够准确地得到校正拟合曲面的参数，生成每个像素点的渐晕校正系数，提高渐晕校正的效果。

步骤(1)中高斯曲面拟合的公式如下：

式中，z为拟合像素值，x、y为像素点位置坐标，A、x₀、y₀、a为待求系数。

遗传算法是模拟生物在自然环境中遗传和进化过程而形成的一种自适应全局化概率搜索算法。遗传算法对包含可能解的群体反复使用遗传学的基本操作，不断生成新的群体，使种群不断进化，同时以全局并行搜索技术来搜索优化群体，以取得满足要求的最优个体，得到满足要求的最优解。本发明的渐晕校正方法采用遗传算法对多光谱图像的像素值进行高斯曲面拟合，求得参数A、x₀、y₀、a的最优值。

适应度函数的选取直接影响到遗传算法的收敛速度以及能否找到最优解。为了适应多光谱图像具有多个波段的点，作为优选，遗传算法的适应度函数y_fit为：

式中，n为多光谱图像波段数；z(x，y)表示在点(x，y)处的拟合像素值；I(x，y，p)表示在多光谱图像第p个波段的图像在点(x，y)处的像素值；W、L分别表示多光谱图像在宽度方向和在长度方向上像素点的个数。

上述适应度函数适用于多光谱图像的处理，可提高遗传算法的整体性能。

作为优选，遗传算法的参数设置：变异概率为0.0001～0.2，交叉概率为0.4～0.99。

在采用遗传算法时，种群大小和最大代数过小，得出的结果不准确，过大则导致计算量过大。进一步优选的，遗传算法的参数设置：种群大小不小于300，最大代数不小于300。

得到校正拟合曲面后，根据校正拟合曲面计算每个像素点的渐晕校正系数，作为优选，步骤(2)中，每个像素点的渐晕校正系数的计算公式如下：

式中，k(x，y)表示在点(x，y)处的渐晕校正系数，z(x，y)表示在点(x，y)处的拟合像素值，z(x₀，y₀)表示在点(x₀，y₀)处的拟合像素值，x₀、y₀为步骤(1)中通过遗传算法求得的系数。