[发明专利]一种基于深度学习和色彩映射的遥感影像调色方法

说明书

本发明提供了一种基于深度学习和色彩映射的遥感影像调色方法，包括以下步骤：S1、构建影像数据有效区掩膜，设置掩膜外的背景值，使其作为无效值不参与色彩调整；S2、确定影像重采样的尺度，确保较小地物存在且可辨、色彩不丢失；S3、影像分块；计算每个影像块的尺寸，并结合原始影像的尺寸，得出原始影像切块的数目；S4、基于MBLLEN模型对重采样影像真彩色增强；S5、对重采样图像和原始图像进行直方图匹配，将重采样影像的色彩信息映射到原始分辨率影像上。本发明对比传统的遥感影像真彩色增强方法，该方法自动化程度高，方法简单，可以快速有效的对海量遥感影像进行色彩调整。

技术领域

本发明属于遥感影像调色技术领域，尤其是涉及一种基于深度学习和色彩映射的遥感影像调色方法。

背景技术

由于传感器性能和外界噪声、天气影响等各种原因，原始遥感影像普遍存在亮度、对比度低，色彩失真、目标特征不清晰、细节信息模糊等问题。影像各个波段灰度分布范围小，还存在一定的异常像素值，为达到理想的可视化效果，便于后续的数据处理，遥感影像就需要通过色彩调整，增强颜色的层次感和对比度，同时保持影像色彩的真实性，由于遥感影像普遍分辨率高，实际尺寸大，人工调整费时费力，效率低，且较难达到影像色彩一致。

目前对影像自适应色彩增强的方法主要分为空间域增强、频率域增强、模糊域增强、变换域增强等。采用传统的方法在某些情况下虽然可以取得一定的效果，但是都存在效果不稳定、自动化程度低、耗时长等问题，同时难以同时实现对影像亮度、对比度增强、伪影去除，降噪等多种功能。本申请提供了一种效果稳定、效率高、同时可自动化实现多种色彩增强功能的方法，对本领域的研究发展具有重要意义。

发明内容

有鉴于此，本发明旨在提出一种基于深度学习和色彩映射的遥感影像调色方法,以克服现有的调色方法存在效果不稳定、自动化程度低、耗时长等问题，同时难以同时实现对影像亮度、对比度增强、伪影去除，降噪等多种功能。

为达到上述目的，本发明的技术方案是这样实现的：

一种基于深度学习和色彩映射的遥感影像调色方法，包括以下步骤：

S1、构建影像数据有效区掩膜，设置掩膜外的背景值，使其作为无效值不参与色彩调整；

S2、确定影像重采样的尺度，确保较小地物存在且可辨、色彩不丢失；

S3、影像分块；计算每个影像块的尺寸，并结合原始影像的尺寸，得出原始影像切块的数目；

S4、基于MBLLEN模型对重采样影像真彩色增强；

S5、对重采样图像和原始图像进行直方图匹配，将重采样影像的色彩信息映射到原始分辨率影像上。

进一步的，在执行所述步骤S1之前，需要对原始影像进行预处理，利用ENVI对原始影像进行辐射定标、大气校正、正射校正、去云及云影处理。

进一步的，所述步骤S1的具体执行方法如下：

S101、根据背景的灰度值，对图像进行二值化，若RGB＝背景值，则R＝G＝B＝1,否则R＝G＝B＝0；

S102、标记连通域，统计每个连通域的面积S，max(S)即为目标连通域，删除其它连通域；

S103、利用gdal进行栅格矢量化，提取背景值轮廓；

S104、对轮廓内的值设置为-999作为背景值不参与运算。

进一步的，所述步骤S2中，确定影像重采样的尺度的具体方法如下：首先采集原始影像上的n个微小地物作为样本，其中样本为矩形，取每个矩形样本的行列最小值，计算与影像上可辨的最小地物尺寸S_min比值，计算n个样本的比值均值，此均值即为重采样比例，按照此参数对原始影像进行重采样抽稀。