[发明专利]一种高光谱图像阴影增强方法、设备及存储介质

说明书

本发明提供了一种高光谱图像阴影增强方法、设备及存储介质，其中方法包括：获取高光谱图像数据集；将高光谱数据集归一化，并用掩膜提取出阴影部分；在空间维对阴影部分图像按行扫描进行连续采样展开为一维信号,顺序通过双稳非线性系统进行动态随机共振；将系统输出的序列按行扫描方式重新组成方阵再进行归一化；得到的阴影部分数据按列扫描进行连续采样展开为一维序列，并再次输入到双稳非线性系统中动态随机共振；将输出得到的序列按照列扫描的方式重新组成方阵再进行归一化，与原始高光谱图像的非阴影区域进行融合。本发明利用行列两个不同方向的扫描采样方式，充分利用了空间维像素的相关性，保留更多的图像信息，达到更好的图像增强效果。

技术领域

本发明属于高光谱图像处理技术领域，尤其涉及一种高光谱图像阴影增强方法、设备及存储介质。

背景技术

高光谱图像(HSI)中包含丰富的场景信息，不仅能提取出二维空间中各个位置的信息，还能从不同光谱波段上提取出地物的多个特征。随着高光谱成像技术的日益成熟，HSI在航天探测、天气预报、食品安全、农业、环境监测、医学诊断和工业质检等领域发挥了重要作用。但HSI阴影区域的强噪声弱信号性质却使数据的处理变得异常困难。由光照遮挡、云层、地面起伏或地物遮挡而形成的HSI阴影区域，反射光能量偏低，光谱信号较弱，相较非阴影区域噪声较强，使得像素和目标难以分辨和检测。目前大多通过去除噪声的方法来进行图像增强和像素分类，但这样会损失阴影区域的大量有用信息。阴影区域信息的增强是后续高光谱图像分类的必要准备工作，能大大提高人机交互的效率和计算机视觉的表现，如检测、分类和跟踪。

随机共振(Stochastic Resonance,SR)理论目前被广泛应用于强噪声环境下微弱信号的放大，即当双稳态非线性系统、噪声和弱信号三者协同时，噪声能量能转化为信号能量，对HSI中阴影信息的提取奠定了基础。

LIU等人提出了一种在低峰值信噪比环境下基于自适应双稳态阵列随机共振的灰度图像恢复增强方法。Chouhan等人提出了一种基于动态随机共振(Dynamic stochasticresonance,DSR)的空间域分析方法来增强低对比度图像。这些方法对具有固定参数的均匀低对比度图像具有较好的增强效果，但适用范围较小，对于增强HSI存在一定的局限性。

发明内容

针对上述问题，本发明提出基于双稳态非线性系统的D-DSR算法，其实现过程由两次连续的DSR组成。D-DSR相较于DSR更大程度地保留了HSI中相邻像素之间的相关性，使得经过随机共振后的图像更多地保留了原有信息，且阴影区域增强效果更为显著。

本发明第一方面提供了一种高光谱图像阴影增强方法，包括以下步骤：

步骤1，获取高光谱图像数据集；

步骤2，将高光谱数据集中图像像素的灰度级归一化到[0，1]范围内，用掩膜提取出阴影部分；

步骤3，在空间维对提取出的阴影部分图像按行扫描的采样方式进行连续采样展开为一维信号,使其顺序通过双稳非线性系统进行动态随机共振，输出一组随机共振后的序列；

步骤4，将系统输出的序列按行扫描方式重新组成方阵再进行归一化；

步骤5，将步骤4得到的阴影部分数据按列扫描的采样方式进行连续采样展开为一维序列，并再次输入到双稳非线性系统中进行第2次动态随机共振，得到一组序列；

步骤6，将第2次动态随机共振输出得到序列按照列扫描的方式重新组成方阵再进行归一化，最后与原始高光谱图像的非阴影区域进行融合，得到了双倍动态随机共振增强后的高光谱图像。

在一种可能的设计中，所述步骤1获取高光谱图像数据集后可以对高光谱图像数据进行预处理；所述预处理是计算高光谱数据集中每一波段的F-范数的值，其大小表示每一波段图像所含信息量的多少，然后人为去除信息量较少的波段，再将其余波段按顺序重新组合成一个高光谱数据集。