[发明专利]航空摄影过程中实时自动评定影像色彩质量的方法

摘要

本发明提供一种航空摄影过程中实时自动评定影像色彩质量的方法：首先，对航空摄影获取的航空影像进行重采样，获取两种不同分辨率的航空影像，然后进行阴影检测和云检测，根据检测所得阴影覆盖率和云覆盖率，评定影像色彩质量，输出质量评定报告。本发明的时效性强，处理速度快，自动化程度高，支持全自动检测。通过针对阴影检测和云检测各自分别提出不同的阈值获取方法，能有效提高检测精度，在保证自动化的同时保证精度。

主权项

一种航空摄影过程中实时自动评定影像色彩质量的方法，其特征在于：首先，对航空摄影获取的航空影像A进行重采样，获取两种不同分辨率的航空影像，分别记为航空影像B和航空影像C，航空影像B的分辨率大于航空影像C的分辨率；然后进行阴影检测和云检测，包括基于航空影像C分别获取阴影检测和云检测中所需的阈值，再在航空影像B的基础上，根据阈值逐像素进行该像素是否为云或者是否为阴影的判断，并统计阴影覆盖率和云覆盖率；根据检测所得阴影覆盖率和云覆盖率，评定影像色彩质量，输出质量评定报告；所述阴影检测具体实现包括以下步骤，步骤1.1，对航空影像B和C中每个像素提取阴影检测所运用的三项光谱特征值，三项光谱特征值分别是HIS色彩空间的亮度分量I、RGB色彩空间的归一化分量B’和YUV色彩空间的亮度分量Y，归一化分量B’和亮度分量Y的计算公式如下， B ′ = B R + G + B Y＝0.299×R+0.578×G+0.114×B其中，R、G、B分别为像素在RGB色彩空间的红色、绿色、蓝色分量；步骤1.2，根据步骤1.1所得航空影像C中每个像素的三项光谱特征值，获取步骤1.1所述三项光谱特征值分别对应的阈值，实现方式如下，亮度分量I对应的阈值T_I的确定方式为，首先采用一维Otsu阈值法获取I和H的比值分量IH的原始Otsu自动阈值T_IHo，IH＝(H+1)/(I+1)，I、H分别为像素在HIS色彩空间的亮度分量、色调分量；然后筛选航空影像C中满足限定条件{IH＞T_IHo}的像素，只有满足条件的像素对应的亮度分量I参与直方图统计；在筛选后统计出的直方图的基础上，再计算最大类间方差对应的阈值，计算所得阈值被赋予给T_I；归一化分量B’的阈值T_B’的确定方式为，筛选航空影像C中满足限定条件{R＜100}的像素，R为像素在RGB色彩空间的红色分量，只有满足条件的像素对应的归一化分量B’参与直方图统计；在筛选后统计出的直方图的基础上，再计算最大类间方差对应的阈值，计算所得阈值被赋予给T_B’；亮度分量Y的阈值T_Y采用经验值；步骤1.3，根据步骤1.1所得航空影像B中每个像素的三项光谱特征值和步骤1.2所得相应的阈值，判断航空影像B中每个像素是否为阴影，并根据判断结果统计航空影像B的阴影 覆盖率；判断结果是阴影的像素构成集合，如以下公式，ShaowSet＝{(i，j)|(Y(i，j)＜T_Y||B′(i，j)＞T_B′)&&I(i，j)＜T_I}其中，ShaowSet代表影像B中满足条件的像素(i，j)的集合，Y(i，j)、B′(i，j)、I(i，j)分别为像素(i，j)对应的亮度分量I、归一化分量B’和亮度分量Y的值，T_Y、T_B’、T_I分别表示亮度分量I、归一化分量B’和亮度分量I对应的阈值；所述云检测具体实现包括以下步骤，步骤2.1，从航空影像B和C中提取每个像素的云检测所运用的两项光谱特征值，两项光谱特征值分别是HIS色彩空间的亮度分量I、HIS色彩空间的亮度与饱和度的归一化差值特征P，P＝|(I‑S)/(I+S)|，其中I、S分别为HIS色彩空间的亮度分量、饱和度分量；步骤2.2，根据步骤2.1所得航空影像C中每个像素的两项光谱特征值，获取步骤2.1所述两项光谱特征值分别对应的阈值，实现方式如下，步骤2.2.1，根据步骤2.1所得航空影像C中各像素的亮度分量I和归一化差值特征P进行初始云区的判断，判断结果是属于初始云区的像素构成集合，如以下公式，CloudSet0＝{(i，j)|I(i，j)＞T_Io)&&P(i，j)＞T_Po}其中CloudSet0代表满足条件{I(i，j)＞T_Io)&&P(i，j)＞T_Po}的像素的集合，记为初始云区，统计集合CloudSet0中的所有像素的亮度均值YavgI，及不满足条件的所有像素的亮度均值NavgI，并记两者差值的绝对值为参数dI，即dI＝|YavgI‑NavgI|；I(i，j)、P(i，j)分别为像素(i，j)对应的亮度分量I、归一化差值特征P的值，T_Io、T_Po分别为根据航空影像C对亮度分量I、归一化差值特征P采用一维Otsu阈值法获取的原始Otsu自动阈值；步骤2.2.2，以dI为第一级分级标准，如果dI＞105，认为该影像存在厚云，进入步骤2.2.4，如果dI≤105，认为该影像存在薄云或者无云，进入步骤2.2.3；步骤2.2.3，以第二级云区与初始云区覆盖率的差比值DR为薄云或无云的第二级分级标准，如果DR＞0.115，认为该影像中无云；如果DR≤0.115，以亮度差值绝对值dmI为第三级分级标准，如果dmI＞10认为该影像中无云，如果dmI≤10认为该影像存在薄云；步骤2.2.4，根据步骤2.23和步骤2.24对影像进行初步分类的结果，设定亮度分量I对应的阈值T_I和归一化差值特征P对应的阈值T_P，具体方式如下，(1)若分类为厚云，T_I＝T_Io，归一化差值特征P对应的阈值T_P的赋值以d＝T_Qo‑T_Po为第二级分级标准，分级赋值的方式如下，如果d≥220，T_P＝T_Qo‑T_Pn；如果180≤d＜220，T_P＝(d+T_Pn)/2；如果d＜180，T_P＝(T_Po+T_Pn)/2；(2)若分类为薄云，T_I＝T_Io，T_P＝T_Pn；(3)若分类为无云，T_I＝255，T_P＝T_Pn；其中，T_Qo是根据航空影像C对特征Q采用一维Otsu阈值法获取的原始Otsu自动阈值，Q＝(I+1)/(S+1)，I、S分别为HIS色彩空间中的亮度和饱和度；T_Po是根据航空影像C对归一化差值特征P采用一维Otsu阈值法获取的原始Otsu阈值；T_Pn是归一化差值特征P的带限定条件{P＞T_Po}的Otsu阈值；阈值T_Pn的确定方式为，筛选航空影像C中满足限定条件{P＞T_Po}的像素，只有满足条件的像素对应的归一化差值特征P参与直方图统计；在筛选后统计出的直方图的基础上，再计算最大类间方差对应的阈值，计算所得阈值被赋予给T_Pn；步骤2.3，根据步骤2.1所得航空影像B中每个像素的两项光谱特征值和步骤2.2所得相应的阈值，判断航空影像B中每个像素是否为云，并根据判断结果统计航空影像B的云覆盖率；判断结果是云的像素构成集合，如以下公式，CloudSet＝{(i，j)|I(i，j)＞T_I)&&P(i，j)＞T_P}其中，CloudSet代表影像B中满足条件{I(i，j)＞T_I)&&P(i，j)＞T_P}的像素(i，j)的集合，代表的是采用最合适的阈值确定的云区，I(i，j)、P(i，j)分别为像素(i，j)对应的亮度分量I、归一化差值特征P的值，T_I，T_P分别为步骤2.2所得亮度分量I、归一化差值特征P的阈值。