鄧慧

摘 要

遙感圖像中存在的薄云薄霧在很大程度上影響著遙感圖像清晰度，因此，本文針對(duì)含薄云薄霧的遙感圖像分別提出了基于高維空間幾何信息學(xué)的去薄云及基于Retidx算法和色度比的圖像增強(qiáng)去霧算法。

【關(guān)鍵詞】遙感圖像 去薄云薄霧 計(jì)算機(jī)算法

1 前言

云與霧是常見的自然天氣現(xiàn)象，其能降低大氣的能見度，導(dǎo)致遙感平臺(tái)不能獲取到清晰圖像，最終無法讀取到圖像中的地物信息，降低了遙感圖像的應(yīng)用價(jià)值。因此，有必要對(duì)遙感圖像進(jìn)行去薄云去薄霧處理。

2 去薄云計(jì)算機(jī)算法

2.1 基于高維空間幾何信息學(xué)的遙感圖像去薄云算法原理

薄云引起的干擾主要集中于圖像的低頻位置，很大程度上削弱了遙感圖像的高頻信息。為了有效降低干擾，恢復(fù)高頻信息的呈現(xiàn)，有研究者提出了高維空間幾何信息學(xué)理論，以此實(shí)現(xiàn)去薄云目的。

將原始遙感圖像視為高維幾何空間中的一個(gè)點(diǎn)，即把圖像映射為M×N高維空間中的矢量。假設(shè)n維空間中的圖像存在向量為A與B，A=（a1，a2，a3…ak），B=（b1，b2，b3…bk）；其計(jì)算方法為：（1）向量A的模值： ；（2）向量A，B的夾角余弦值：；（3）將向量A到向量B的投影向量記為C：；（4）向量A到向量B的垂直向量記為D：。由于遙感圖像的高低頻信息受薄云覆蓋情況影響，因此，可引入高斯濾波器h對(duì)圖像中高低頻信息進(jìn)行分離，其函數(shù)形式為。

首先，將原始向量與不同參數(shù)設(shè)置的濾波器進(jìn)行卷積運(yùn)算，得到高維空間中子空間下能夠清晰顯示通過濾波器分離出的近似于低頻信息的低頻分量；其次，利用向量C與向量D的算法將原始的遙感圖像矢量向近似低頻信息的低頻分量方向做幾何映射，以此將原始圖像空間分解為低、高頻子空間；最后，對(duì)高、低尺度子空間分別進(jìn)行抑制與增益，恢復(fù)遙感圖像的高頻信息，實(shí)現(xiàn)去除遙感圖像中薄云的目的。

2.2 基于高維空間幾何信息學(xué)的遙感圖像去薄云算法

對(duì)低、高頻子空間下的向量C與向量D分別進(jìn)行抑制與增益，實(shí)現(xiàn)去薄云增強(qiáng)目的，其算法步驟為：（1）分別利用濾波器的卷積運(yùn)算與高維幾何分解計(jì)算，將高維空間中的圖像分解至不同尺度的兩個(gè)子空間下；（2）通過抑制或增益的變換方式對(duì)不同尺度的子空間進(jìn)行測(cè)算。低尺度子空間圖像變換關(guān)系為： ，i∈[1，k]，其中cmax與cmin分別為低頻圖像中像素的最大值與最小值，?表現(xiàn)為?z；高尺度子空間圖像變換關(guān)系為 ，j∈[1，k]，其中dmax與dmin分別為低高頻圖像中像素的最大值與最小值，?表現(xiàn)為?h。通過抑制與增益的變換，能更好識(shí)別圖像中云的分布，使復(fù)原圖像的邊緣更自然，經(jīng)實(shí)驗(yàn)證明，λL=0.3與λH=10時(shí)，復(fù)原圖像將達(dá)到最佳顯示效果。（3）將經(jīng)一定變換后的兩個(gè)子空間矢量置于高維空間中進(jìn)行再次運(yùn)算，以此得到較為清晰的云效果圖像。

3 衛(wèi)星遙感去薄霧的算法

3.1 Retidx算法

Retidx算法又分單尺度Retidx算法與多尺度Retidx算法，其中，單尺度Retidx算法可表示為：L（χ，У）=I（χ，У）·R（χ，У），其中L（χ，У）、I（χ，У）及R（χ，У）分別表示圖像中（χ，У）位置上的像素亮度值、照明強(qiáng)度函數(shù)及反射函數(shù)。存在較小標(biāo)準(zhǔn)差σ的圖像經(jīng)增色后，能有效突出圖像的細(xì)節(jié)信息，但存在較大標(biāo)準(zhǔn)差σ的圖像，其卻只能顯示出原圖像的色調(diào)，因此，其去霧效果不明顯；多尺度Retidx算法可表示為（l=1，2，3），其中，l=1、l=2及l(fā)=3分別對(duì)應(yīng)紅色、綠色及藍(lán)色通道，Wk與k分別表示Fk計(jì)算結(jié)果的對(duì)應(yīng)權(quán)重值與尺度常數(shù)。

多尺度Retidx算法比單尺度Retidx算法的圖像增強(qiáng)效果更理想，能呈現(xiàn)原圖像的色調(diào)及細(xì)節(jié)信息，再現(xiàn)彩色圖像。

3.2 基于Retidx算法和色度比的圖像增強(qiáng)算法

Retidx算法雖然對(duì)灰度、彩色圖像具有一定色彩增強(qiáng)作用，但其無法提高含霧圖像的對(duì)比度，因此，必須對(duì)Retidx算法處理過的圖像直方圖進(jìn)行校正。當(dāng)處理過的圖像超出了顯示設(shè)備所能顯示的灰度范圍，其相應(yīng)的圖像對(duì)比度將會(huì)降低，從而影響觀察者對(duì)圖像中細(xì)節(jié)信息的捕獲，為此，可對(duì)其進(jìn)行對(duì)比度的線性拉伸；針對(duì)分辨率為M×N的8位量化圖像，可將圖像的灰度范圍拉伸至[0，255]。

在正態(tài)分布中，若圖像的灰度均值為?，標(biāo)準(zhǔn)差為σ，其大部分像素將落于[?-3σ，?+3σ]區(qū)間內(nèi)，采用多尺度Retinex算法對(duì)上述圖像進(jìn)行直方圖的線性拉伸，尺度常數(shù)分別取15、80、250，便可實(shí)現(xiàn)簡(jiǎn)單去霧效果圖。

多尺度的Retinex算法無法有效去除彩色圖像中的含霧部分，導(dǎo)致圖像色彩偏灰，因此，筆者給每個(gè)像素加入了色度比信息，假設(shè)其尺度常數(shù)分別為15、80、250，則可計(jì)算出R、G、B三個(gè)譜段的去霧結(jié)果，對(duì)計(jì)算結(jié)果中每個(gè)譜段進(jìn)行一定的線性拉伸并合成彩色圖像，實(shí)現(xiàn)去霧，如下圖所示：

4 結(jié)束語

高維空間幾何信息學(xué)下去薄云算法能有效去除薄云對(duì)圖像清晰度的影響，增強(qiáng)圖像邊緣信息，基于Retinex算法和色度比的圖像增強(qiáng)算法克服了圖像色彩畸形與色彩偏灰等問題，實(shí)現(xiàn)去薄霧。

參考文獻(xiàn)

[1]周雨薇.基于多分辨率分析和變分的遙感圖像增強(qiáng)與融合算法研究[D].南京理工大學(xué)，2014（08）：67-69.

[2]王敏，周樹道，劉志華，黃峰，梁妙元.遙感圖像薄云薄霧的去除處理方法[J].實(shí)驗(yàn)室研究與探索，2011（02）：56-58.

[3]王守覺，梁先揚(yáng).圖像變形計(jì)算方法及其應(yīng)用[J].計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào)，2011（08）：56-58.

作者單位

湖南省永州職業(yè)技術(shù)學(xué)院 湖南省永州市 425100endprint

摘 要

遙感圖像中存在的薄云薄霧在很大程度上影響著遙感圖像清晰度，因此，本文針對(duì)含薄云薄霧的遙感圖像分別提出了基于高維空間幾何信息學(xué)的去薄云及基于Retidx算法和色度比的圖像增強(qiáng)去霧算法。

【關(guān)鍵詞】遙感圖像 去薄云薄霧 計(jì)算機(jī)算法

1 前言

云與霧是常見的自然天氣現(xiàn)象，其能降低大氣的能見度，導(dǎo)致遙感平臺(tái)不能獲取到清晰圖像，最終無法讀取到圖像中的地物信息，降低了遙感圖像的應(yīng)用價(jià)值。因此，有必要對(duì)遙感圖像進(jìn)行去薄云去薄霧處理。

2 去薄云計(jì)算機(jī)算法

2.1 基于高維空間幾何信息學(xué)的遙感圖像去薄云算法原理

薄云引起的干擾主要集中于圖像的低頻位置，很大程度上削弱了遙感圖像的高頻信息。為了有效降低干擾，恢復(fù)高頻信息的呈現(xiàn)，有研究者提出了高維空間幾何信息學(xué)理論，以此實(shí)現(xiàn)去薄云目的。

將原始遙感圖像視為高維幾何空間中的一個(gè)點(diǎn)，即把圖像映射為M×N高維空間中的矢量。假設(shè)n維空間中的圖像存在向量為A與B，A=（a1，a2，a3…ak），B=（b1，b2，b3…bk）；其計(jì)算方法為：（1）向量A的模值： ；（2）向量A，B的夾角余弦值：；（3）將向量A到向量B的投影向量記為C：；（4）向量A到向量B的垂直向量記為D：。由于遙感圖像的高低頻信息受薄云覆蓋情況影響，因此，可引入高斯濾波器h對(duì)圖像中高低頻信息進(jìn)行分離，其函數(shù)形式為。

首先，將原始向量與不同參數(shù)設(shè)置的濾波器進(jìn)行卷積運(yùn)算，得到高維空間中子空間下能夠清晰顯示通過濾波器分離出的近似于低頻信息的低頻分量；其次，利用向量C與向量D的算法將原始的遙感圖像矢量向近似低頻信息的低頻分量方向做幾何映射，以此將原始圖像空間分解為低、高頻子空間；最后，對(duì)高、低尺度子空間分別進(jìn)行抑制與增益，恢復(fù)遙感圖像的高頻信息，實(shí)現(xiàn)去除遙感圖像中薄云的目的。

2.2 基于高維空間幾何信息學(xué)的遙感圖像去薄云算法

對(duì)低、高頻子空間下的向量C與向量D分別進(jìn)行抑制與增益，實(shí)現(xiàn)去薄云增強(qiáng)目的，其算法步驟為：（1）分別利用濾波器的卷積運(yùn)算與高維幾何分解計(jì)算，將高維空間中的圖像分解至不同尺度的兩個(gè)子空間下；（2）通過抑制或增益的變換方式對(duì)不同尺度的子空間進(jìn)行測(cè)算。低尺度子空間圖像變換關(guān)系為： ，i∈[1，k]，其中cmax與cmin分別為低頻圖像中像素的最大值與最小值，?表現(xiàn)為?z；高尺度子空間圖像變換關(guān)系為 ，j∈[1，k]，其中dmax與dmin分別為低高頻圖像中像素的最大值與最小值，?表現(xiàn)為?h。通過抑制與增益的變換，能更好識(shí)別圖像中云的分布，使復(fù)原圖像的邊緣更自然，經(jīng)實(shí)驗(yàn)證明，λL=0.3與λH=10時(shí)，復(fù)原圖像將達(dá)到最佳顯示效果。（3）將經(jīng)一定變換后的兩個(gè)子空間矢量置于高維空間中進(jìn)行再次運(yùn)算，以此得到較為清晰的云效果圖像。

3 衛(wèi)星遙感去薄霧的算法

3.1 Retidx算法

Retidx算法又分單尺度Retidx算法與多尺度Retidx算法，其中，單尺度Retidx算法可表示為：L（χ，У）=I（χ，У）·R（χ，У），其中L（χ，У）、I（χ，У）及R（χ，У）分別表示圖像中（χ，У）位置上的像素亮度值、照明強(qiáng)度函數(shù)及反射函數(shù)。存在較小標(biāo)準(zhǔn)差σ的圖像經(jīng)增色后，能有效突出圖像的細(xì)節(jié)信息，但存在較大標(biāo)準(zhǔn)差σ的圖像，其卻只能顯示出原圖像的色調(diào)，因此，其去霧效果不明顯；多尺度Retidx算法可表示為（l=1，2，3），其中，l=1、l=2及l(fā)=3分別對(duì)應(yīng)紅色、綠色及藍(lán)色通道，Wk與k分別表示Fk計(jì)算結(jié)果的對(duì)應(yīng)權(quán)重值與尺度常數(shù)。

多尺度Retidx算法比單尺度Retidx算法的圖像增強(qiáng)效果更理想，能呈現(xiàn)原圖像的色調(diào)及細(xì)節(jié)信息，再現(xiàn)彩色圖像。

3.2 基于Retidx算法和色度比的圖像增強(qiáng)算法

Retidx算法雖然對(duì)灰度、彩色圖像具有一定色彩增強(qiáng)作用，但其無法提高含霧圖像的對(duì)比度，因此，必須對(duì)Retidx算法處理過的圖像直方圖進(jìn)行校正。當(dāng)處理過的圖像超出了顯示設(shè)備所能顯示的灰度范圍，其相應(yīng)的圖像對(duì)比度將會(huì)降低，從而影響觀察者對(duì)圖像中細(xì)節(jié)信息的捕獲，為此，可對(duì)其進(jìn)行對(duì)比度的線性拉伸；針對(duì)分辨率為M×N的8位量化圖像，可將圖像的灰度范圍拉伸至[0，255]。

在正態(tài)分布中，若圖像的灰度均值為?，標(biāo)準(zhǔn)差為σ，其大部分像素將落于[?-3σ，?+3σ]區(qū)間內(nèi)，采用多尺度Retinex算法對(duì)上述圖像進(jìn)行直方圖的線性拉伸，尺度常數(shù)分別取15、80、250，便可實(shí)現(xiàn)簡(jiǎn)單去霧效果圖。

多尺度的Retinex算法無法有效去除彩色圖像中的含霧部分，導(dǎo)致圖像色彩偏灰，因此，筆者給每個(gè)像素加入了色度比信息，假設(shè)其尺度常數(shù)分別為15、80、250，則可計(jì)算出R、G、B三個(gè)譜段的去霧結(jié)果，對(duì)計(jì)算結(jié)果中每個(gè)譜段進(jìn)行一定的線性拉伸并合成彩色圖像，實(shí)現(xiàn)去霧，如下圖所示：

4 結(jié)束語

高維空間幾何信息學(xué)下去薄云算法能有效去除薄云對(duì)圖像清晰度的影響，增強(qiáng)圖像邊緣信息，基于Retinex算法和色度比的圖像增強(qiáng)算法克服了圖像色彩畸形與色彩偏灰等問題，實(shí)現(xiàn)去薄霧。

參考文獻(xiàn)

[1]周雨薇.基于多分辨率分析和變分的遙感圖像增強(qiáng)與融合算法研究[D].南京理工大學(xué)，2014（08）：67-69.

[2]王敏，周樹道，劉志華，黃峰，梁妙元.遙感圖像薄云薄霧的去除處理方法[J].實(shí)驗(yàn)室研究與探索，2011（02）：56-58.

[3]王守覺，梁先揚(yáng).圖像變形計(jì)算方法及其應(yīng)用[J].計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào)，2011（08）：56-58.

作者單位

湖南省永州職業(yè)技術(shù)學(xué)院 湖南省永州市 425100endprint

摘 要

遙感圖像中存在的薄云薄霧在很大程度上影響著遙感圖像清晰度，因此，本文針對(duì)含薄云薄霧的遙感圖像分別提出了基于高維空間幾何信息學(xué)的去薄云及基于Retidx算法和色度比的圖像增強(qiáng)去霧算法。

【關(guān)鍵詞】遙感圖像 去薄云薄霧 計(jì)算機(jī)算法

1 前言

云與霧是常見的自然天氣現(xiàn)象，其能降低大氣的能見度，導(dǎo)致遙感平臺(tái)不能獲取到清晰圖像，最終無法讀取到圖像中的地物信息，降低了遙感圖像的應(yīng)用價(jià)值。因此，有必要對(duì)遙感圖像進(jìn)行去薄云去薄霧處理。

2 去薄云計(jì)算機(jī)算法

2.1 基于高維空間幾何信息學(xué)的遙感圖像去薄云算法原理

薄云引起的干擾主要集中于圖像的低頻位置，很大程度上削弱了遙感圖像的高頻信息。為了有效降低干擾，恢復(fù)高頻信息的呈現(xiàn)，有研究者提出了高維空間幾何信息學(xué)理論，以此實(shí)現(xiàn)去薄云目的。

將原始遙感圖像視為高維幾何空間中的一個(gè)點(diǎn)，即把圖像映射為M×N高維空間中的矢量。假設(shè)n維空間中的圖像存在向量為A與B，A=（a1，a2，a3…ak），B=（b1，b2，b3…bk）；其計(jì)算方法為：（1）向量A的模值： ；（2）向量A，B的夾角余弦值：；（3）將向量A到向量B的投影向量記為C：；（4）向量A到向量B的垂直向量記為D：。由于遙感圖像的高低頻信息受薄云覆蓋情況影響，因此，可引入高斯濾波器h對(duì)圖像中高低頻信息進(jìn)行分離，其函數(shù)形式為。

首先，將原始向量與不同參數(shù)設(shè)置的濾波器進(jìn)行卷積運(yùn)算，得到高維空間中子空間下能夠清晰顯示通過濾波器分離出的近似于低頻信息的低頻分量；其次，利用向量C與向量D的算法將原始的遙感圖像矢量向近似低頻信息的低頻分量方向做幾何映射，以此將原始圖像空間分解為低、高頻子空間；最后，對(duì)高、低尺度子空間分別進(jìn)行抑制與增益，恢復(fù)遙感圖像的高頻信息，實(shí)現(xiàn)去除遙感圖像中薄云的目的。

2.2 基于高維空間幾何信息學(xué)的遙感圖像去薄云算法

對(duì)低、高頻子空間下的向量C與向量D分別進(jìn)行抑制與增益，實(shí)現(xiàn)去薄云增強(qiáng)目的，其算法步驟為：（1）分別利用濾波器的卷積運(yùn)算與高維幾何分解計(jì)算，將高維空間中的圖像分解至不同尺度的兩個(gè)子空間下；（2）通過抑制或增益的變換方式對(duì)不同尺度的子空間進(jìn)行測(cè)算。低尺度子空間圖像變換關(guān)系為： ，i∈[1，k]，其中cmax與cmin分別為低頻圖像中像素的最大值與最小值，?表現(xiàn)為?z；高尺度子空間圖像變換關(guān)系為 ，j∈[1，k]，其中dmax與dmin分別為低高頻圖像中像素的最大值與最小值，?表現(xiàn)為?h。通過抑制與增益的變換，能更好識(shí)別圖像中云的分布，使復(fù)原圖像的邊緣更自然，經(jīng)實(shí)驗(yàn)證明，λL=0.3與λH=10時(shí)，復(fù)原圖像將達(dá)到最佳顯示效果。（3）將經(jīng)一定變換后的兩個(gè)子空間矢量置于高維空間中進(jìn)行再次運(yùn)算，以此得到較為清晰的云效果圖像。

3 衛(wèi)星遙感去薄霧的算法

3.1 Retidx算法

Retidx算法又分單尺度Retidx算法與多尺度Retidx算法，其中，單尺度Retidx算法可表示為：L（χ，У）=I（χ，У）·R（χ，У），其中L（χ，У）、I（χ，У）及R（χ，У）分別表示圖像中（χ，У）位置上的像素亮度值、照明強(qiáng)度函數(shù)及反射函數(shù)。存在較小標(biāo)準(zhǔn)差σ的圖像經(jīng)增色后，能有效突出圖像的細(xì)節(jié)信息，但存在較大標(biāo)準(zhǔn)差σ的圖像，其卻只能顯示出原圖像的色調(diào)，因此，其去霧效果不明顯；多尺度Retidx算法可表示為（l=1，2，3），其中，l=1、l=2及l(fā)=3分別對(duì)應(yīng)紅色、綠色及藍(lán)色通道，Wk與k分別表示Fk計(jì)算結(jié)果的對(duì)應(yīng)權(quán)重值與尺度常數(shù)。

多尺度Retidx算法比單尺度Retidx算法的圖像增強(qiáng)效果更理想，能呈現(xiàn)原圖像的色調(diào)及細(xì)節(jié)信息，再現(xiàn)彩色圖像。

3.2 基于Retidx算法和色度比的圖像增強(qiáng)算法

Retidx算法雖然對(duì)灰度、彩色圖像具有一定色彩增強(qiáng)作用，但其無法提高含霧圖像的對(duì)比度，因此，必須對(duì)Retidx算法處理過的圖像直方圖進(jìn)行校正。當(dāng)處理過的圖像超出了顯示設(shè)備所能顯示的灰度范圍，其相應(yīng)的圖像對(duì)比度將會(huì)降低，從而影響觀察者對(duì)圖像中細(xì)節(jié)信息的捕獲，為此，可對(duì)其進(jìn)行對(duì)比度的線性拉伸；針對(duì)分辨率為M×N的8位量化圖像，可將圖像的灰度范圍拉伸至[0，255]。

在正態(tài)分布中，若圖像的灰度均值為?，標(biāo)準(zhǔn)差為σ，其大部分像素將落于[?-3σ，?+3σ]區(qū)間內(nèi)，采用多尺度Retinex算法對(duì)上述圖像進(jìn)行直方圖的線性拉伸，尺度常數(shù)分別取15、80、250，便可實(shí)現(xiàn)簡(jiǎn)單去霧效果圖。

多尺度的Retinex算法無法有效去除彩色圖像中的含霧部分，導(dǎo)致圖像色彩偏灰，因此，筆者給每個(gè)像素加入了色度比信息，假設(shè)其尺度常數(shù)分別為15、80、250，則可計(jì)算出R、G、B三個(gè)譜段的去霧結(jié)果，對(duì)計(jì)算結(jié)果中每個(gè)譜段進(jìn)行一定的線性拉伸并合成彩色圖像，實(shí)現(xiàn)去霧，如下圖所示：

4 結(jié)束語

高維空間幾何信息學(xué)下去薄云算法能有效去除薄云對(duì)圖像清晰度的影響，增強(qiáng)圖像邊緣信息，基于Retinex算法和色度比的圖像增強(qiáng)算法克服了圖像色彩畸形與色彩偏灰等問題，實(shí)現(xiàn)去薄霧。

參考文獻(xiàn)

[1]周雨薇.基于多分辨率分析和變分的遙感圖像增強(qiáng)與融合算法研究[D].南京理工大學(xué)，2014（08）：67-69.

[2]王敏，周樹道，劉志華，黃峰，梁妙元.遙感圖像薄云薄霧的去除處理方法[J].實(shí)驗(yàn)室研究與探索，2011（02）：56-58.

[3]王守覺，梁先揚(yáng).圖像變形計(jì)算方法及其應(yīng)用[J].計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào)，2011（08）：56-58.

作者單位

湖南省永州職業(yè)技術(shù)學(xué)院 湖南省永州市 425100endprint