王

(安徽新華學(xué)院，安徽 合肥 230088)

基于空間域與頻域的遙感圖像增強(qiáng)算法

(安徽新華學(xué)院，安徽 合肥 230088)

為了解決遙感圖像特征不明顯而影響后期圖像分析結(jié)果的問(wèn)題，提出了基于空間域與頻域的遙感圖像增強(qiáng)算法。首先，根據(jù)直方圖灰度級(jí)分布特性，設(shè)計(jì)基于直方圖均衡化的圖像預(yù)處理算子。其次，分析拉普拉斯銳化濾波，建立基于二階微分的圖像增強(qiáng)機(jī)制，達(dá)到從空間域增強(qiáng)圖像質(zhì)量的目的。最后，根據(jù)頻域噪聲分布特性，構(gòu)建巴特沃斯核模型，設(shè)計(jì)巴特沃斯低通濾波器，以消除高通噪聲，從頻域角度增強(qiáng)遙感圖像。實(shí)驗(yàn)測(cè)試結(jié)果表明，與當(dāng)前遙感圖像增強(qiáng)技術(shù)相比，此算法擁有更高的增強(qiáng)效果，更好地保留了圖像的亮度與色度信息。

遙感圖像增強(qiáng)；直方圖均衡化；銳化濾波；巴特沃斯核；巴特沃斯低通

0 引言

隨著計(jì)算機(jī)技術(shù)、地理學(xué)和航空航天拍攝掃描技術(shù)的飛速發(fā)展，地理信息系統(tǒng)這個(gè)綜合領(lǐng)域得到發(fā)展的同時(shí)，其發(fā)揮的作用越來(lái)越得到重視[1,2]。地理信息系統(tǒng)應(yīng)用在軍事、地理和天氣領(lǐng)域，也可用于地形實(shí)時(shí)觀察、天氣預(yù)測(cè)和地表變化等[3，4]。地理信息系統(tǒng)是航空拍攝、計(jì)算機(jī)科學(xué)、地理學(xué)和微電子學(xué)多學(xué)科綜合產(chǎn)物。首先，由飛機(jī)航空拍攝或者飛行器航天掃描完成前期取像；其次，采用計(jì)算機(jī)數(shù)字圖像處理技術(shù)對(duì)初始圖像進(jìn)行處理，達(dá)到預(yù)期效果；最后，采用圖像分析技術(shù)完成計(jì)算機(jī)對(duì)遙感圖像的理解。目前前期拍攝掃描技術(shù)較為成熟，問(wèn)題集中在影像采集后的增強(qiáng)處理，目的是優(yōu)化圖像質(zhì)量、突出遙感圖像特征，以為后續(xù)遙感圖像信息提取與處理。如呂篤良[5]提出了基于非下采樣剪切波變換與引導(dǎo)濾波結(jié)合的遙感圖像增強(qiáng)，通過(guò)NSST被分解成低頻子帶和高頻子帶兩部分；然后,對(duì)低頻子帶進(jìn)行線性增強(qiáng),提高整體對(duì)比度;采用自適應(yīng)閾值法抑制高頻子帶的噪聲,再對(duì)去噪后的高頻子帶進(jìn)行引導(dǎo)濾波增強(qiáng),提高圖像的細(xì)節(jié)信息和邊緣梯度保持能力；最后,對(duì)兩部分子帶進(jìn)行NSST反變換,得到增強(qiáng)后的圖像。但是，此技術(shù)依靠空間域?qū)Υ髷?shù)據(jù)樣本做處理，如果空間域特征不明顯，往往會(huì)影響增強(qiáng)效果。鐘志群[6]提出了Retinex算法衛(wèi)星遙感圖像增強(qiáng)的應(yīng)用,采用小波多尺度分解方法進(jìn)行衛(wèi)星遙感圖像的降噪預(yù)處理,在特征模板中提取衛(wèi)星遙感圖像的多尺度Retinex顏色特征分量,在Retinex顏色特征基礎(chǔ)上融合衛(wèi)星遙感圖像的邊緣輪廓特征點(diǎn),通過(guò)模板自適應(yīng)匹配實(shí)現(xiàn)衛(wèi)星遙感圖像的增強(qiáng)。然而，這種技術(shù)未充分考慮頻域高通噪聲不穩(wěn)定的情況，在針對(duì)頻域噪聲分布不均時(shí)，往往不能準(zhǔn)確增強(qiáng)。

為了提高遙感圖像增強(qiáng)效果，本文結(jié)合空間域與頻域的增強(qiáng)技術(shù)優(yōu)勢(shì)，應(yīng)用遙感圖像增強(qiáng)處理。根據(jù)圖像像素灰度分布性，設(shè)計(jì)出先直方圖均衡化，后拉普拉斯銳化濾波的圖像空間域增強(qiáng)。根據(jù)頻域噪聲高通特性，設(shè)計(jì)巴特沃斯低通濾波，從頻域角度完成遙感圖像增強(qiáng)處理。

1 基于空間域與頻域遙感圖像增強(qiáng)算法

為了解決遙感圖像特征不明顯而難以準(zhǔn)確充分增強(qiáng)的問(wèn)題，本文從空間域與頻域兩個(gè)方面入手，提出了基于空間域與頻域的遙感圖像增強(qiáng)算法，其過(guò)程見(jiàn)圖1。首先，根據(jù)直方圖灰度級(jí)分布特性，設(shè)計(jì)基于直方圖均衡化的圖像預(yù)處理算子。其次，構(gòu)建巴特沃斯核模型，分析拉普拉斯銳化濾波，建立基于二階微分的圖像增強(qiáng)處理，達(dá)到從空間域增強(qiáng)圖像質(zhì)量的目的。再次，構(gòu)建巴特沃斯核模型，設(shè)計(jì)巴特沃斯低通濾波器，消除高通噪聲，從頻域角度增強(qiáng)遙感圖像。最后，基于軟件工程，把以上方法逐個(gè)實(shí)現(xiàn)，并集成在圖像增強(qiáng)系統(tǒng)中。

1.1 基于空間域的遙感圖像增強(qiáng)

本文增強(qiáng)對(duì)象是初始的遙感圖像。先從空間域入手，分析圖像直方圖特性，直方圖作為圖像分析工具，描述了一幅圖像灰度級(jí)內(nèi)容，本文采用直方圖均衡化方法處理，來(lái)達(dá)到增強(qiáng)圖像對(duì)比度的效果。

假設(shè)r、s分別代表原始圖像和變換后圖像在坐標(biāo)(x,y)處的灰度值，灰度級(jí)總數(shù)為256個(gè)，r、s在[0,255]范圍內(nèi)單值單增，保證變換前后灰度值動(dòng)態(tài)范圍一致性，增強(qiáng)變換公式如下：

s=T(r)

(1)

式中，T為增強(qiáng)變換函數(shù)，灰度級(jí)r為灰度區(qū)間上的隨機(jī)變量。變換函數(shù)是原圖像的累積分布函數(shù)[7]，其灰度級(jí)為：

(2)

式中，rk為第k個(gè)灰度級(jí)，nk為第k級(jí)灰度像素?cái)?shù)，N為圖像像素總數(shù)，P(rk)代表灰度級(jí)為rk像素出現(xiàn)的概率，對(duì)其進(jìn)行均勻化變換，函數(shù)[8]為：

(3)

由上對(duì)初始像素r進(jìn)行變換得結(jié)果像素s，完成直方圖均衡化處理。然后采用二階微分算子(拉普拉斯)，做圖像邊緣銳化處理。二階微分拉普拉斯處理公式如下：

(4)

式中L(f(x,y))為拉普拉斯銳化算子對(duì)圖像f(x,y)處理結(jié)果。結(jié)合直方圖均衡化和二階微分作為空間域增強(qiáng)。處理原圖為圖2，可見(jiàn)遙感圖像對(duì)比度和清晰度不明顯，經(jīng)過(guò)本文的空間域增強(qiáng)處理，得結(jié)果如圖3所示，可見(jiàn)明顯提高了圖像增強(qiáng)效果。

1.2 基于頻域的遙感圖像增強(qiáng)

得到空間域增強(qiáng)處理圖像后，開(kāi)始使用頻域處理，本文基于巴特沃斯低通濾波，對(duì)全局噪聲進(jìn)行處理。首先巴特沃斯核函數(shù)公式如下：

(5)

式中，H代表巴特沃斯核函數(shù)，D為頻域截止頻率，n為函數(shù)階，D(u,v)為頻率點(diǎn)(u,v)到頻率平面原點(diǎn)的距離[9]：

(6)

得到式5的巴特沃斯核模型，進(jìn)行巴特沃斯低通濾波處理：

B(u,v)=D(u,v)·H(u,v)

(7)

其中，B(u,v)代表巴特沃斯低通濾波結(jié)果，來(lái)自頻域圖像與巴特沃斯核的卷積運(yùn)算結(jié)果[10]。處理原始圖像(圖3)，得到增強(qiáng)效果圖(圖4)。本節(jié)算法流程如圖5所示。

2 實(shí)驗(yàn)與討論

本算法通過(guò)增強(qiáng)技術(shù)結(jié)合空間域與頻域?qū)崿F(xiàn)遙感圖像有效增強(qiáng)，提高了圖像對(duì)比度和清晰度，而傳統(tǒng)方式單純只依靠空間域或者頻域增強(qiáng)算法。將增強(qiáng)性能較好的技術(shù)—文獻(xiàn)[5]、文獻(xiàn)[6]設(shè)為對(duì)照組，并基于VS2015平臺(tái)開(kāi)發(fā)實(shí)現(xiàn)，算法實(shí)驗(yàn)參數(shù)為：直方圖灰度級(jí)(255)、均衡化亮度(200)、拉普拉斯核(0.75)、巴特沃斯核(0.86)。

待處理圖如圖6所示，圖像中地面特征較為模糊、亮度和對(duì)比度不足。本文首先結(jié)合直方圖均衡化與二階微分圖像處理，形成空間域增強(qiáng)方法，處理結(jié)果如圖7所示，可見(jiàn)亮度與對(duì)比度有明顯提高。然后根據(jù)巴特沃斯核，設(shè)計(jì)頻域增強(qiáng)算子，進(jìn)行低通去噪處理，如圖8所示，圖像進(jìn)一步清晰化。綜合分析可見(jiàn)，本文設(shè)計(jì)的遙感圖像增強(qiáng)算法優(yōu)化了初始成像效果不佳的遙感圖像。

利用對(duì)照組文獻(xiàn)[5]技術(shù)處理圖6時(shí)，此技術(shù)依靠空間域?qū)Υ髷?shù)據(jù)樣本做處理，在空間域特征不明顯，往往影響了增強(qiáng)效果，如圖9所示,且對(duì)比度和清晰度不足，沒(méi)有得到理想增強(qiáng)效果。

而利用文獻(xiàn)[6]技術(shù)處理圖6時(shí)，由于這種技術(shù)未充分考慮頻域高通噪聲不穩(wěn)定的情況，在針對(duì)頻域噪聲分布不均時(shí)，往往會(huì)造成增強(qiáng)質(zhì)量不佳，如圖10所示，且對(duì)比度和清晰度不足，沒(méi)有得到理想增強(qiáng)效果。

3 結(jié)論

為了解決遙感圖像特征不明顯，影響后期圖像分析結(jié)果的問(wèn)題，本文提出了結(jié)合空間域與頻域的遙感圖像增強(qiáng)算法。首先，根據(jù)直方圖灰度級(jí)分布特性，設(shè)計(jì)基于直方圖均衡化的圖像預(yù)處理方法。其次，分析拉普拉斯銳化濾波，建立基于二階微分的圖像增強(qiáng)處理，達(dá)到從空間域增強(qiáng)圖像質(zhì)量的目的。最后，構(gòu)建巴特沃斯核模型，設(shè)計(jì)巴特沃斯低通濾波器，消除高通噪聲，從頻域角度增強(qiáng)遙感圖像。實(shí)驗(yàn)結(jié)果表明：相較普通技術(shù)，本文算法具有更好的增強(qiáng)效果。

[1]ShaoshengSun.ImageEnhancementAlgorithmbasedonImprovedFuzzyFilter[J].JournalofMultimedia,2014,9(1)：138-144.

[2] 李哲學(xué).改進(jìn)高斯混合模型的遙感圖像增強(qiáng)方法[J].激光雜志，2016,12(7):31-34.

[3]YuXiong,JunLi,XiaoqingZuo.ResearchonanEdgeDetectionAlgorithmofRemoteSensingImageBasedonWaveletEnhancementandMorphology[J].JournalofComputers,2014,9(5):1247-1252.

[4]T.GaneshKumar,D.Murugan,K.Rajalakshmi.ImageenhancementandperformanceevaluationusingvariousfiltersforIRS-P6SatelliteLissIVremotelysenseddata[J].Geofizika,2015,32(2):179-189.

[5] 呂篤良.基于非下采樣剪切波變換與引導(dǎo)濾波結(jié)合的遙感圖像增強(qiáng)[J].計(jì)算機(jī)應(yīng)用，2016,36(10):2880-2884.

[6] 鐘志群.Retinex算法衛(wèi)星遙感圖像增強(qiáng)的應(yīng)用[J].激光雜志,2016,12(10):106-110.

[7]A.J.Hayter,S.Kiatsupaibul,P.Napalai.SimultaneousInferencesontheCumulativeDistributionFunctionofaNormalDistribution[J].CommunicationsinStatistics-TheoryandMethods,2015,44(24):5136-5145.

[8] 阿依古力·吾布力.基于Shearlet變換和多尺度Retinex的遙感圖像增強(qiáng)算法[J].計(jì)算機(jī)工程與應(yīng)用，2015,35(1):202-205.

[9]XiaotingPu,ZhenhongJia,LiejunWang.Theremotesensingimageenhancementbasedonnonsubsampledcontourlettransformandunsharpmasking[J].ConcurrencyComputat,2014,26(3):742-747.

[10] 張宇.多尺度圖像分割和顏色傳遞的遙感圖像彩色化增強(qiáng)[J].測(cè)繪學(xué)報(bào)，2015,44(1):76-81.

Remote Sense Image Enhancement Algorithm Based on Spatial Domain and Frequency Domain

WANGFan

(AnhuiXinhuaUniversity,Hefei230088,China)

In order to solve the problem that the feature of remote sensing image is not obvious and affect the results of later image analysis, a remote sensing image enhancement algorithm based on spatial domain and frequency domain is proposed. Firstly, according to the region of interest image, an image preprocessing operator based on histogram equalization is designed. Then Laplace sharpening filter is analyzed, and the image enhancement based on two order differential is established. Finally, according to the noise distribution in the frequency domain, construct Gauss kernel model and design Gauss low-pass filter to eliminate high pass noise as well as enhance remote sensing image in the frequency domain. The experimental test results showed that: compared with the current remote sensing image enhancement technology, this algorithm has higher performance enhancement.

remote sense image enhancement; histogram equalization; sharpening filter; Gauss kernel; Gauss low-pass

2016-12-27

TP391

A

1674-3229(2017)01-0039-03