田小平,李曉敏
(西安郵電大學(xué) 電子工程學(xué)院,陜西 西安710121)
根據(jù)采集方式的差異,遙感圖像主要分為衛(wèi)星遙感圖像與航空遙感圖像兩大類[1]。遙感圖像在許多領(lǐng)域都起到了很重要的作用,如交通、氣象、測(cè)繪、農(nóng)業(yè)、災(zāi)害監(jiān)測(cè)。各個(gè)應(yīng)用領(lǐng)域都是通過(guò)對(duì)遙感圖像的處理、解譯來(lái)解決實(shí)際問(wèn)題的。
隨著人們對(duì)遙感圖像的品質(zhì)不斷增長(zhǎng)的需求,遙感圖像的對(duì)比度增強(qiáng)技術(shù)也越來(lái)越重要。目前常用的遙感圖像增強(qiáng)方法有直方圖均衡化方法[2]和多尺度Retinex增強(qiáng)算法[3]。現(xiàn)有的基于直方圖的對(duì)比度增強(qiáng)的方法會(huì)使圖像在低亮度區(qū)域和高亮度區(qū)域?qū)Ρ榷冗^(guò)飽和[4]。多尺度Retinex增強(qiáng)算法在增強(qiáng)圖像對(duì)比度的同時(shí)會(huì)放大圖像噪聲。遙感圖像加強(qiáng)算法不僅需要提高圖像的對(duì)比度,有效地抑制圖像噪聲,而且應(yīng)當(dāng)使低亮度區(qū)域和高亮度區(qū)域的像素失真減到最小。因此,本文嘗試用一種基于小波變換和亮度相結(jié)合的方法增強(qiáng)遙感圖像,并通過(guò)實(shí)驗(yàn)驗(yàn)證其圖像增強(qiáng)效果。
針對(duì)遙感圖像提出一個(gè)基于小波變換的新的對(duì)比度加強(qiáng)算法,首先對(duì)輸入圖像進(jìn)行離散余弦變換,將圖像分解為四個(gè)子帶[5]。分別為水平低通、垂直低通(Low Low,LL)子帶,水平高通、垂直低通(High Low,HL)子帶,水平低通、垂直高通(Low High,LH)子帶,水平高通、垂直高通(High High,HH)子帶。把得到的LL子帶進(jìn)行主要亮度層分析以后進(jìn)行分解,得到低亮度層,中亮度層和高亮度層。對(duì)每個(gè)亮度層的自適應(yīng)亮度傳遞函數(shù)進(jìn)行估計(jì)[6],繼而對(duì)三個(gè)亮度層分別進(jìn)行對(duì)比度增強(qiáng)。所有的對(duì)比度加強(qiáng)層與適當(dāng)?shù)臑V波相融合,經(jīng)過(guò)處理的LL子帶,連同未處理的HL,LH,HH子帶用逆離散小波變換得到最后的圖像。算法流程圖如圖1所示。
圖1 對(duì)比度加強(qiáng)算法流程
為了使用低頻亮度分量,選取256×256,灰度級(jí)為256的遙感圖像(圖2)進(jìn)行離散小波變換(Discrete Cosine Transform,DWT)[7],利 用 haar 函數(shù)[8]對(duì)圖像進(jìn)行一級(jí)分解,從而將輸入圖像分解成一組頻帶受限成分,為HH,HL,LH,LL子帶。由于小波系數(shù)的分布特點(diǎn)是從低頻子帶到高頻子帶,系數(shù)值不斷減小,包含的圖像信息逐漸變少,對(duì)視覺(jué)而言低頻子帶更重要,因此只保留低頻子帶,如圖3所示。
圖2 原始圖像
圖3 低頻子帶圖
為了更好地抑制圖像噪聲,對(duì)離散小波變換處理后得到的LL子帶進(jìn)行亮度增強(qiáng)[9],即
其中S是包含(x,y)的矩形區(qū)域,L(x,y)是像素強(qiáng)度,NL是S中的像素總數(shù),ε是一個(gè)足夠小的常數(shù),這個(gè)常數(shù)能夠阻止對(duì)數(shù)函數(shù)發(fā)散到負(fù)無(wú)窮大。在實(shí)驗(yàn)中ε取0.001,NL取9。亮度變化后的圖像如圖4所示。
圖4 亮度變化后的圖像
若不考慮亮度分布,對(duì)比度增強(qiáng)圖像可能會(huì)亮度失真。為克服此問(wèn)題,把輸入圖像分解成單一的三個(gè)亮度層。分解結(jié)果如圖5所示。
低亮度層的主要亮度比預(yù)先設(shè)定的最低限要低,中亮度層的主要亮度界于最高限和最低限之間。標(biāo)準(zhǔn)的主要亮度變化范圍為0~1,而實(shí)際上大多數(shù)圖像的亮度變化范圍為0.5~0.6。為了更合理的包含主要亮度的實(shí)用范圍,分別把0.4和0.7作為最低限和最高限。
圖5 分解得到的三個(gè)亮度層
由于遙感圖像在空間變化范圍內(nèi)有亮度分布,在每一個(gè)亮度范圍內(nèi)通過(guò)使用膝傳遞函數(shù)和伽馬調(diào)節(jié)函數(shù)[10]估計(jì)一個(gè)自適應(yīng)對(duì)比度增強(qiáng)的最佳傳遞函數(shù)。三個(gè)亮度層在對(duì)比度增強(qiáng)前后的拐點(diǎn)及變化曲線,如圖6所示。
圖6 三個(gè)亮度層的拐點(diǎn)及變化曲線
圖6 (a)表示圖像增強(qiáng)前三個(gè)亮度層的拐點(diǎn)變化,bl是下界亮度,bk是上界亮度。
圖6(b)表示三個(gè)亮度層的自適應(yīng)亮度傳遞函數(shù)。
可以看出,在低亮度層,圖像的一個(gè)單一的拐點(diǎn)可以表示為[11]
其中bl是下限,wl是調(diào)整參數(shù),ml是在低亮度層的亮度平均值。
同理,在高亮度層,相應(yīng)的拐點(diǎn)表示為
其中bh是上限,wh是調(diào)整參數(shù),mh是高亮度層的平均亮度。
在中亮度層,兩個(gè)拐點(diǎn)表示為
其中wm是調(diào)整參數(shù),mm是中亮度層的平均亮度。
圖像的對(duì)比度通過(guò)調(diào)整參數(shù)wi(i=l,m,h)決定,隨著wi的增加,對(duì)比度也在加強(qiáng),得到的圖像是飽和的。為了減少圖像的偽影,只強(qiáng)調(diào)對(duì)中強(qiáng)度調(diào)整參數(shù)wm的調(diào)節(jié)。
測(cè)試結(jié)果如圖7所示。
圖7 三個(gè)亮度層增強(qiáng)后的圖像
由于膝傳遞函數(shù)可能會(huì)在低亮度層和高亮度層使圖像細(xì)節(jié)扭曲,則需要使用伽馬調(diào)節(jié)函數(shù)對(duì)圖像進(jìn)行額外補(bǔ)償[10],即
其中Mk(k=l,m,h)為每部分亮度范圍的大小,如而L是灰度值,γ是預(yù)先設(shè)定的常量。預(yù)先設(shè)定的常量γ能夠被用來(lái)調(diào)節(jié)局部的圖像對(duì)比度。隨著γ的增長(zhǎng),所產(chǎn)生的圖像是圍繞飽和的。測(cè)試圖像如圖8所示。
圖8 三個(gè)亮度層進(jìn)行額外補(bǔ)償后的圖像
從低、中、高亮度層提取出最重要的兩個(gè)比特,用于產(chǎn)生加權(quán)圖[12],并且算出每一層的兩比特值的總和。為了消除不自然的融合邊界,選擇有兩個(gè)最大總和的加權(quán)圖,融合圖像F被估計(jì)為[13]
其中W1是最大的加權(quán)圖,W2是第二大的加權(quán)圖,cl是低亮度層的對(duì)比度增強(qiáng)亮度,cm是中亮度層的對(duì)比度增強(qiáng)亮度,ch是高亮度層的對(duì)比度增強(qiáng)亮度。
經(jīng)過(guò)融合的LL子帶連同未被處理的HL、LH、HH子帶通過(guò)逆離散小波變換重構(gòu)成最終的增強(qiáng)圖像。
為了評(píng)估新算法的性能,選用直方圖均衡化方法和多尺度Retinex方法分別對(duì)圖2進(jìn)行圖像增強(qiáng)。利用MATLAB7.0軟件對(duì)三種增強(qiáng)圖像進(jìn)行仿真,多尺度Retinex算法的尺度分別取20,90,260,權(quán)重均為1/3。三種方法的增強(qiáng)效果對(duì)比圖如圖9所示。
圖9 遙感圖像增強(qiáng)效果對(duì)比
由圖9可以看出,直方圖均衡化方法處理過(guò)的圖像沒(méi)有維持平均亮度水平,出現(xiàn)了圖像飽和度過(guò)高和過(guò)低的現(xiàn)象。多尺度Retinex算法雖然改善了圖像的亮度均勻性,但是并沒(méi)有突出遙感圖像的細(xì)節(jié)特征。而用基于小波變換的圖像增強(qiáng)方法對(duì)遙感圖像進(jìn)行了亮度調(diào)節(jié),有效地增強(qiáng)了圖像對(duì)比度并且抑制了圖像噪聲,改善了圖像的整體增強(qiáng)效果。
通過(guò)使用圖像主要亮度層分析和自適應(yīng)亮度變換為遙感圖像提出了一個(gè)新的對(duì)比度加強(qiáng)方法。經(jīng)過(guò)處理的LL子帶,連同未處理的HL,LH,HH子帶用逆離散小波變換得到最終圖像。新算法有效地加強(qiáng)了圖像的整體質(zhì)量,抑制了圖像噪聲,并且使局部細(xì)節(jié)可見(jiàn)。
[1]張德豐.MATLAB數(shù)字圖像處理[M].2版.北京:機(jī)械工業(yè)出版社,2012:399-409.
[2]YU Wang,QIAN Chen,ZHANG Baomin.Image enhancement based on equal area dualistic sub-image histogram equalization method[J].IEEE Transactions on Consumer Electronics,1999,45(1):68-75.
[3]宋凱,沈紅.多尺度Retinex灰度圖像增強(qiáng)算法[J].遼寧大學(xué)學(xué)報(bào),2008,35(1):16-28.
[4]Park Gyu-Hee,Cho Hwa-Hyun,Choi Myung-Ryul.A contrast enhancement method using dynamic range separate histogram equalization[J].IEEE Transactions on Consumer Electronics,2008,54(4):1981-1987.
[5]董梁,朱佳婷.基于整數(shù)小波變換的圖像融合算法[J].西安郵電學(xué)院學(xué)報(bào),2006,11(5):107-109.
[6]王曉峰.基于自適應(yīng)傳遞函數(shù)估計(jì)方法[J].艦船科學(xué)技術(shù),2011,33(11):38-49.
[7]張鳳晶,程紅,孫文邦.基于小波變換的圖像融合方法研究[J].影像技術(shù),2010,6(1):15-18.
[8]楊力華,戴道清,黃文良.信號(hào)處理小波導(dǎo)引[M].2版.北京:機(jī)械工業(yè)出版社,2002:166-239.
[9]Guang Deng.An Entropy Interpretation of the Logarithmic Image Processing Model With Application to Contrast Enhancement[J].IEEE Transactions on Image Processing,2009,18(5):1135-1140.
[10]LEE S.An efficient Content-Based image enhancement in the compressed domain using retinex theory[J].IEEE Transactions on Circuits and Systems for Video Technology,2007,17(2):199-213.
[11]Monobe Y,Yamashita H,Kurosawa T,el at.Dynamic range compression preserving local image contrast for digital video camera[J].IEEE Transactions on Consum Electron,2005,51(1):1-10.
[12]陶冰潔,王敬儒.采用小波分析的圖像融合方法評(píng)述[J].計(jì)算機(jī)工程與應(yīng)用,2005,25(1):17-19.
[13]龍燕,姜威.基于小波變換的圖像融合研究[D].濟(jì)南:山東大學(xué),2008:21-26.