基于加權(quán)融合的環(huán)境遙感圖像增強(qiáng)算法

安 源，蔡朝暉，孫 濤，馬英瑞，劉 春*

（大慶師范學(xué)院 計(jì)算機(jī)科學(xué)與信息技術(shù)學(xué)院，黑龍江 大慶）

引言

環(huán)境遙感在環(huán)境研究領(lǐng)域中起著非常重要的作用。它廣泛用于自然資源調(diào)查、環(huán)境監(jiān)測評價(jià)和植被提取等任務(wù)，為社會發(fā)展帶了巨大的環(huán)境效益[1]。然而，原始環(huán)境遙感圖像經(jīng)常面臨噪聲引起的圖像質(zhì)量問題，阻礙了后續(xù)的數(shù)據(jù)處理。實(shí)證研究表明，環(huán)境遙感圖像增強(qiáng)作為一種環(huán)境遙感圖像預(yù)處理手段，促進(jìn)了圖像質(zhì)量提升技術(shù)和圖像質(zhì)量評價(jià)方法的發(fā)展[2]，在提高目視解譯效果[3]和植被提取精度方面發(fā)揮著重要作用[4]。因此，在植被提取前進(jìn)行環(huán)境遙感圖像質(zhì)量提升已成為環(huán)境遙感圖像處理的必要環(huán)節(jié)。

目前，環(huán)境遙感圖像質(zhì)量提升的研究主要集中在兩個(gè)方面。一是基于直方圖的對比度增強(qiáng)方法研究。相關(guān)研究人員基于全局或局部直方圖設(shè)計(jì)灰度映射函數(shù)，以增強(qiáng)對比度并獲取更多細(xì)節(jié)信息[5-7]。然而，這些算法存在過度增強(qiáng)某些區(qū)域的問題，導(dǎo)致圖像質(zhì)量下降。二是基于加權(quán)平均融合的增強(qiáng)方法研究。相關(guān)研究人員利用像素灰度權(quán)重系數(shù)的選擇和分配來提升圖像質(zhì)量[8-10]，但這些增強(qiáng)算法缺乏統(tǒng)一有效的權(quán)重系數(shù)設(shè)定標(biāo)準(zhǔn)，導(dǎo)致權(quán)重系數(shù)和圖像質(zhì)量不穩(wěn)定。因此，有必要結(jié)合這兩個(gè)方面的相關(guān)研究基礎(chǔ)，設(shè)計(jì)一種環(huán)境遙感圖像質(zhì)量提升方法，用于植被提取前的環(huán)境遙感圖像預(yù)處理。

1 本文算法

為了突出植被特征，本文從同一研究區(qū)域的Landsat ETM+環(huán)境遙感圖像中選取波段1 到波段4進(jìn)行研究，提出了一種基于加權(quán)融合的環(huán)境遙感圖像增強(qiáng)算法。該算法描述如下：

1.1 構(gòu)造灰度變換函數(shù)

1.2 設(shè)計(jì)灰度加權(quán)系數(shù)

首先，計(jì)算每個(gè)像素對應(yīng)的兩個(gè)灰度。對原始單波段圖像進(jìn)行直方圖均衡化，得到各像素點(diǎn)的灰度H(H= 255p)；利用公式(3)對原始單波段圖像進(jìn)行灰度拉伸，得到各像素點(diǎn)的灰度Ci。

其次，設(shè)計(jì)各像素點(diǎn)的灰度加權(quán)系數(shù)。利用每個(gè)像素對應(yīng)的灰度Hi和Ci，得到兩者的占比w1和w2。將w1作為灰度Ci的加權(quán)系數(shù)，w2作為像素灰度Hi的加權(quán)系數(shù)。

1.3 加權(quán)融合

2 實(shí)驗(yàn)結(jié)果與分析

本文實(shí)驗(yàn)數(shù)據(jù)來源于Landsat-7 衛(wèi)星提供的ETM+環(huán)境遙感圖像。其中，實(shí)驗(yàn)圖像來自兩個(gè)典型地區(qū)：大慶地區(qū)和浙江地區(qū)，云量均為0。這是因?yàn)榇髴c地處中緯度地區(qū)，以平原低地為主，土壤相對裸露，湖泊濕地眾多。而浙江位于低緯度地區(qū)，以山地丘陵為主，植被蔥郁，水系發(fā)達(dá)。

2.1 實(shí)驗(yàn)結(jié)果

對各波段圖像分別進(jìn)行原始波段合成、CLAHE、加權(quán)平均融合和本文方法增強(qiáng)。并對合成的真彩色圖像分別生成灰度直方圖。采用同一局部區(qū)域的圖像來展示真彩色圖像的細(xì)節(jié)信息，見圖1 和圖2。

2.2 結(jié)果分析

本文采用主觀評價(jià)和客觀評價(jià)兩種遙感圖像質(zhì)量評價(jià)方法對實(shí)驗(yàn)結(jié)果進(jìn)行分析。

2.2.1 主觀評價(jià)

采用目視判讀的方式進(jìn)行主觀評價(jià)。對圖1 和圖2 的真彩色合成圖像分析可知：(a)圖像整體亮度偏暗，目視判讀困難；(b)圖像亮度偏暗，局部地貌特征如植被特征對比不明顯；(c)圖像的整體亮度偏暗，對比不明顯，對湖泊、河流、山地、植被等特征呈現(xiàn)偏淺灰的顏色；(d)圖像的整體亮度和色彩適中，湖泊、河流、植被、山地等對比清晰、易區(qū)分，較符合真實(shí)地貌特征。對圖1 和圖2 中的直方圖分析可知：(a)圖像的灰度分布偏左側(cè)且集中在較窄的范圍內(nèi)；(b)圖像和(c)圖像的灰度雖然在0～255 間進(jìn)行了拉伸，但是灰度主要集中分布在左側(cè)；(d)圖像的灰度在0～255 間進(jìn)行了較適合的拉伸，充滿整個(gè)灰度級區(qū)間?？梢姡疚姆椒▽D像灰度進(jìn)行了較適合的拉伸，增強(qiáng)后的圖像整體亮度適中，色彩豐富，能較清晰的反應(yīng)出不同地物特征細(xì)節(jié)的反差。因此，基于本文方法增強(qiáng)后的圖像質(zhì)量更好。

圖1 大慶地區(qū)真彩色圖像及對應(yīng)灰度直方圖

圖2 浙江地區(qū)真彩色圖像及對應(yīng)灰度直方圖

2.2.2 客觀評價(jià)

選擇信息熵、標(biāo)準(zhǔn)差、對比度和平均梯度四個(gè)評價(jià)指標(biāo)，客觀評價(jià)得到的真彩色圖像質(zhì)量。信息熵反映了圖像的信息量，可以體現(xiàn)圖像細(xì)節(jié)信息的豐富程度。標(biāo)準(zhǔn)差反映了像素灰度值與灰度均值的離散程度，可以解釋圖像邊緣的清晰度。而對比度能夠反映出圖像的清晰度和色彩，平均梯度可以有效地反映圖像的層數(shù)、清晰度和邊緣細(xì)節(jié)。由表1 可知，在信息熵、標(biāo)準(zhǔn)差、對比度和平均梯度評價(jià)指標(biāo)方面，本文方法均優(yōu)于前兩種方法。

表1 信息熵、標(biāo)準(zhǔn)差、對比度和平均梯度

3 結(jié)論

為了提高環(huán)境遙感圖像的質(zhì)量，本文提出一種基于加權(quán)融合的環(huán)境遙感圖像增強(qiáng)算法。該算法通過構(gòu)建灰度變換函數(shù)提高圖像對比度，并設(shè)計(jì)灰度加權(quán)系數(shù)實(shí)現(xiàn)像素灰度加權(quán)融合，從而實(shí)現(xiàn)圖像增強(qiáng)。實(shí)驗(yàn)結(jié)果表明，該方法可以有效提高環(huán)境遙感圖像質(zhì)量，便于對環(huán)境研究目標(biāo)進(jìn)行目視解譯。本文也存在一些不足之處，如每個(gè)像素灰度拉伸系數(shù)中使用的尺度因子不能根據(jù)原始圖像自適應(yīng)調(diào)整，這將在下一步進(jìn)行研究和探討。