[发明专利]一种有雾遥感图像复原方法

说明书

本申请涉及一种有雾遥感图像复原方法。包括：在单次大气散射模型的基础上，建立基于大气微点光源主动照明的遥感图像退化模型，通过所述遥感图像退化模型获取原始有雾遥感图像的光晕分量；根据所述光晕分量去除所述原始有雾遥感图像的大气多散射作用与非均匀性，并将原始有雾遥感图像分为光晕图像和去除光晕后的雾霾图像；采用单次大气散射模型对所述去除光晕后的雾霾图像进行透过率及大气光估计，采用暗通道先验图像去雾算法对所述去除光晕后的雾霾图像进行去雾复原处理，得到去雾复原图像。本申请解决了现有遥感图像去雾模型中大量的矩阵运算和反卷积运算带来的振铃现象，达到更好的去雾效果，且减少了计算量。

技术领域

本申请属于数字图像处理技术领域，特别涉及一种有雾遥感图像复原方法。

背景技术

无人机航拍遥感成像技术以其分辨率高、时效性强及成本低等优点，得到了广泛应用。然而近年来雾霾天气广泛存在，空气中大量气溶胶粒子、微小水滴等颗粒对光线的吸收和散射作用导致遥感成像质量严重退化，图像颜色失真且对比度下降，极大地限制了无人机航拍系统效用的发挥，给后期图像处理和分析带来了困难。因此，对雾天遥感图像进行复原意义重大。

图像去雾复原方法是从雾天图像的模糊退化机理入手，根据大气散射理论，建立雾天成像的散射模型。Narasimhan和Nayar分别基于衰减模型和大气光模型，提出单次大气散射模型，以后几乎所有的图像去雾复原技术都基于该模型展开研究。

然而雾霾天气下，无人机航拍遥感图像与传统户外拍摄图像有本质不同。无人机航拍遥感图像成像距离远，景深变化范围较大，导致成像路径中大气微粒的多重散射效应不容忽视。

目前的算法一般都是将单次大气模型引入了大气点扩散函数(AtmosphericPoint Spread Function,APFS)，进行相应卷积运算，描述多重散射对遥感或浓雾图像的影响。然而，求取大气点扩散函数需要大量矩阵运算，计算复杂度高。而反卷积运算也不可避免的导致去雾后的图像出现振铃现象。

发明内容

本申请提供了一种有雾遥感图像复原方法，旨在至少在一定程度上解决现有技术中的上述技术问题之一。

为了解决上述问题，本申请提供了如下技术方案：

一种有雾遥感图像复原方法，包括以下步骤：

步骤a：在单次大气散射模型的基础上，建立基于大气微点光源主动照明的遥感图像退化模型，通过所述遥感图像退化模型获取原始有雾遥感图像的光晕分量；

步骤b：根据光晕分量去除所述原始有雾遥感图像的大气多散射作用与非均匀性，并将原始有雾遥感图像分为光晕图像和去除光晕后的雾霾图像；

步骤c：采用单次大气散射模型对所述去除光晕后的雾霾图像进行透过率及大气光估计，采用暗通道先验图像去雾算法对所述去除光晕后的雾霾图像进行去雾复原处理，得到去雾复原图像。

本申请实施例采取的技术方案还包括：在所述步骤a中，所述基于大气微点光源主动照明的遥感图像退化模型采用反射光和大气光描述雾霾天气条件下的退化过程，在单次大气散射模型的基础上，将大气多散射作用看作大气中存在无数个主动照明的微点光源，将所述微点光源的能量采用像素级的L(x)表示，将L(x)与大气点扩散函数H(x)进行卷积叠加到原始有雾遥感图像上，形成所述原始有雾遥感图像的模糊效应：

上述公式中，I(x)为原始有雾遥感图像，R(x)为待复原的去雾图像，T(x)为透过率，A为大气光。

本申请实施例采取的技术方案还包括：在所述步骤b中，所述去除原始有雾遥感图像的大气多散射作用与非均匀性，并根据光晕分量将原始有雾遥感图像分为光晕图像和去除光晕后的雾霾图像具体为：

I(x)＝S(x)+M(x)