[发明专利]单张遥感图像的波段自适应除雾优化处理方法

说明书

本发明提出一种单张遥感图像的波段自适应除雾优化处理方法，在遥感图像初始暗原色先验除雾法的基础上，一是为解决用初始暗原色先验方法除雾后，图像中的高亮度地物异常偏暗问题，首先利用光谱信息，提取出图像中的高亮度地物，然后再对这些提取出来的高亮度地物单独做自适应处理，保留高亮度地物的光谱信息；二是提出需要针对遥感图像中各波段做不同程度的处理，有效避免了除雾后图像异常偏蓝问题。通过以上二方面的优化改进，既能有效去除云雾污染，又能有效保持地物的光谱信息，总体而言得到十分满意的除雾效果。

技术领域

本发明涉及一种遥感图像除雾处理方法，特别涉及单张遥感图像的波段自适应除雾优化处理方法，属于遥感图像加工处理技术领域。

背景技术

随着遥感技术和计算机技术的高速发展，遥感图像的应用进入了一个新的阶段，在当前社会生活生产的众多领域，遥感图像都发挥着广泛而重要的作用。然而在实际应用过程中，遥感图像通常会受到气候和环境的影响，特别是在有云层或雾霾覆盖的区域，这些云雾污染极大地影响了遥感图像对地表信息的真实准确反映，不仅从视觉上影响干扰人工解译，同时对于各种后续处理的精度也会产生重大负面影响，例如地物的提取和分类。在遥感图像中，由于被厚云遮盖的区域，地物信息几乎完全丢失，一般要参考其它辅助图像或数据，才能对厚云进行去除。而被雾霾和薄云覆盖的区域不仅包含了雾霾和薄云的信息，也包含了地物信息，因此可以通过一些技术方法，去除雾霾和薄云的影响，恢复地物的真实信息，本发明也是主要针对单张遥感图像中雾霾和薄云的检测与去除技术。

大气中的雾霾和薄云对遥感图像造成的干扰，主要表现为以下二个方面：一方面，雾霾和薄云往往在遥感图像中呈现局部高亮度的特性，因此会遮挡部分地物信息，使得受污染区域像素的灰度范围缩小，导致遥感图像的对比度降低；另一方面，由于雾霾和薄云的干扰，会使得被遮盖地物的光谱信息失真，导致地物颜色会发生较大的偏移，难以达到满意的视觉效果，也对遥感图像的处理带来很多问题。

在对遥感图像的雾霾和薄云进行校正后，优化处理的图像也要满足以下二个条件：首先，改善后的遥感图像较初始图像应该有更高的对比度，能体现图像中更多的地物细节信息；其次，改善后的遥感图像应该能够恢复出初始图像中受污染地物的真实颜色信息，使之有更准确的光谱信息和更自然的视觉效果。

通过以上二方面的处理，改善图像的质量，提高遥感图像数据的可用性，为目视解译和各种后续处理作良好的铺垫。因此，通过研发遥感图像中雾霾和薄云的去除技术，抑制并消除雾霾和薄云对遥感图像的干扰，提高遥感数据的可用性，有重要的实际意义和应用价值。

现有技术中从九十年代开始，遥感图像中雾霾和薄云的去除问题逐渐引起重视，到目前为止，对于遥感图像中的除雾方法已经有了较多的探讨。总体而言，根据处理思路的不同，现有技术中遥感图像中的除雾方法大致可以分为以下四类：

一是基于特性提取的除雾方法：雾霾和薄云在光谱域和频率域上与地物有明显差异，因此可通过构建特定条件，突出云雾与地物之间的差异性，提取出云雾的分布信息，然后有针对性的对受云雾污染的区域进行增强，实现图像中云雾的去除，例如：同态滤波法、缨帽变换法、波段比值算法、HIS颜色空间变换等除雾方法。

二是基于多源多时相信息的云雾去除方法：利用覆盖相同区域的多源或多时相图像，和未被云雾污染纯净图像的局部区域，对被云雾污染对应的局部区域进行替换或融合，达到除雾目的，这类方法主要可以分为多时相信息除雾方法和多源信息除雾方法。

三是波段融合除雾方法：遥感图像中云雾一般只在RGB三个可见波段上有显著的影响，在近红外以及波长更长的波段上影响并不明显，结合红绿蓝三波段的光谱信息和长波段的梯度信息，基于波段融合实现除雾的效果。目前，利用波段融合效果比较好的方法有基于梯度融合的除雾方法。

四是基于先验假设的除雾方法：首先总结归纳无云雾图像的某些共性，然后根据这些共性推导出先验条件和假设，最终利用先验条件和假设，将受云雾污染的图像有方向性的恢复成无雾图像。此类代表性方法有：DOS暗目标法、HOT最优云雾检测变换法。