一种遥感多光谱图像去云雾方法

王荔霞，谢维信，李利勇，裴继红

深圳大学信息工程学院，深圳518060

遥感多光谱图像具有丰富的光谱特征，是遥感图像目标检测和提取的重要数据.然而，云雾干扰对遥感多光谱图像的分析和应用会产生较大的影响.因此，对其进行云雾去除具有重要意义.目前，图像去云雾方法主要包括同态滤波法［1-3］、直方图均衡化法［4-5］、基于 retinex理论方法［6-7］和小波变换方法［8］等.这些方法将云雾看作低频噪声，通过提取高频信息、抑制低频信息达到云雾去除目的.但它们同样也会带来非云雾低频成分的损失，从而造成图像部分内容和细节模糊不清.

近年来，由于暗通道先验综合利用了多通道信息［9］，被广泛应用于图像云雾去除中.现有的暗通道先验方法大多数适用于三通道彩色图像云雾去除［9-12］.对于遥感图像，文献［13］利用简化了的暗通道先验进行云雾去除;文献［14］利用大尺度高斯滤波器修正大气成分值，并对全色遥感图像进行云雾去除;文献［15］则用高斯低通滤波器粗略估算大气值，并重新定义大气透射率.这些方法均能在一定程度上去除云雾干扰，但对于具有3个以上波段的遥感图像，只选择其中3个波段进行处理，其他波段信息则被丢弃掉，从而造成信息丢失.本研究将暗通道先验方法进行推广，使其适用于任意多波段的遥感多光谱图像云雾去除，并在有效去除云雾的同时尽可能地保留原始图像信息.

1 暗通道先验图像去云雾方法简述

暗通道先验源自对室外无干扰清晰图像库的统计［9］.该统计发现在绝大多数非天空局部区域里，

某些像素总是存在至少一个通道具有很低的值.对于图像J(x，y)可描述为其中，Jdc为图像J的暗通道图像;c为彩色图像中的通道标志，其取值为 {r，g，b}中的一个，r、g、b分别为彩色图像中红、绿、蓝通道标志.Jc为J的某一个颜色通道;Ωr(x，y)表示以点(x，y)为中心，以r为半径的邻域.(u，v)为邻域中的任意一个点.

根据光传输特性，图像云雾退化模型可表示为Ⅰ(x，y)=t(x，y)J(x，y)+(1-t(x，y))A (2)其中，Ⅰ(x，y)为含有云雾干扰的输入图像;t(x，y)为大气光透射率;A是大气光成分值;J(x，y)为不含云雾干扰的图像.若已知A和t(x，y)，通过Ⅰ(x，y)就可还原得到J(x，y)，从而达到云雾去除目的.

设A已知，且全局恒定，其取值为暗通道图像中亮度最大值［9］，

则t(x，y)的估算值为

其中，ω(0＜ω≤1)是用来增加图像真实感的常数，通常取0.95.这样，A和t(x，y)都已知，代入式(2)可得复原后的各通道图像为

其中，t0为透射率 t(x，y)的阈值，用于减少图像噪声，通常情况下取值为0.01.

2 遥感多光谱图像去云雾算法

对图像云雾退化模型进行推广，得到遥感多光谱图像的暗通道先验知识，进而综合各波段信息进行云雾去除.

设大小为m×n的遥感多光谱图像具有s个波段，可表示为 s维矢量矩阵 F(x，y)=［f(x，y)］m×n，其第q个波段对应的灰度图像为Fq(x，y)=［qq(x，y)］m×n，其中 qq(x，y)为像元(x，y)在第q波段的灰度值.将图像云雾退化模型从三通道图像推广到多通道遥感多光谱图像，可得

其中，F(x，y)表示含有云雾干扰的遥感多光谱图像;tF(x，y)表示遥感多光谱图像大气光透射率;AF是遥感多光谱图像大气光成分值;JF(x，y)表示不含云雾干扰的遥感多光谱图像.进而，可计得遥感多光谱图像的暗通道图像为

其中，q指的是遥感多光谱的第q个波段;Ωh(x，y)表示以像元(x，y)为中心，半径为h的邻域.进而，可得遥感多光谱图像大气成分值为

若在邻域Ωh(x，y)内对式(6)两边取s个波段中的最小值，并将等式两边同时除以AF，可得

其中，JFq(x，y)表示不含云雾遥感多光谱图像JF(x，y)的第q个波段图像.将暗通道先验知识推广到遥感多光谱图像，可得某些像元总是存在至少一个波段的灰度值具有很低的值，即

这样可得式(9)右边第1项趋于0，式(9)可为

因此，遥感多光谱图像的大气透光率为

其中，ωF为遥感多光谱图像深度信息保留常数.最后可得去除云雾干扰后的遥感多光谱各波段图像为

图1为本算法暗通道先验遥感多光谱图像去云雾流程图.

图1 本算法流程图Fig.1 The flow diagram for this paper

3 实验结果分析

本研究采用具有5个波段的中巴资源卫星CBERS-02 CCD多光谱图像作为实验数据，如图2和图3，分别为2组遥感多光谱图像实验数据.本算法参数设置式(7)中邻域半径取值为h=15，常数 ωF=0.95.

图4～图7分别为采用文献［13］、文献［15］和本算法对两组实验数据进行云雾去除前后，不同波段组成的伪彩色图像.从视觉上观察，文献［13］和文献［15］的方法由于只考虑了其中的3个波段信息，把其他波段的信息完全丢弃掉，还原后得到的图像信息失真较明显.本研究方法综合考虑了遥感多光谱图像各个波段信息，在云雾去除的同时，尽可能地保证了图像信息的完整性.

同时，本研究还通过标准差(S)、对比度(C)、化平均梯度(gav)及信息熵(H)等对实验结果进行分析评价.这些指标值越大，说明图像质量越好.表1和表2分别给出两组实验数据云雾去除前后的指标值.可见利用文献［13］、文献［15］和本算法处理后，图像各指标值都有一定程度上的提高.而在大多数指标上，本研究方法都比文献［13］和文献［15］的方法要高，尤其是在平均梯度和信息熵两个指标上.因此，利用本研究方法进行云雾后的各波段图像内容信息更丰富，可分辨性更强.

图2 遥感多光谱图像实验数据1 Fig.2 Experimental images data 1

图3 遥感多光谱图像实验数据2 Fig.3 Experimental images 2

图4 实验数据1去云雾前后波段431合成的RGB伪彩色图像Fig.4 False-color images combined by bands 431 of experimental images data 1 and its recovered results

图5 实验数据1去云雾前后波段452合成的RGB伪彩色图像Fig.5 False-color images combined by bands 452 of experimental images data 1 and its recovered results

图6 实验数据2去云雾前后波段431合成的RGB伪彩色图像Fig.6 False-color images combined by bands 431 of experimental images data 2 and its recovered results

图7 实验数据2去云雾前后波段452合成的RGB伪彩色图像Fig.7 False-color images combined by bands 452 of experimental images 2 and its recovered results

表1 实验数据1云雾去除前后客观评定指标值Table1 The values of quality evaluations for experimental images 1 and its recovered results

表2 实验数据2云雾去除前后客观评定指标值Table2 The values of quality evaluations for experimental images 2 and its recovered results

结 语

针对基于暗通道先验知识的云雾去除法仅适用3个通道可见光RGB彩色图像的局限，对雾天图像退化模型和暗通道先验知识进行推广，提出一种可用于多通道遥感多光谱图像云雾去除的暗通道先验方法.该方法充分融合了遥感多光谱图像各个波段的信息，适于任意多个波段遥感多光谱图像的云雾去除.实验证明，本算法能在有效去除遥感多光谱图像薄云薄雾干扰的同时，尽可能地保留了更多的图像灰度信息和细节信息，还原后的各波段图像内容更清晰可辨.

/References:

［1］Li Hongli，Shen Huanfeng，Du Bo，et al.A high-fidelity method of removing thin cloud from remote sensing digital images based on homomorphic filtering［J］.Remote Sensing Application，2011，10(1):41-44.(in Chinese).李洪利，沈焕锋，杜 博，等.一种高保真同态滤波遥感影像薄云去除方法 ［J］.遥感应用，2011，10(1):41-44.

［2］Cai Wenting，Liu Yongxue，Li Manchun，et al.A selfadaptive homomorphic filter method for removing thin cloud［C］//Proceedings of the 19th IEEE International Conference on Geoinformatics.Shanghai(China):IEEE Press，2011:1-4.

［3］Ren Huan，Li Liangchao，Jin Lanhai，et al.Study on cloud processing with MODIS data and application［C］//Proceedings of the 10th IEEE International Symposium on Antennas，Propagation ＆ EM Theory(ISAPE).Xi'an(China):IEEE Press，2012:583-586.

［4］Kim T K，Paik J K，Kang B S.Contrast enhancement system using spatially adaptive histogram equalization with temporal filtering［J］.IEEE Transactions on Consumer Electronics，1998，44(1):82-86.

［5］Inampud R B，Purimetla T N，Satyanarayana P G.Contrast degradation for improving quality of an image［J］.Geoscience and Remote Sensing Symposium，2002，6:3408-3410.

［6］Shi Wenxuan，Li Jie.Research on algorithms in defog of remote sensing image［J］.Spacecraft Recovery＆ Remote Sensing，2010，31(6):46-51.(in Chinese)石文轩，李 婕.遥感图像去雾算法研究 ［J］.航天返回与遥感，2010，31(6):46-51.

［7］Parthasarathy S，Sankaran P.A retinex based haze removal method［C］//Proceedings of the 7th IEEE International Conference on Industrial and Information Systems(ICIIS).Chennai(India):IEEE Press，2012:1-6.

［8］Ma Yunfei，He Wenzhang.Foggy day image enhancement method based on wavelet transform［J］.Computer Applications and Software，2011，28(2):71-73.(in Chinese).马云飞，何文章.基于小波变换的雾天图像增强方法［J］.计算机应用与软件，2011，28(2):71-73.

［9］He Kaiming，Sun Jian，Tang Xiao'ou.Single image haze removal using dark channel prior［J］.IEEE Transactions on Pattern Analysis and Machine Intelligence，2011，33(12):2341-2353.

［10］He Renjie，Wang Zhiyong，Xiong Hao，et al.Single image dehazing with white balance correction and image decomposition［C］//Proceedings of the International Conference on Digital Image Computing Techniques and Applications(DICTA).Fremantle(Australia):IEEE Press，2012:1-7.

［11］Yang Hungyu，Chen Peiyin，Shiau Yeuhorng，et al.Low complexity underwater image enhancement based on dark channel prior［C］//Proceedings of the Second International Conference on Innovations in Bio-inspired Computing and Applications. Shenzhen(China):IEEE Press，2011:17-20.

［12］Jin Wenbo，Mi Zengyuan，Wu Xiaotian，et al.Single image de-haze based on a new dark channel estimation method［C］//Proceedings of the IEEE International Conference on Computer Science and Automation Engineering(CSAE).Zhangjiajie(China):IEEE Press，2012，2:791-795.

［13］Wang Shizhen，Shi Huiqiong，Zeng Lingsha，et al.Haze removal methods of remote sensing image using dark channel prior［J］.Journal of Geomatics Science and Technology，2011，28(3):182-186.(in Chinese)王时震，石惠琼，曾令沙，等.应用暗通道先验规律的遥感影像去雾技术 ［J］.测绘科学技术学报，2011，28(3):182-186.

［14］Zhou Liya，Qin Zhiyuan.Uneven cloud and fog removing for satellite remote sensing image［C］//Proceedings of the 2nd International Conference on Mechanic Automation and Control Engineering(MACE).Hohhot(China):IEEE Press，2011:5485-5488.

［15］Long Jiao，Shi Zhenwei，Tang Wei，et al.Single remote sensing image dehazing［J］.IEEE Geoscience and Remote Sensing Letters，2013，11(1):59-63.