遥感图像去云雾处理

2015-05-30 10:48王健
中国新通信 2015年10期
关键词:云雾高层景物

王健

【摘要】本文基于小波变换理论,通过小波层的分解,并对分界层数I、阈值δ、权重w进行合适选择,能有效去除云雾,达到突出景物信息、提高其清晰度的目的。

【关键字】去云雾 小波分解

一、引言

遥感技术对现代的科学研究和应用有很大的帮助,但是遥感技术自身存在一定的局限性。本文针对遥感图像中由于有云雾的干扰,导致拍摄的图像模糊不清,无法达到可利用的要求,提出用MATLAB软件,进行去云雾的处理。通过本论文去云雾的方法,使得原本模糊不清,对比度低的图片更真实的还原本来的样子。使得无法进行科学分析和研究的图像又可以再次利用起来。

二、算法流程图

原始图像经小波分解后,得到近似系数和细节系数。细节系数分为高层细节和低层细节。对于高层细节,需要重构后再进行云区阈值和加权。对于低层细节是进行小波包分解去除云雾,再加权和重构。最后把处理后的各个数据加乘得到最终结果。(图1)

2.1 参数的选择

本文算法中,要选择的参数有分界层数I、阈值δ、权重W,以及小波函数。采用均值、标准差、熵、平均梯度等客观评价方法,定量考察这些参数对处理效果的影响。

2.2 参数的确定

首先确定l,令小波分解层数为n,为将景物、云雾和背景信息区分到低层、高层和近似系数中,从小到大改变l的值,对于每个l,去掉高层细节系数,保留低层和近似系数,然后重构,考察去云雾效果。其中以信息熵为标准,值最大时的l最佳。

第二步确定阈值δ。先将亮度归一化为0-1,阈值以0.1为步长。依据最佳1值,低层细节系数、近似系数保持不变,高层细节系数重构后,作阈值处理,三部分重构,考察处理质量。阈值很小时,高层细节系数中云全部去除,同时景物信息也有所减少,因此总体信息量较少。随阈值增大,云区外景物信息逐渐保留,因此信息熵不断增加。但当阈值增大到一定程度,云区外景物信息不再增多,而云噪声开始增大,此时信息量又将减少。因此最大信息熵对应的阈值为最佳参数。

第三步确定细节系数权重w。高层细节系数处理后的恢复图像,除少量残留云外,主要包含景物信息,设置权重有利于增加景物对比度和清晰度。细节系数频率较高,因此权重越大,细节越突出,清晰度提高,标准差和平均梯度必然越大。但权重很大,景物与原始信息不符,造成失真,信息丢失。此处以熵值来决定细节系数权重的最佳选择。

三、实验结果

利用本文算法,对云较多的图像、云较少的图像、主要是雾的图像这三类进行实验。从去云处理的实际效果来看,结果令人满意,达到预期目标。不同的分层层数变换,其亮度,对比度,熵,梯度在内部比较,具有一定的规律性。

四、结束语

本文提出了对于典型的云雾遥感图像以熵值为合理选择分界层数、阈值、权重的依据,随参数变化,图像中有用信息变化的趋势与熵值变化一致,实验数据也证明熵判据最合理。

图象处理实验验证,本文算法能显著削弱遥感光学图像中云覆盖,突出景物信息,效果明显优于同态滤波和Retinex算法。

猜你喜欢
云雾高层景物
高层动态
云雾
拨云雾 识压强
四时景物皆成趣
云雾是山做的梦
写写冬天的景物
云雾缭绕宜昌城
某超限高层结构设计
景物描写要准确
高层楼宇灭火装备