一种基于直方图变换的光学遥感影像自动增强方法

刘新颜，柳稼航，延军平

(1.陕西师范大学 旅游与环境学院,陕西 西安　710119；2.中国科学院 西安光学精密机械研究所 遥感与智能信息系统研究室，陕西 西安　710119)



·环境科学·

一种基于直方图变换的光学遥感影像自动增强方法

刘新颜1，柳稼航2，延军平1

(1.陕西师范大学 旅游与环境学院,陕西 西安710119；2.中国科学院 西安光学精密机械研究所 遥感与智能信息系统研究室，陕西 西安710119)

对比度、清晰度等视觉效果是影响图像质量的重要因素。针对光学遥感图像对比度和清晰度改善问题,提出了一种新的视觉效果自动增强模型。首先对输入图像的直方图采用非线性变换,在保持灰度级有效分布的前提下充分压缩灰度分布范围,从而获得优化的变换系数,然后再利用线性拉伸算法将图像灰度扩展至整个灰度域。实验和对比结果表明,所提出的增强模型在很小的信息熵损失条件下能较大幅度地提高图像的对比度和清晰度,获得比目前主要算法更好的增强结果且效果稳定,可适用于全色图像和彩色图像视觉效果的全自动化增强处理。

直方图优化；对比度增强；清晰度增强；视觉效果改善；自适应增强

图像的清晰度、对比度等视觉特征是图像质量的重要因素。由于遥感成像受大气、雾、光照等因素的影响,造成大多数遥感图像影像对比度低、清晰度不足,直接影响后续工作[1-5]。经过有效增强处理后的图像,对遥感应用分析具有很好的促进作用[6]。因而,在进行应用分析之前对遥感图像的对比度、清晰度、色彩等质量因素实施适当的增强处理是非常必要的。

遥感图像增强在遥感图像处理中占有重要地位[7]。增强的目的是为了改善图像的清晰度、对比度等视觉效果,从而提高图像的可读性和信息解译能力。针对图像增强问题,目前已有灰度线性拉伸、直方图均衡、Contourlet变换[8]、Retinex增强方法[4-5,7]、灰度世界[9]等多种增强方法。线性拉伸在实际应用中使用最为广泛,但该方法对于灰度分布严重不均的图像增强效果有限。直方图均衡的目的是通过变换使得均衡后的图像灰度在每一个灰度级上等概率分布[10],从而提高图像对比度。这种方法虽能增加图像对比度,但处理后的图像视觉效果往往生硬、不够柔和,甚至质量恶化[4],在遥感图像处理中较少应用。直方图截断增强方法将直方图两端累积概率分别达到2%时所有灰度级分别合并,然后再利用线性变换实现灰度拉伸。这种方式较好地压缩了原始图像的分布范围,因而具有相对较好的增强效果,在遥感图像实际应用处理中被广泛采用。但是，这种方法会造成灰度值较高和较低的区域丢失图像细节,而且对于直方图两端均具有较高概率分布的图像,常常达不到增强的目的。

Retinex理论[11]由Land于20世纪70年代提出,目前已经发展了单尺度算法(SSR)、多尺度算法(MSR)等多种算法。这种方法主要用于彩色图像增强处理,且需要人工给出合适的参数才能取得较好的增强效果,否则容易产生过增强、灰度化和色彩失真等不足[5,7]。灰度世界算法认为一幅有着大量色彩变化的图像,R，G，B三分量的平均值趋于相等。这种方法计算简单,在彩色图像增强中应用广泛。但当图像中颜色数量较少或出现大块单一颜色时,该算法常会失效[9]。

针对遥感图像对比度、清晰度等视觉效果增强存在的问题,本文提出了一种新的自适应增强算法,该方法将图像增强过程转化为以优化图像直方图为核心的变换过程,在兼顾线性变换、截断拉伸等方法优势的同时又克服了不足,从而获得更好、更加稳健的增强效果。

1　算法原理

1.1直方图与图像质量

直方图特性与图像的质量紧密相关。一幅理想的图像,其亮度分布应充满整个灰度级范围,且每个灰度级等概率出现。具有这种直方图的图像,信息量大、对比度好、明暗合适、层次丰富、视觉效果好。这也是直方图均衡增强方法的根本依据。

对于遥感图像,全局的增强方法比局部的方法更加适合[6]。线性拉伸是一种全局性的操作,它不但能保持灰度变化的一致性,而且算法简洁、效率高,适合于处理遥感图像这类特殊的应用。为了保证好的视觉效果,增强后的遥感图像灰度级应充满[0,255]整个区间范围。由于线性拉伸直接使用原始图像的灰度分布范围,故而在实际应用中的增强效果不佳,尤其对于灰度分布范围接近整个[0,255]区间的图像，其增强效果十分有限。因此,有效压缩原始图像的分布范围,是提升增强效果的重要途径。

1.2基于直方图优化的增强算法

在实际应用中,常常有大量像素的灰度值密集地分布在一个较小的范围内,而少量像素的灰度分布却占据很大的灰度区间。这种现象除极少数下垫面非常均一、本身反差极小的区域而外,对于绝大部分遥感图像而言显然是不合理的。此外,直方图上零概率灰度级的存在与否对图像的信息熵没有任何影响,但如果零概率灰度级处于最大灰度级和最小灰度级之间,那么对图像灰度的实际分布范围却有影响。线性拉伸变换和截断增强方法对上述这种普遍存在的问题并没有有效解决,从而造成实际应用增强效果不稳定甚至失效。

基于这一认识,我们提出了一种以优化原始图像直方图为核心的自适应增强方法。该算法首先对原始图像的直方图进行滤波处理,有效压缩原始图像的灰度分布范围,从而增大变换系数,达到增强的目的。具体算法描述如下:

Step 1生成原始图像f(x,y)的直方图,并计算图像的灰度均值M;

Step 2以M为起点,分别向直方图两端搜索,寻找频度小于某一阈值T的灰度级LSta;

Step 3以LSta为起点,继续向前搜索下一个灰度级并记录搜索过的灰度级;

Step 4计算以LSta为起点到当前搜索灰度级的累积概率分布,直到该累积概率大于或者等于规定的阈值T时停止搜索,记停止搜索时的灰度级为LEnd,将从Lsta到LEnd之间的所有灰度级映射到灰度级LSta;

Step 5将LEnd赋值给LSta,重复Step 3～5,直到搜索完整个直方图;

Step 6根据灰度映射,对原始图像f(x,y)重新赋值,输出新图像g0(x,y);

Step 7查找g0(x,y)图像灰度的实际最小值A和最大值B;

Step 8将A和B作为线性拉伸参数计算变换系数,并输出增强图像g(x,y)。

频度阈值T描述了用户可容忍的多大比例的像素值可以与相邻灰度级保持一致,可依据不同的应用而定。

2　实验分析与比较评价

根据上述算法,分别利用灰度图像和彩色图像进行效果验证,并采用主观评价和客观相结合的方式对不同增强结果进行评价。客观评价方面,我们采用平均亮度、标准差、平均梯度、信息熵等普遍采用的方法[12，15]进行。在方法比较方面,这里采用线性拉伸、截断增强、Retinex、灰度世界4种主要算法进行比较。

(a)及线性拉伸；(b)截断拉伸；(c)和本文算法；(d)(T=0.000 5)的增强图1　Ikonos影像Fig.1　Ikonos image

图1(a)为Ikonos影像,大小为772×568像素,灰度分布范围为[37, 255],但87%的像素值分布在[46,107]范围内的62个灰度级上,13%的像素分布在[108,255]的148个灰度级上,图像清晰度差,对比度低。图2(a)是一幅航空遥感图像,大小为789×756像素,灰度分布范围为[9,255]。很明显,图像对比度低、清晰不够,有一定的蒙雾。图1(b)和图2(b)，1(c)和2(c)，1(d)和2(d)是对图1(a)和图2(a)分别采用直接线性变换、截断拉伸和本文方法增强后的结果。就主观评价而言,图1(b)和图1(c)虽然图像在清晰度上有所提升,但图像整体偏暗,对比度依然较差,没有达到整体增强的预期效果。对于采用直接线性拉伸处理的图2(b),对比度略有提升。采用截断拉伸处理的图2(c),对比度得到提升,但图像整体偏暗,暗区细节损失较多。而采用本文算法的增强结果,图像视觉效果在整体上都比原图有较大的提升。

表1给出了3种方法增强效果的定量比较。其中MB表示平均亮度,SD表示标准方差,MG表示平均梯度,IE表示图像的信息熵。表1中,从平均亮度来看,原始图像的平均亮度最大,这主要是原始图像最小灰度级不为零，从而抬高了基准灰度值造成的。3种增强图像灰度的基准值均为0。若将原图的灰度级整体左移,使其最小灰度为零,此时图1和图2的平均亮度为41.82和109.37。依此进行计算,整体亮度、对比度、清晰度、信息熵4个量化指标上,本文算法相对于对图1(a)和图2(a)的处理结果中分别提升63%，32%，57%，-2.2%和0%，30%，39%，-0.8%。在对应指标上,高出线性拉伸48%，15%，40%，-2.2%和-3%，26%，35%，-0.8%,高出截断拉伸结果75%，6%，32%，0%和20%，8%，19%，0.6%。

(a)及其采用直接线性拉伸;(b)截断拉伸;(c)和本文算法;(d)(T=0.000 1)的增强结果图2　航空遥感图像Fig.2　Aerial remote sensing image

线性拉伸不会合并原始图像的灰度级,所以变换后的图像信息熵与原图保持一致，但对于截断增强和本文提出的算法均会发生灰度级合并,必然降低图像的信息熵。但是，当信息熵损失在很小的范围内时,对于大部分应用而言是完全可以接受的。由此可以得出,本文提出的算法与原始图像相比在信息损失很小的情况下对原始图像的整体视觉效果改善是很有效的,是3种增强方法中效果最好的。

表1　不同方法对灰度图像增强效果的定量评价

多光谱图像在遥感应用处理中最为常见。多光谱图像通常含有3个以上的波段,但由于PC机显示的问题一般一次只能显示3个波段,形成RGB彩色图像。对于RGB彩色图像,每一个波段为一幅灰度图像。因而对于RGB彩色图像的增强,本算法先对每一个波段进行处理,然后再合成一幅RGB彩色图像。目前,基于灰度世界算法和Retinex算法在彩色图像处理中使用较为广泛,本文将这两种方法与本文提出的方法进行对比。客观评价中各参数值统一为各图像3个波段对应参数的算术平均值。

(a)采用灰度世界变换;(b)Retinex算法;(c)本文算法;(d)(T=0.000 1)的增强结果。其中，Retinex算法分别取20，80和240图3　航空遥感图像Fig.3　Aerial remote sensing image

图3(a)为一航空遥感图像,图像大小为568×700像素,图像偏色程度较严重,且清晰度和对比度不足,不够亮丽。观察原图可以发现,该图像整体偏红色,且图像的对比度和清晰度不足。图4(a)为Quickbird影像,大小为832×656像素,且色调整体偏蓝。图3(b)和4(b)、图3(c)和图4(c)、图3(d)和图4(d)为分别采用灰度世界、Retinex和本文算法增强处理后的结果。对于灰度世界算法,图3(a)和图4(a)增强结果在清晰度、对比度和亮度都没有得到明显增强情况下将图像颜色由一种偏色变成了另一种偏色,图像的视觉感受上不但没有得到改善反而变差了。采用Retinex算法处理的结果,造成原始图像的严重偏色,图像色彩已经完全失真。但采用本文算法的增强结果有效地克服了上面两种算法的不足,不但有效改善了图像的清晰度、对比度,而且保持或者改善图像的颜色,使得处理后的图像颜色更加自然。

(a)采用灰度世界变换;(b)Retinex算法;(c)本文算法;(d)(T=0.000 1)的增强结果。其中，Retinex算法尺度分别取20，80和240图4　Quickbird影像Fig.4　Quickbird image

由于从主观感受上已经能够充分判断灰度世界算法、Retinex算法与本文算法在效果上的差异,因此没有必要对3种算法进行客观评价。这里我们仅对本文提出的算法与原始图像进行对比,给出定量评价结果。表2为本文方法对彩色图像增强处理结果与原始图像的定量比较。由表2可知,经过本文算法增强后的图像,将图像的整体亮度提升至较好状态的同时,大幅度提高了图像的对比度和清晰度,而信息熵的损失小于1%。

上述实验结果表明,本文提出的算法对灰度图像视觉的改善是很有效的,且明显优于目前常用线性拉伸、截断增强等方法。对于彩色图像增强,本文算法在信息熵损失极小的情况下,能大幅度提高图像的清晰度和对比度。无论是采用主观评价还是客观评价,本文算法的增强结果具有明显的优势,且效果稳定。

表2　不同方法对彩色图像增强效果的定量评价

3　结　论

本文提出了一种新的图像自动增强方法,用以改善图像的清晰度、对比度和颜色等视觉效果,进而提升图像的质量。这种方法结合了线性变换的优点,同时以优化直方图为核心,在保留图像细节层次的同时,有效压缩原始图像的灰度级,从而提升增强效果。实验表明,利用该方法对灰度图像进行增强处理时,总体上比直接线性变换和截断拉伸效果好;在对彩色图像增强时,其增强效果明显好于Retinex算法和灰度世界算法的结果,且算法简单、稳健,可以实现完全自动处理。

[1]LEE E, KIM S, KANG W,et al.Contrast enhancement using dominant brightness level analysis and adaptive intensity transformation for remote sensing images [J]. IEEE Geoscience and Remote Sensing Letters，2013,10(1):62-66.

[2]JANG Jae-ho, KIM Sung-deuk, RA Jong-beom. Enhancement of optical remote sensing images by subband-decomposed multiscale retinex with hybrid intensity transfer function [J]. IEEE Geoscience and Remote Sensing Letters，2011，8(5)：983-987.

[3]HA Chang-woo, KIM Won-kyun,JEONG Je-chang.Remote sensing image enhancement based on singular value decomposition [J]. Optical Engineering，2013,52(8)：083101-01-10.

[4]赵艳飞,高清维,卢一相.基于多尺度Retinex算法的遥感图像增强[J].计算机技术与发展,2008,18(2):70-73.

[5]李建存,周丽梅,刘军.基于多尺度Retinex理论的遥感图像增强算法[J].西安工业大学学报,2014, 34(1): 27-33.

[6]陈强,纪则轩,孙权森,等.基于光能分配的遥感图像增强[J].中国图象图形学报,2009, 14(11):2284-2291.

[7]朱双志,文建国,杨冬,等.基于Retinex理论的新型遥感图像增强算法[J].遥感技术与应用,2012,27(4): 549-554.

[8]陈志刚,尹福昌. 基于Contourlet变换的遥感图像增强算法[J].光学精密工程, 2008, 16(10): 2030-2037.

[9]徐晓昭,蔡轶珩,刘晓民,等.改进灰度世界颜色校正算法[J].光子学报,2010,39(3):559-564.

[10] 尚晋,杨有,李晓虹.一种改进的自适应直方图均衡化增强档案图像的方法[J].计算机科学,2007,34(5):237-238.

[11] LAND E H, MCCANN J J. Lightness and retinex theory [J]. Journal of the Optical Society of America, 1971, 61(1):1-11.

[12] LEWIS N W, ALLNATT J A. Subjective quality of television pictures with multiple impairments [J]. Electron Letters, 1965, 1 (7): 187-188.

[13] JONES B L, TURNER J A. Subjective assessment of cable impairments on television picture quality [J]. IEEE Transact ions on Consumer Electronics, 1992, 38(4): 850-861.

[14] 韦学辉,李均利,陈刚.基于多元线性回归的图像质量评价方法[J].中国图象图形学报,2008,13(11):2123-2131.

[15] 高连如,张兵,张霞,等.基于局部标准差的遥感图像噪声评估方法研究[J].遥感学报,2007,11(2):201-208.

(编辑徐象平)

A novel automatic enhancement method for optical remotely sensed image

LIU Xin-yan1， LIU Jia-hang2, YAN Jun-ping1

(1.School of Tourism and Environmental Science, Shaanxi Normal University, Xi′an 710119，China; 2.Laboratory of Remote Sensing and Intelligent Information System, Xi′an Institute of Optics and Precision Mechanics:Chinese Academy of Sciences, Xi′an 710119，China)

The image contrast and definition of remotely sensed image are the important factors of image quality. This paper presented a novel self-adaptive enhancement method for contrast and definition. Firstly, nonlinear transformation is operated on the histogram of an input image to reduce the distribution range of the image, and then linear stretch is used to expand the grey level to full permitted range. Experiments and comparison indicate that the presented method can improve the contrast and the definition with a little loss of information entropy and the enhanced results is rather fine than current main method of enhancement. Also, the presented method can be used to both panchromatic and colorful remotely sensed image.

histogram optimization; contrast stretch; definition enhancement; vision effect improvement; self-adaptive enhancement

2015-03-16

国家自然科学基金资助项目(41171090)

刘新颜, 女,新疆库尔勒人,博士生,从事旅游信息科学研究。

TP753

A

10.16152/j.cnki.xdxbzr.2016-03-025