基于空间域与频域的遥感图像增强算法

王

(安徽新华学院，安徽 合肥 230088)

基于空间域与频域的遥感图像增强算法

(安徽新华学院，安徽 合肥 230088)

为了解决遥感图像特征不明显而影响后期图像分析结果的问题，提出了基于空间域与频域的遥感图像增强算法。首先，根据直方图灰度级分布特性，设计基于直方图均衡化的图像预处理算子。其次，分析拉普拉斯锐化滤波，建立基于二阶微分的图像增强机制，达到从空间域增强图像质量的目的。最后，根据频域噪声分布特性，构建巴特沃斯核模型，设计巴特沃斯低通滤波器，以消除高通噪声，从频域角度增强遥感图像。实验测试结果表明，与当前遥感图像增强技术相比，此算法拥有更高的增强效果，更好地保留了图像的亮度与色度信息。

遥感图像增强；直方图均衡化；锐化滤波；巴特沃斯核；巴特沃斯低通

0 引言

随着计算机技术、地理学和航空航天拍摄扫描技术的飞速发展，地理信息系统这个综合领域得到发展的同时，其发挥的作用越来越得到重视[1,2]。地理信息系统应用在军事、地理和天气领域，也可用于地形实时观察、天气预测和地表变化等[3，4]。地理信息系统是航空拍摄、计算机科学、地理学和微电子学多学科综合产物。首先，由飞机航空拍摄或者飞行器航天扫描完成前期取像；其次，采用计算机数字图像处理技术对初始图像进行处理，达到预期效果；最后，采用图像分析技术完成计算机对遥感图像的理解。目前前期拍摄扫描技术较为成熟，问题集中在影像采集后的增强处理，目的是优化图像质量、突出遥感图像特征，以为后续遥感图像信息提取与处理。如吕笃良[5]提出了基于非下采样剪切波变换与引导滤波结合的遥感图像增强，通过NSST被分解成低频子带和高频子带两部分；然后,对低频子带进行线性增强,提高整体对比度;采用自适应阈值法抑制高频子带的噪声,再对去噪后的高频子带进行引导滤波增强,提高图像的细节信息和边缘梯度保持能力；最后,对两部分子带进行NSST反变换,得到增强后的图像。但是，此技术依靠空间域对大数据样本做处理，如果空间域特征不明显，往往会影响增强效果。钟志群[6]提出了Retinex算法卫星遥感图像增强的应用,采用小波多尺度分解方法进行卫星遥感图像的降噪预处理,在特征模板中提取卫星遥感图像的多尺度Retinex颜色特征分量,在Retinex颜色特征基础上融合卫星遥感图像的边缘轮廓特征点,通过模板自适应匹配实现卫星遥感图像的增强。然而，这种技术未充分考虑频域高通噪声不稳定的情况，在针对频域噪声分布不均时，往往不能准确增强。

为了提高遥感图像增强效果，本文结合空间域与频域的增强技术优势，应用遥感图像增强处理。根据图像像素灰度分布性，设计出先直方图均衡化，后拉普拉斯锐化滤波的图像空间域增强。根据频域噪声高通特性，设计巴特沃斯低通滤波，从频域角度完成遥感图像增强处理。

1 基于空间域与频域遥感图像增强算法

为了解决遥感图像特征不明显而难以准确充分增强的问题，本文从空间域与频域两个方面入手，提出了基于空间域与频域的遥感图像增强算法，其过程见图1。首先，根据直方图灰度级分布特性，设计基于直方图均衡化的图像预处理算子。其次，构建巴特沃斯核模型，分析拉普拉斯锐化滤波，建立基于二阶微分的图像增强处理，达到从空间域增强图像质量的目的。再次，构建巴特沃斯核模型，设计巴特沃斯低通滤波器，消除高通噪声，从频域角度增强遥感图像。最后，基于软件工程，把以上方法逐个实现，并集成在图像增强系统中。

1.1 基于空间域的遥感图像增强

本文增强对象是初始的遥感图像。先从空间域入手，分析图像直方图特性，直方图作为图像分析工具，描述了一幅图像灰度级内容，本文采用直方图均衡化方法处理，来达到增强图像对比度的效果。

假设r、s分别代表原始图像和变换后图像在坐标(x,y)处的灰度值，灰度级总数为256个，r、s在[0,255]范围内单值单增，保证变换前后灰度值动态范围一致性，增强变换公式如下：

s=T(r)

(1)

式中，T为增强变换函数，灰度级r为灰度区间上的随机变量。变换函数是原图像的累积分布函数[7]，其灰度级为：

(2)

式中，rk为第k个灰度级，nk为第k级灰度像素数，N为图像像素总数，P(rk)代表灰度级为rk像素出现的概率，对其进行均匀化变换，函数[8]为：

(3)

由上对初始像素r进行变换得结果像素s，完成直方图均衡化处理。然后采用二阶微分算子(拉普拉斯)，做图像边缘锐化处理。二阶微分拉普拉斯处理公式如下：

(4)

式中L(f(x,y))为拉普拉斯锐化算子对图像f(x,y)处理结果。结合直方图均衡化和二阶微分作为空间域增强。处理原图为图2，可见遥感图像对比度和清晰度不明显，经过本文的空间域增强处理，得结果如图3所示，可见明显提高了图像增强效果。

1.2 基于频域的遥感图像增强

得到空间域增强处理图像后，开始使用频域处理，本文基于巴特沃斯低通滤波，对全局噪声进行处理。首先巴特沃斯核函数公式如下：

(5)

式中，H代表巴特沃斯核函数，D为频域截止频率，n为函数阶，D(u,v)为频率点(u,v)到频率平面原点的距离[9]：

(6)

得到式5的巴特沃斯核模型，进行巴特沃斯低通滤波处理：

B(u,v)=D(u,v)·H(u,v)

(7)

其中，B(u,v)代表巴特沃斯低通滤波结果，来自频域图像与巴特沃斯核的卷积运算结果[10]。处理原始图像(图3)，得到增强效果图(图4)。本节算法流程如图5所示。

2 实验与讨论

本算法通过增强技术结合空间域与频域实现遥感图像有效增强，提高了图像对比度和清晰度，而传统方式单纯只依靠空间域或者频域增强算法。将增强性能较好的技术—文献[5]、文献[6]设为对照组，并基于VS2015平台开发实现，算法实验参数为：直方图灰度级(255)、均衡化亮度(200)、拉普拉斯核(0.75)、巴特沃斯核(0.86)。

待处理图如图6所示，图像中地面特征较为模糊、亮度和对比度不足。本文首先结合直方图均衡化与二阶微分图像处理，形成空间域增强方法，处理结果如图7所示，可见亮度与对比度有明显提高。然后根据巴特沃斯核，设计频域增强算子，进行低通去噪处理，如图8所示，图像进一步清晰化。综合分析可见，本文设计的遥感图像增强算法优化了初始成像效果不佳的遥感图像。

利用对照组文献[5]技术处理图6时，此技术依靠空间域对大数据样本做处理，在空间域特征不明显，往往影响了增强效果，如图9所示,且对比度和清晰度不足，没有得到理想增强效果。

而利用文献[6]技术处理图6时，由于这种技术未充分考虑频域高通噪声不稳定的情况，在针对频域噪声分布不均时，往往会造成增强质量不佳，如图10所示，且对比度和清晰度不足，没有得到理想增强效果。

3 结论

为了解决遥感图像特征不明显，影响后期图像分析结果的问题，本文提出了结合空间域与频域的遥感图像增强算法。首先，根据直方图灰度级分布特性，设计基于直方图均衡化的图像预处理方法。其次，分析拉普拉斯锐化滤波，建立基于二阶微分的图像增强处理，达到从空间域增强图像质量的目的。最后，构建巴特沃斯核模型，设计巴特沃斯低通滤波器，消除高通噪声，从频域角度增强遥感图像。实验结果表明：相较普通技术，本文算法具有更好的增强效果。

[1]ShaoshengSun.ImageEnhancementAlgorithmbasedonImprovedFuzzyFilter[J].JournalofMultimedia,2014,9(1)：138-144.

[2] 李哲学.改进高斯混合模型的遥感图像增强方法[J].激光杂志，2016,12(7):31-34.

[3]YuXiong,JunLi,XiaoqingZuo.ResearchonanEdgeDetectionAlgorithmofRemoteSensingImageBasedonWaveletEnhancementandMorphology[J].JournalofComputers,2014,9(5):1247-1252.

[4]T.GaneshKumar,D.Murugan,K.Rajalakshmi.ImageenhancementandperformanceevaluationusingvariousfiltersforIRS-P6SatelliteLissIVremotelysenseddata[J].Geofizika,2015,32(2):179-189.

[5] 吕笃良.基于非下采样剪切波变换与引导滤波结合的遥感图像增强[J].计算机应用，2016,36(10):2880-2884.

[6] 钟志群.Retinex算法卫星遥感图像增强的应用[J].激光杂志,2016,12(10):106-110.

[7]A.J.Hayter,S.Kiatsupaibul,P.Napalai.SimultaneousInferencesontheCumulativeDistributionFunctionofaNormalDistribution[J].CommunicationsinStatistics-TheoryandMethods,2015,44(24):5136-5145.

[8] 阿依古力·吾布力.基于Shearlet变换和多尺度Retinex的遥感图像增强算法[J].计算机工程与应用，2015,35(1):202-205.

[9]XiaotingPu,ZhenhongJia,LiejunWang.Theremotesensingimageenhancementbasedonnonsubsampledcontourlettransformandunsharpmasking[J].ConcurrencyComputat,2014,26(3):742-747.

[10] 张宇.多尺度图像分割和颜色传递的遥感图像彩色化增强[J].测绘学报，2015,44(1):76-81.

Remote Sense Image Enhancement Algorithm Based on Spatial Domain and Frequency Domain

WANGFan

(AnhuiXinhuaUniversity,Hefei230088,China)

In order to solve the problem that the feature of remote sensing image is not obvious and affect the results of later image analysis, a remote sensing image enhancement algorithm based on spatial domain and frequency domain is proposed. Firstly, according to the region of interest image, an image preprocessing operator based on histogram equalization is designed. Then Laplace sharpening filter is analyzed, and the image enhancement based on two order differential is established. Finally, according to the noise distribution in the frequency domain, construct Gauss kernel model and design Gauss low-pass filter to eliminate high pass noise as well as enhance remote sensing image in the frequency domain. The experimental test results showed that: compared with the current remote sensing image enhancement technology, this algorithm has higher performance enhancement.

remote sense image enhancement; histogram equalization; sharpening filter; Gauss kernel; Gauss low-pass

2016-12-27

TP391

A

1674-3229(2017)01-0039-03