一种基于卫星图像的增强方法.docVIP

一种基于卫星图像的增强方法 　　摘要：直方图均衡化是图像增强的一种有效方法，其基本思想是调整图像的灰度分布。线性拉伸的方法对图像进行增强处理，提高了图像的解译能力。本文从合成图像直方图均衡化和线性增强的优点入手，给出了一种直方图均衡化和线性增强相结合的改进算法，通过对算法中调节参数的选择来获取更好的图像增强效果，该算法避免了图像过亮等现象，改善了图像质量，实验验证了该算法更为有效。 　　关键词：直方图均衡化；线性增强；图像增强 　　中图分类号：TN919文献标识码：A文章编号：1009-3044(2008)11-20315-03 　　 　　1 引言 　　 　　在人类获取的信息中，视觉信息约占60%，而图像正是人类获取视觉信息的主要途径。所谓图像就是物体透射或者反射光形成的视觉信息肖温格。遥感中的图像处理和分类技术在人的大脑中的印象或者认识。但是由于卫星图像的传送和转换受远距离的大气层，天气状况，地物性质等特点影响总要造成图像的某些降质。因此需要在图像解读之前，须进行一些改善处理。 　　 　　2 图像增强算法 　　 　　图像增强就是采用一系列改善图像视觉效果的技术，将图像处理成更适合人或计算机分析解译的形式，并不一定追究图像降至的原因。图像增强是一个相对的概念，增强效果的好坏，不但与算法本身优劣有关，还与图像数据特征直接有关，同时评价图像质量的优劣往往凭观察者的主观决定，没有通用的定量判据，因此增强方法属于试探性的问题，对某类图像好的增强方法对另一类未必适用。增强方法基本上可以分为空间域处理和频域处理两大类。空间域处理是在原图像上直接进行数据运算，又分为局部相关领域运算和逐点运算。本文采用的就是空间域处理方法。 　　直方图是对图像每一亮度间隔内像元频数的统计，亮度间隔可以人为确定，既可以是均匀的，也可以是不均匀的。图像的亮度直方图给出了该幅图像概貌的总的描述，如一幅图像的明暗状况及对比度等，通过直方图可以反映出来。一般情况下遥感图像其灰度分布在较窄的区间，从而引起图像细节的模糊，为了使图像细节清晰，并使一些目标得到突出，达到增强图像的目的，可通过改善各部分亮度的比例关系，即通过改造直方图的方法来实现。 　　常用的直方图调整方法有以下两种：直方图均衡化和直方图规定化。该增强方法属于非线性方法，与线性增强方法对应。 　　2.1 直方图均衡调整方法描述 　　将原始图像的直方图调整到事先规定的状态（如正态分布），并对原始图像的特定灰度级范围进行增强处理。直方图规定化的实用算法步骤如下： 　　（1）计算原始图像的直方图Hf(k)和直方图累积函数Sf(j)。根据匹配后希望实现的直方图形状，计算处理后图像的直方图累积函数Sg(i)。 　　（2）比较两个直方图累积函数，为使处理后图像的直方图满足需要的形状，处理前的图像灰度级j和处理后的图像灰度级i之间的关系可以由两者直方图累积函数按以下规则确定 　　Sg(i)≤Sf(j)Sg(i+1) 　　如果令匹配后的直方图时平直的，即直方图均衡，则求得的直方图累积函数为 　　 　　这种线性增强方法可以将感兴趣或者重要的灰度区域拉伸，使该区域的信息量增大，同时抑制了不感兴趣或者不重要的区域。被增强的[fmin,fmax]数据段的灰度分布于0～254的灰度等级，而被忽略的数据的灰度则为0或者255。也是卫星图像增强处理中常用的一种方法。 　　2.3 改进后应用于卫星图片增强算法 　　在vc++6.0下对卫星图像分别采用直方图均衡调整方法和线性增强算法增强效果并不是很理想的情况下，改进后的混合增强方法中在使用直方图均衡的基础上同时又使用了线性增强，使图像增强效果达到最佳。下面的增强方法以MODIS遥感卫星图像数据的处理为例。 　　设原图像灰度f(x,y)范围为fmin 和fmax（当像素为8位时，则fmin＝0,fmax＝255）。并将直方图正规化为r＝[0,1],即 　　 　　3 几种增强方法的效果对比 　　 　　3.1 实际开发应用 　　基于上述算法，在WINDOWS XP操作系统，VC开发环境下进行开发试验，通过一副modis数据的ldf局地数据将上述算法进行比较。比较效果如下图2~图5。 　　3.2 效果对比分析 　　图2为modis卫星图象的局地数据显示图。灰度直方图均衡如图3，整体对比度很强，图像比较美观，但是会造成灰度的“吞噬”使遥感图像信息有所丢失，特别是当原始遥感数据的质量比较差、数据动态范围小、直方图分布极不均匀时，进行直方图均衡增强运算或者进一步进行直方图规定化，变换后的图像层次感更差，更易丢失信息。 　　 　　图4是经过分段增强后的图像，被增强的数据段的灰度分布于0～254的灰度等级，而被忽略的数据的灰度则为0或者255，