基于空間域與頻域的遙感圖像增強算法

王

(安徽新華學院，安徽 合肥 230088)

基于空間域與頻域的遙感圖像增強算法

(安徽新華學院，安徽 合肥 230088)

為了解決遙感圖像特征不明顯而影響后期圖像分析結果的問題，提出了基于空間域與頻域的遙感圖像增強算法。首先，根據直方圖灰度級分布特性，設計基于直方圖均衡化的圖像預處理算子。其次，分析拉普拉斯銳化濾波，建立基于二階微分的圖像增強機制，達到從空間域增強圖像質量的目的。最后，根據頻域噪聲分布特性，構建巴特沃斯核模型，設計巴特沃斯低通濾波器，以消除高通噪聲，從頻域角度增強遙感圖像。實驗測試結果表明，與當前遙感圖像增強技術相比，此算法擁有更高的增強效果，更好地保留了圖像的亮度與色度信息。

遙感圖像增強；直方圖均衡化；銳化濾波；巴特沃斯核；巴特沃斯低通

0 引言

隨著計算機技術、地理學和航空航天拍攝掃描技術的飛速發展，地理信息系統這個綜合領域得到發展的同時，其發揮的作用越來越得到重視[1,2]。地理信息系統應用在軍事、地理和天氣領域，也可用于地形實時觀察、天氣預測和地表變化等[3，4]。地理信息系統是航空拍攝、計算機科學、地理學和微電子學多學科綜合產物。首先，由飛機航空拍攝或者飛行器航天掃描完成前期取像；其次，采用計算機數字圖像處理技術對初始圖像進行處理，達到預期效果；最后，采用圖像分析技術完成計算機對遙感圖像的理解。目前前期拍攝掃描技術較為成熟，問題集中在影像采集后的增強處理，目的是優化圖像質量、突出遙感圖像特征，以為后續遙感圖像信息提取與處理。如呂篤良[5]提出了基于非下采樣剪切波變換與引導濾波結合的遙感圖像增強，通過NSST被分解成低頻子帶和高頻子帶兩部分；然后,對低頻子帶進行線性增強,提高整體對比度;采用自適應閾值法抑制高頻子帶的噪聲,再對去噪后的高頻子帶進行引導濾波增強,提高圖像的細節信息和邊緣梯度保持能力；最后,對兩部分子帶進行NSST反變換,得到增強后的圖像。但是，此技術依靠空間域對大數據樣本做處理，如果空間域特征不明顯，往往會影響增強效果。鐘志群[6]提出了Retinex算法衛星遙感圖像增強的應用,采用小波多尺度分解方法進行衛星遙感圖像的降噪預處理,在特征模板中提取衛星遙感圖像的多尺度Retinex顏色特征分量,在Retinex顏色特征基礎上融合衛星遙感圖像的邊緣輪廓特征點,通過模板自適應匹配實現衛星遙感圖像的增強。然而，這種技術未充分考慮頻域高通噪聲不穩定的情況，在針對頻域噪聲分布不均時，往往不能準確增強。

為了提高遙感圖像增強效果，本文結合空間域與頻域的增強技術優勢，應用遙感圖像增強處理。根據圖像像素灰度分布性，設計出先直方圖均衡化，后拉普拉斯銳化濾波的圖像空間域增強。根據頻域噪聲高通特性，設計巴特沃斯低通濾波，從頻域角度完成遙感圖像增強處理。

1 基于空間域與頻域遙感圖像增強算法

為了解決遙感圖像特征不明顯而難以準確充分增強的問題，本文從空間域與頻域兩個方面入手，提出了基于空間域與頻域的遙感圖像增強算法，其過程見圖1。首先，根據直方圖灰度級分布特性，設計基于直方圖均衡化的圖像預處理算子。其次，構建巴特沃斯核模型，分析拉普拉斯銳化濾波，建立基于二階微分的圖像增強處理，達到從空間域增強圖像質量的目的。再次，構建巴特沃斯核模型，設計巴特沃斯低通濾波器，消除高通噪聲，從頻域角度增強遙感圖像。最后，基于軟件工程，把以上方法逐個實現，并集成在圖像增強系統中。

1.1 基于空間域的遙感圖像增強

本文增強對象是初始的遙感圖像。先從空間域入手，分析圖像直方圖特性，直方圖作為圖像分析工具，描述了一幅圖像灰度級內容，本文采用直方圖均衡化方法處理，來達到增強圖像對比度的效果。

假設r、s分別代表原始圖像和變換后圖像在坐標(x,y)處的灰度值，灰度級總數為256個，r、s在[0,255]范圍內單值單增，保證變換前后灰度值動態范圍一致性，增強變換公式如下：

s=T(r)

(1)

式中，T為增強變換函數，灰度級r為灰度區間上的隨機變量。變換函數是原圖像的累積分布函數[7]，其灰度級為：

(2)

式中，rk為第k個灰度級，nk為第k級灰度像素數，N為圖像像素總數，P(rk)代表灰度級為rk像素出現的概率，對其進行均勻化變換，函數[8]為：

(3)

由上對初始像素r進行變換得結果像素s，完成直方圖均衡化處理。然后采用二階微分算子(拉普拉斯)，做圖像邊緣銳化處理。二階微分拉普拉斯處理公式如下：

(4)

式中L(f(x,y))為拉普拉斯銳化算子對圖像f(x,y)處理結果。結合直方圖均衡化和二階微分作為空間域增強。處理原圖為圖2，可見遙感圖像對比度和清晰度不明顯，經過本文的空間域增強處理，得結果如圖3所示，可見明顯提高了圖像增強效果。

1.2 基于頻域的遙感圖像增強

得到空間域增強處理圖像后，開始使用頻域處理，本文基于巴特沃斯低通濾波，對全局噪聲進行處理。首先巴特沃斯核函數公式如下：

(5)

式中，H代表巴特沃斯核函數，D為頻域截止頻率，n為函數階，D(u,v)為頻率點(u,v)到頻率平面原點的距離[9]：

(6)

得到式5的巴特沃斯核模型，進行巴特沃斯低通濾波處理：

B(u,v)=D(u,v)·H(u,v)

(7)

其中，B(u,v)代表巴特沃斯低通濾波結果，來自頻域圖像與巴特沃斯核的卷積運算結果[10]。處理原始圖像(圖3)，得到增強效果圖(圖4)。本節算法流程如圖5所示。

2 實驗與討論

本算法通過增強技術結合空間域與頻域實現遙感圖像有效增強，提高了圖像對比度和清晰度，而傳統方式單純只依靠空間域或者頻域增強算法。將增強性能較好的技術—文獻[5]、文獻[6]設為對照組，并基于VS2015平臺開發實現，算法實驗參數為：直方圖灰度級(255)、均衡化亮度(200)、拉普拉斯核(0.75)、巴特沃斯核(0.86)。

待處理圖如圖6所示，圖像中地面特征較為模糊、亮度和對比度不足。本文首先結合直方圖均衡化與二階微分圖像處理，形成空間域增強方法，處理結果如圖7所示，可見亮度與對比度有明顯提高。然后根據巴特沃斯核，設計頻域增強算子，進行低通去噪處理，如圖8所示，圖像進一步清晰化。綜合分析可見，本文設計的遙感圖像增強算法優化了初始成像效果不佳的遙感圖像。

利用對照組文獻[5]技術處理圖6時，此技術依靠空間域對大數據樣本做處理，在空間域特征不明顯，往往影響了增強效果，如圖9所示,且對比度和清晰度不足，沒有得到理想增強效果。

而利用文獻[6]技術處理圖6時，由于這種技術未充分考慮頻域高通噪聲不穩定的情況，在針對頻域噪聲分布不均時，往往會造成增強質量不佳，如圖10所示，且對比度和清晰度不足，沒有得到理想增強效果。

3 結論

為了解決遙感圖像特征不明顯，影響后期圖像分析結果的問題，本文提出了結合空間域與頻域的遙感圖像增強算法。首先，根據直方圖灰度級分布特性，設計基于直方圖均衡化的圖像預處理方法。其次，分析拉普拉斯銳化濾波，建立基于二階微分的圖像增強處理，達到從空間域增強圖像質量的目的。最后，構建巴特沃斯核模型，設計巴特沃斯低通濾波器，消除高通噪聲，從頻域角度增強遙感圖像。實驗結果表明：相較普通技術，本文算法具有更好的增強效果。

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

[2] 李哲學.改進高斯混合模型的遙感圖像增強方法[J].激光雜志，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] 呂篤良.基于非下采樣剪切波變換與引導濾波結合的遙感圖像增強[J].計算機應用，2016,36(10):2880-2884.

[6] 鐘志群.Retinex算法衛星遙感圖像增強的應用[J].激光雜志,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變換和多尺度Retinex的遙感圖像增強算法[J].計算機工程與應用，2015,35(1):202-205.

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

[10] 張宇.多尺度圖像分割和顏色傳遞的遙感圖像彩色化增強[J].測繪學報，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