復雜環境下航天探測圖像增強技術

李登良

摘要：由于太空環境復雜多變，使探測到的太空圖像背景復雜、對比度和清晰度等因素較低，這都嚴重影響了其后續處理的實時性與準確性。為此，本文提出了一種可在復雜環境下對探測到的太空現場圖像增強的多尺度離散小波變換算法。首先將RGB圖像轉換到HSV空間的H分量、S分量、V分量;然后通過采用多尺度小波變換在頻域增強該顏色空間的V分量，同時利用相關系數使S分量隨著V分量的增強進行自適應調整;最后將處理后的H、s、v分量圖像轉換到RGB空間合成目標圖像，得到一種對比度清晰的空間圖像。將該算法與圖像增強算法進行比較。實驗結果表明：該方法在使清晰度得到增強的同時細節信息也增強，排除復雜天氣的干擾，大幅提高空間探測圖像的對比度、清晰度。

關鍵詞：現場圖像 小波變換 HSV空間 頻域增強 清晰度

1 引言

隨著科技的進步，人類對太空的探索也在不斷加深，由于小行星本身對宇宙發展的揭秘以及其可能存在的豐富礦藏使得人類對小行星的探測熱情不斷升高。這給我們對空間探測造成了極大的不便，給我們對空間資源等的探索使用造成了難以估量的損失。因此對空間小行星等的探測研究有著重大的現實意義。由于空間小行星所處環境復雜，在現實條件下采集圖像時會受光線、運動、采集時間、圖像背景以及對比度等因素影響，使其拍攝圖像質量嚴重偏低，使得現有識別檢測技術都有一定的使用局限性。

2 算法實現流程

如何將復雜天氣下空間探測圖像的低頻分量和高頻分量正確、快速分離，是低照度圖像增強的關鍵。為此，根據顏色空間各分量的相關性及小波變換可以有效分離圖像的高、低頻信息的特點，提出了基于HSV空間的小波變換圖像增強算法，減小復雜環境因素對空間探測圖像清晰影響，算法流程如圖1所示。

3 RGB轉到HSV圖像空間

RGB顏色模型是一種面向設備的顏色空間;HSV用顏色的三個基本屬性

色調（hue）、飽和度（saturation）和明度（value）來表示色彩，是一種面向視覺感知的顏色模型，能較好的反應人對色彩的感知和鑒別，所以非常適合于圖像處理。

4 V、S分量圖像處理

對V分量圖像進行小波變換及其逆變換，在頻域中利用雙邊濾波進行背景估計，去除噪聲的同時增強圖像的細節部分;通過相關系數關系對S分量進行自適應增強及直方圖拉伸處理將最終得到的v、H、S轉換到RGB空間，并進行合成顯示得到清晰的空間探測圖像。

4.1 小波域變換

針對空間探測圖像能量分布比較集中的特點，對小波系數進行二級分解之后對低頻

子帶進行處理，對處理過后的低頻子帶圖像進行逆變換重構。

4.2 S分量的自適應增強及直方圖拉伸

由于飽和度分量包含了大量的圖像細節，因此在進行圖像增強時，應該充分利用飽和度分量，而且圖像顏色的飽和程度也會直接影響到圖像的亮度。

4.3 合成圖像

將經過上述變換處理之后的H、S、V分量變換到RGB顏色空間，并顯示。（清晰度，指圖像中各細部影紋及其邊界的清晰程度。通過看圖像的清晰程度來比較圖像質量。）

5 實例及結果分析

實驗共選取2幅典型復雜環境下的現場空間探測圖像進行增強處理，其中圖像1為640x480像素的遮光圖像;圖像2為103lx1488像素的亮度較弱的陰暗圖像。為了驗證本文算法的性能，將其與處理前圖像進行對比，實驗結果如圖2及表1所示。

由合成顯示圖像及表1知可知，處理后的圖像達到令人滿意的效果。本文的算法按照小波分解在頻域調整亮度的同時，自適應地增強色度和飽和度，對具有亮暗細節的圖像增強效果非常顯著，不但可以保留亮細節處的顏色，而且可以增強暗細節，同時做到了圖像顏色基本不失真。增強后的圖像無論是明度、色度、飽和度等方面均優于處理前。

6 結論

（1）本文通過將空間探測圖像的RGB空間變換到HSV空間，對V分量采用小波變換，充分利用低頻子帶信息，同時抑制高頻子帶及噪聲;通過相關系數對S、H分量處理，合成顯示目標圖像。可以將復雜環境下的背景處理成相對清晰的背景模式。

（2）采用的離散小波變換及其逆變換的系數特征去除空間探測圖像中的低頻成份大幅提高了圖像的清晰度，該方法有效的解決了復雜環境對空間探測圖像的影響，簡單可行，且成本較低。

參考文獻

[1]莊緒霞，阮寧娟，趙思思.近地小行星天基光學監測與識別技術研究[J].空間碎片研究.2018.18（1）：1-11.

[2]焦維新，鐘俊.近地小行星探測目標選擇[J]地球物理學報.2016，59（11）：39553959.

[3]任行行，屈楨深，劉學軍.基于特征跟蹤的空間交會接近目標位姿測量研究[J].計算機工程與應用，2008，44（28）：204—_210.

[4]曹春萍，梁慧.圖像邊緣檢測中的改進算法[J].上海理工大學學報，2003，35（2）：157-160.