基于前饋神經網絡的色彩均衡方法

羅登

【摘 要】傳統色彩均衡方法在拼接大范圍不同時間的衛星影像時往往匹配效果較差。針對上述問題，提出了一種基于前饋神經網絡的全波段變換的色彩均衡方法。區域網平差思想解決多幅影像色彩均衡的效果最優問題;前饋神經網絡的非線性逼近滿足了色彩變換需求。結果表明，該方法在處理時相不同的影像時色彩均衡效果比直方圖匹配好，為遙感制圖中的勻光勻色工作提供了新思路。

【關鍵詞】圖像增強;色彩均衡;前饋神經網絡;光譜匹配

在航空遙感成像過程中，單幅遙感影像往往因為大氣衰減、云層、煙霧以及向陽和背陽等光照條件不同導致亮度不均、對比度低和顏色失真等問題[1，2]。區域內多幅影像也會因為相機參數、曝光時間、影像獲取時間、攝影角度和云層的影響使得重疊區域的色彩不均衡，多幅影像鑲嵌后結果存在明顯縫隙[3]。針對多張影像的色彩均衡處理，目前比較成熟和廣泛的算法有基于Wallis濾波器和基于直方圖匹配的方法。Wallis濾波器通過局部影像變化，使得不同的位置具有相同的灰度方差與均值，但是在灰度梯度變化大的區域效果欠佳[4]。直方圖匹配是通過一幅影像的直方圖對另一幅影像色彩進行重建，該方法可能使某些細節消失或使某些反差擴大[5]。

除上述兩種方法以外，使用線性變化修正重疊區的RGB或HIS色彩信息也可以取得的較好的效果[6，7]。詹總謙等[5]在重疊區色彩線性變換的基礎提出了秩虧自由網平差的方法解決多景影像最優解問題。位明露等[8]在自由網平差的基礎上把色彩變換方式換成了二元一次函數，使算法適應了更復雜的環境。然而，上述方法都只適用于航空遙感中光學成像獲取的影像，在處理航天遙感的多時相多光譜影像時往往匹配效果不好的問題。針對上述問題，本文以LandSat 8影像為例，將變換函數換成前饋神經網絡，利用神經網絡優秀的非線性逼近能力[9]模擬多光譜全波段的色彩變換過程。

一、基于前饋神經網絡的色彩均衡原理

如果待處理的影像內已經消除了亮度不均、對比度低和顏色失真等問題，則多幅影像主要存在通道內的均值差異和方差差異。假設兩幅影像A、B部分重疊，重疊區P中影像A有n個像元，它們的光譜向量為，則影像B與之對應的同名像元的光譜向量為。其中，為某一像元的光譜向量，向量的維數為波段數。

若分別有變換函數，則兩幅影像某一像元的光譜距離平方和為光譜匹配的思路

該重疊區的總距離平方和為

只需要將區域內m個影像重疊區列出如式（2）的方程，利用優化算法求取■的最優解，即滿足：

色彩均衡的預期目標是在保證影像質量不受到影響或者受到影響較小的情況下平衡多幅影像的色彩，滿足大區域遙感制圖的需求。色彩均衡效果采用重疊區像元的中誤差、光譜角和目視對比效果評價;影像質量通過對比變換前后的標準差和一維信息熵來評價。

二、實驗與結果分析

分別選取某區域同時間的多幅影像和不同時間的多幅Landsat 8影像進行輻射定標、大氣校正等預處理，然后分別采樣不做處理、ENVI軟件中直方圖匹配和本文的方法對影像做處理，對比三種情況的效果（圖1）。在處理同時相影像時，不同影像之間只存在一些整體的亮度差異。在這種情況下，本文的方法取得了與直方圖匹配方法相同的效果。原圖與參考影像的中誤差為0.0165，直方圖匹配結果為0.0021，神經網絡為0.0025。

三、結論

在拼接大范圍的衛星影像時，區域內影像往往由于影像獲取時間不同、成像條件不同和云覆蓋等原因導致重疊區灰度值存在差異，給影像拼接工作帶來困難。本文利用前饋神經網絡對影像進行全波段變換，取得了比直方圖匹配更好的效果。該方法為地物光譜差異大、色彩偏差大的勻色工作提供了新的方法，具有一定的參考價值。

【參考文獻】

[1]王密， 潘俊. 一種數字航空影像的勻光方法[J]. 中國圖象圖形學報， 2004， 9（6）. DOI：10.11834/jig.200406139.

[2]邵振峰， 周熙然， 白云. 改進多尺度Retinex理論的低照度 遙感影像增強方法[J]. 武漢大學學報信息科學版， 2015， 40（1）： 32–39.

[3]李德仁， 王密， 潘俊. 光學遙感影像的自動勻光處理及應用[J/OL]. 武漢大學學報信息科學版， 2006， 25（1）： 1–14.

[4]王智均， 李德仁， 李清泉. Wallis變換在小波影像融合中的應用[J]. 武漢測繪科技大學學報， 2000， 25（7）： 338–342. DOI：10.3321/j.issn：1671-8860.2000.04.011.

[5]詹總謙， 饒友琢. 秩虧自由網平差在近景影像色彩均衡處理中的運用[J]. 遙感信息， 2014， 29（6）： 03–05.

[6]XIONG Y， PULLI K B T-I C on M. Color and luminance compensation for mobile panorama construction[C]. .

[7]潘俊. 自動化的航空影像色彩一致性處理及接縫線網絡生成方法研究[Z]. 武漢大學， 2008（2008）.

[8]位明露， 劉全海， 冉慧敏. 區域網平差的航空影像色彩均衡算法[J/OL]. 測繪科學， 2017， 5（1）： 1–8.

[9]HORNIK K， STINCHCOMBE M， WHITE H. Multilayer feedforward networks are universal approximators[J]. Neural Networks， 1989， 2（5）： 359–366. DOI：10.1016/0893-6080（89）90020-8.

[10]KINGMA D P， BA J L. Adam： A method for stochastic optimization[J]. 3rd International Conference on Learning Representations， ICLR 2015 - Conference Track Proceedings， 2015.