基于改進Wallis濾波器算法的無人機影像勻光勻色方法

楊海成 李茂森 倫更永 李云濤 梁四幺

(1. 核工業(yè)航測遙感中心, 河北 石家莊 050000;2. 中核三維地理信息工程技術研究中心, 河北 石家莊 050000)

0 引言

無人機影像生成數(shù)字正射影像主要包括3個步驟:影像幾何糾正、影像色彩一致性處理和影像鑲嵌。由于無人機攝影受不同拍攝環(huán)境(如太陽高度角、云霧等)、地形起伏(如高山、平地等)、相機自身特性(如曝光、白平衡等)、航攝比例尺等因素的影響,使得拍攝的影像之間和影像內部容易出現(xiàn)色彩不均勻、明暗不一致等問題[1]。如果這些差異不進行處理,鑲嵌影像就會有明顯的色彩和亮度差異,影響最終數(shù)字正射影像的色彩質量和用戶的目視判讀,還會給后續(xù)影像處理工作帶來相應的困難[2]。無人機影像間勻光勻色是為了解決影像間亮度和色彩差異問題,按照處理思想主要分為3類:基于直方圖的勻光勻色算法,基于統(tǒng)計方法的勻光勻色算法和基于全局的勻光勻色算法[3]。

基于直方圖的勻光勻色算法[4]實質是校正影像的直方圖分布,將源影像和模板影像直方圖進行均衡化處理,再將均衡化影像按照映射關系進行校正。文獻[5]指出直方圖匹配算法雖然能直接修改影像直方圖的分布形狀,但是當兩幅影像差異較大時,直方圖匹配結果會出現(xiàn)偏色現(xiàn)象。

基于統(tǒng)計方法的勻光勻色算法實質是一種數(shù)學變換,先統(tǒng)計源影像和模板影像的相關參數(shù),再通過數(shù)學變換把源影像的參數(shù)校正為模板影像的參數(shù)。文獻[6]提出了基于Wallis濾波器的算法,將模板影像的均值和方差作為標準,通過變換源影像的灰度值,使其均值和方差與參考圖像均值和方差近似,從而實現(xiàn)影像的勻光勻色處理。但是線性傳遞會出現(xiàn)累積誤差,在純色區(qū)域容易出現(xiàn)不均勻的斑點。文獻[7]基于重疊區(qū)域的Wallis勻色方法,將相鄰影像重疊區(qū)域內的均值和方差進行Wallis變換,當重疊區(qū)域色差較大或重疊度數(shù)較大時,影像間的色彩差異無法徹底消除。文獻[8]采用分段直方圖表示影像的顏色分布,將源影像局部特征結構與模板影像進行特征匹配,該方法能處理大尺度影像的色彩校正。

基于全局的勻光勻色算法一般以影像在相同地理位置有相同顏色為先驗證知識,在整個測區(qū)內利用最小二乘平差使得全局色彩差異最小。為了更準確地實現(xiàn)色彩映射,文獻[9]提出了一種新的方法,獨立校正每個像素的顏色,通過顏色特征對應求解最小二乘概率移動,直接得到每個像素的獨立仿射模型,但是該方法不能保證匹配特征的數(shù)量和分布合理性。文獻[10]在梯度感知分解的基礎上,分別進行顏色映射和細節(jié)增強,該方法很好地保留了紋理和細節(jié)。按照相同的策略,文獻[11]利用梯度增強技術,開發(fā)了一種更完整和更復雜的算法來抑制細節(jié)損失,但是該方法保留的結構與原始結構在幅度上可能出現(xiàn)不一致。文獻[12]提出多視色彩校正算法,同時考慮了單張影像的質量以及全局影像的色彩一致性,在重疊區(qū)域建立影像間顏色差異、梯度保護、對比度優(yōu)化為目標方程的能量函數(shù),求解得到顏色校正模型,通過二次樣條的插值得到每個像素的顏色值,該方法校正模型比較復雜,計算量大。

以上色彩一致性處理算法在傳統(tǒng)航空影像色彩處理中已經取得了較好的效果,但在無人機影像色彩處理過程中有一定的局限性,與傳統(tǒng)航空攝影測量相比,無人機攝影測量的飛行高度更低,影像重疊度更大,獲得的影像具有張數(shù)多、數(shù)據量大、分辨率較高等特點。而且由于霧霾或建筑物的遮擋易在局部區(qū)域形成暗區(qū)、由于鏡面反射物體的強曝光易在水面形成亮斑,這讓無人機影像在進行色彩一致性處理時變得更加復雜和困難[13]。為了解決無人機航攝影像色彩差異問題,本文提出了一種基于乘性系數(shù)和無人機影像像元信息的變換參數(shù)改進方法,此方法的改進在盡可能保持待勻色影像色彩損失小的條件下,使得影像間整體色調和影像內亮度均值反差一致,具有良好的勻光勻色效果。

1 傳統(tǒng)的Wallis濾波器勻光勻色方法

Wallis濾波器實質上是一種影像增強的濾波算法,將局部影像進行變換,通過保證影像內部不同位置、不同影像之間的灰度均值和標準差近似相等來實現(xiàn)影像的勻光勻色處理[14]。同時,它也是一種特殊的線性變換,線性數(shù)學模型表達式為式(1)。

(1)

式中,g(x,y)表示原始影像的灰度值;f(x,y)表示結果影像的灰度值;r1表示乘性系數(shù);r0表示加性系數(shù),見式(2)和式(3)。

式中,sg表示原始影像的標準差;sf表示模板影像的標準差,c∈[0,1];b表示標準差系數(shù),b∈[0,1];mg表示原始影像的灰度均值,mf表示模板影像的灰度均值。

Wallis變換的目的是將結果影像的均值和標準差強制變換到模板影像的均值和標準差,Wallis變換的一般表達式為式(4)。

(4)

式中,g(x,y)表示原始影像的灰度值;f(x,y)表示結果影像的灰度值;mg表示原始影像的灰度均值;sg表示原始影像的標準差;sf表示模板影像的標準差,c∈[0,1];b表示標準差系數(shù),b∈[0,1];mf表示模板影像的灰度均值。

典型的Wallis濾波器中取b=1、c=1,此時式(4)變?yōu)槭?5)。

(5)

式中,g(x,y)表示原始影像的灰度值；f(x,y)表示結果影像的灰度值；mg表示原始影像的灰度均值；sg表示原始影像的標準差；sf表示模板影像的標準差；mf表示模板影像的灰度均值。

2 改進的Wallis濾波器勻光勻色方法

2.1 基于乘性系數(shù)的改進

2.2 基于像元信息的變換參數(shù)改進

待處理影像塊每個像元的變換參數(shù)由像元的周圍信息來確定。通過以像元點為中心按照一定尺寸設定不同層級的局部區(qū)域,求取各區(qū)域均值與方差,并根據各層級分塊中心像元到待處理像元的歐式距離賦予反距離權重,根據權重大小對各層級分塊的均值與方差進行加權求和獲取最終的變換參數(shù),局部區(qū)域的形狀通常選為正方形,如圖1所示。每個小方格作為一個像元,L為指定局部尺寸。

圖1 影像塊局部參數(shù)示意圖

該像元點變換參數(shù)由自己所在方塊以及周圍次級分塊共同決定,公式如式(8)和式(9)所示。

圖2 基于像元信息的變換參數(shù)改進流程圖

3 實驗及分析

3.1 勻光勻色實驗

本文使用了兩組不同地形的數(shù)據分別進行實驗:安徽測區(qū)對應平原地形、湖北測區(qū)對應山地地形。依次對兩個測區(qū)進行Wallis濾波器實驗本文改進的Wallis濾波器方法對比實驗。對同一組數(shù)據從整體和局部細節(jié)采用主觀視覺進行定性評價和客觀指標進行定量分析,得出實驗結論。實驗數(shù)據如下:

(1)安徽測區(qū)。該地區(qū)氣候溫和,四季分明,光照充足,但是由于太陽高度角的影響,使得拍攝的像片光照不同,影響了影像的質量。由無人機影像經幾何糾正和影像鑲嵌后的正射影像如圖3所示。經無人機影像經幾何糾正、影像勻光勻色和影像鑲嵌后的整體正射影像和局部放大效果如圖4所示。

(2)湖北測區(qū)。該地區(qū)四季分明,冬冷夏熱,雨熱同季,但是由于地形起伏較大,拍攝的像片出現(xiàn)亮區(qū)和暗區(qū),且有些區(qū)域影像模糊,整體來說影像的質量不佳。由無人機影像經幾何糾正和影像鑲嵌后的正射影像如圖5所示。經無人機影像經幾何糾正、影像勻光勻色和影像鑲嵌后的整體正射影像和局部放大效果如圖6所示。

圖3 無人機源影像直接鑲嵌結果

(a)Wallis濾波器整體

(b)本文方法整體

(c)Wallis濾波器局部

(d)本文方法局部

圖5 無人機源影像直接鑲嵌結果

(a)Wallis濾波器整體

(b)本文方法整體

(c)Wallis濾波器局部

(d)本文方法局部

3.2 主觀視覺評價

安徽測區(qū)從視覺評價而言,圖4(a)中Wallis濾波器實驗結果:整體色調變暗,對比度下降,影像出現(xiàn)斑點,地物出現(xiàn)偏色現(xiàn)象,影像清晰度降低,勻光勻色效果不好;圖4(b)本文實驗結果影像色彩一致性,對比分明,細節(jié)清晰,目視效果良好,雖然在水面存在細微拼接的痕跡,但是總體來說,本文勻光勻色實驗結果良好。

湖北某測區(qū)從視覺評價而言,圖6(a)中Wallis濾波器實驗結果:整體色彩一致性較好,但與源影像的色調發(fā)生了較大變化,影像出現(xiàn)偏色,細節(jié)模糊,影像清晰度降低,勻光勻色效果較差;圖6(b)本文實驗結果:影像色彩一致性好,鑲嵌線處的色彩差異較小,目視效果良好。

3.3 客觀數(shù)據分析

客觀指標評價是通過計算能夠反映結果影像色彩質量的參數(shù)指標,再進行定量分析參數(shù)值的一種方法。本文采用的客觀指標評價參數(shù)[15]有:均值、標準差、平均梯度、信息熵等。

3.3.1安徽測區(qū)客觀指標評價參數(shù)

如表1和表2所示,安徽某測區(qū)從客觀指標評價而言,本文算法均值與源影像的均值最接近,說明色彩保持較好;本文算法信息熵最大,說明影像信息豐富;本文算法平均梯度分別最高和次高,說明細節(jié)保持良好,影像清晰;本文算法的標準偏差為次小,說明影像灰度分布比較集中,像素之間差異較小。總體來說,本文算法在客觀指標評價中具有優(yōu)勢。

3.3.2湖北測區(qū)客觀指標評價參數(shù)

如表3和表4所示,湖北某測區(qū)從客觀指標評價而言,由于測區(qū)內明暗差異較大,本文實驗均值與源影像的均值差異較大,但是與其他方式而言是最接近和次接近源影像均值的,說明色彩雖有調整,但是保持較好。本文方法信息熵最大,說明進行色彩調整時保持了影像的信息。本文方法平均梯度分別為最高和次高,保持了影像的細節(jié),明暗一致,消除了條帶現(xiàn)象。總體而言,湖北測區(qū)實驗結果表明本文算法的校正效果最佳。

表1 安徽測區(qū)整體勻光勻色實驗結果客觀指標參數(shù)

表2 安徽測區(qū)局部勻光勻色實驗結果客觀指標參數(shù)

表3 湖北測區(qū)整體勻光勻色實驗結果客觀指標參數(shù)

表4 湖北測區(qū)局部勻光勻色實驗結果客觀指標參數(shù)

4結束語

(1)針對傳統(tǒng)Wallis濾波器勻光勻色算法不能解決無人機影像內部存在的亮度不均、反差不一致等現(xiàn)象,影響無人機影像勻色效果。本文提出了一種基于乘性系數(shù)和無人機影像像元信息的變換參數(shù)改進方法,此方法的改進在盡可能保持待勻色影像色彩損失小的條件下,使得影像間整體色調和影像內亮度均值反差一致,具有良好的勻光勻色效果。

(2)通過對實驗數(shù)據分別進行Wallis濾波器和本文改進方法實驗結果的主觀視覺和客觀數(shù)據評價分析證明,在傳統(tǒng)的Wallis濾波器算法上對乘性系數(shù)和像元信息的變換參數(shù)的改進,驗證了在無人機影像勻光勻色處理效果上的顯著優(yōu)勢,具有一定的推廣應用價值。