[发明专利]基于暗通道的遥感影像薄雾快速去除方法

说明书

本发明公开了基于暗通道的遥感影像薄雾快速去除方法。该方法包括如下步骤：提升遥感影像的曝光程度；对所述遥感影像的输出图像进行降采样；计算所述遥感影像的透射率的预估值，并在遥感影像中将所述透射率显示出来，得到预估透射率图；对所述预估透射率图进行滤波处理，得到导向滤波图；对所述导向滤波图进行计算，得到精细的透射率图；计算得到去雾后的影像图。本发明所述方法，提高了不同类型遥感影像去雾的普适性；去除人机交互的过程，全自动海量去雾；满足大面幅遥感影像实时处理的技术要求，去雾速度快。

技术领域

本发明涉及卫星影像处理技术领域，具体涉及基于暗通道的遥感影像薄雾快速去除方法。

背景技术

在近代科学研究、工农业生产、气象及天文学等各个领域中，人们越来越多地利用遥感影像中包含的大量信息来认识和判断事物，解决实际问题。遥感影像在各领域应用中的重要性日益增加，但它的获取过程普遍受到雾的影响。雾是一种常见的自然现象，即使是晴朗的天气，由于地面水气的蒸发大气中水分子与各种微小的灰尘、杂质颗粒结合在一起，加之水分子之间的相互粘结，就会形成半径较大的小水滴，凝结成雾。这些形成雾的半径较大的小水滴对可见光的散射作用极其明显，其散射作用随距离的增加成指数增长。

遥感影像都是从上向下观测，成像过程中被摄的目标物体表面发射的光线在大气中受到雾的影响，由于吸收、散射和折射等光学作用而衰减，同时由于散射作用，摄影镜头中会混入大气光。在这两种主要作用和随机大气湍流、传感器噪声等多方面次要作用的影响下，摄像镜头接收到的光线发生了非均匀变化，这就造成遥感影像灰度值的变化。具体表现为灰度动态范围被缩小，像素之间对比度被降低，并且受影响的程度主要与雾的浓度和镜头到物体的距离有关，这就使得遥感影像在各领域中发挥的作用受到限制。

通过一定的图像处理方法，能够在很多被雾影响的，信息量低的遥感影像中获取大量的有用信息，将信息量低的影像转变为有用影像。特征提取、测度分析、目标识别等各种图像处理算法都假定接收到的影像都是源自于物方光线(即不考虑大气光)，这些算法的结果都不可避免的受到有偏的、低对比度的物方光线影响。去雾能够显著增强景物的可见度并纠正由大气光引起的色差，无雾影像更有利于我们的视觉观察，无雾影像更便于目视判读和各种图像处理算法的实现，对遥感影像去雾方法的研究具有重要的现实意义。因此，遥感影像的去雾就显得尤为重要。

目前，应用于遥感影像去雾的方法主要有：一类是基于大气退化物理模型的方法。这种方法从物理模型的角度，对大气的散射作用进行建模分析和图像恢复来达到去雾还原的效果。如1998年英国的两位学者提出的基于三参数大气退化模型的有雾图像处理方法；另一类是基于图像增强的方法，这种方法实质是图像对比度增强问题，如直方图均衡化、小波变换、Retinex理论等。

空间域中的平滑和锐化算法也是图像增强的经典方法，平滑算法可以很好的平滑噪声，但同时往往带来边缘和细节信息的模糊；锐化算法可以很好的增强边缘和细节信息，但同时往往又引起噪声。而且，不同类型的噪声又需要不同的平滑处理方法。这样，要取得良好的效果需要通过人机交互的方式，这种增强方法不满足当前实时处理和自动处理的需要。

频率域中的高通和低通滤波在处理效果和算法特点上和平滑、锐化一样，同时这类方法容易引起振铃效应，这就增加了处理的难度。同态滤波的方法相对于传统的线性变换、非线性变换、直方图均衡化、平滑和锐化方法在算法原理和处理效果上都有巨大的进步。同态滤波的方法认为图像可以分为解照度图像和反射图像，反射图像代表了真实的物方辐射信息。同态滤波近似的认为傅立叶变换的低频部分代表照度图像，傅立叶变换的高频部分代表反射图像。但在实际操作中滤波器的选择成为了难点，因为很难找到一组对各种图像都适用的低通和高通滤波器，这个局限性也影响了同态滤波的应用价值。