[发明专利]基于NSST域的混合遥感图像增强方法

说明书

技术领域

本发明涉及图像处理领域，具体地，涉及一种基于NSST域的混合遥感图像增强方法。

背景技术

由于受传感器和环境等因素的影响，遥感图像在成像过程中会产生一些噪声干扰，从而使图像出现对比度不足和细节丢失等问题。因此首先必须对遥感图像进行增强预处理。目前，图像增强方法有空间域和变换域两种，基于空间域的方法是对图像的像素直接进行处理来增强图像的，具有简单、快速的特点，但是在增强对比度的同时放大噪声。基于变换域的方法因其良好的信号与噪声分离特性，目前在图像增强领域备受大家关注。其中小波变换因其具有良好的时频局部性和多分辨率特性，成为研究热点，但是因其方向性有限，不能有效地捕捉图像的轮廓信息。

发明内容

本发明的目的在于，针对上述问题，提出一种基于NSST域的混合遥感图像增强方法，以实现显著改善遥感图像的视觉效果，并有效增强遥感图像清晰度的优点。

为实现上述目的，本发明采用的技术方案是：

一种基于NSST域的混合遥感图像增强方法包括：

步骤S1、首先利用顶帽变换和底帽变换增强遥感图像的整体对比度；

步骤S2、然后采用NSST变换将上述增强整体对比度后的遥感图像分解成多尺度的高通和低通子带系数；

步骤S3、对高频子带系数进行自适应阈值去噪处理，然后对去噪处理后的高频子带系数进行线性增强处理；

步骤S4、然后根据经步骤S3处理后的高频子带系数以及步骤S2中得到的低通子带系数进行NSST反变换，并采用参数化对数图像处理模型对NSST反变换后的高频子带系数和低通子带系数进行增强处理，提高图像对比度，突出图像的目标特征。

优选的，所述步骤S3对高频子带系数进行自适应阈值去噪处理，所述自适应阈值中阈值的选取在同一尺度不同方向上引入了能量函数，所述能量函数为从而阈值公式为其中，式中，K为NSST的分解尺度数，k为当前分解的尺度数，取1到K,N为图像的像素个数，σ为图像噪声，J表示第k尺度内分解的方向数，Y₁为分解为高频子带分解系数的第一层。

优选的，上述步骤S3对高频子带系数进行自适应阈值去噪处理，然后对去噪处理后的高频子带系数进行线性增强处理中：具体为：用线性增强函数y＝1.5*x进行增强，式中x表示去噪后的高频子带系数，y表示对去噪后的高频子带系数进行线性增强后的高频子带系数。

优选的，所述步骤S4中，参数化对数图像处理模型中，主要公式为：

式中,f(i,j)和f'(i,j)分别为输入和输出灰度调函数，a(i,j)表示以元素(i,j)为中心的m×m窗口内的灰度调平均值，η、δ是权重系数。

本发明的技术方案具有以下有益效果：

本发明的技术方案，通过对遥感图像进行增强对比度、并对高频子带系数进行处理，而为了防止过度增强，对低频子带系数不进行处理，然后利用参数化对数图像处理(PLIP)模型对NSST反变换后的系数进行增强处理，从而达到显著改善遥感图像的视觉效果，并有效增强遥感图像清晰度的目的。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明

图1为本发明实施例所述的基于NSST域的混合遥感图像增强方法得流程图。

具体实施方式

以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。

如图1所示，一种基于NSST域的混合遥感图像增强方法包括：

步骤S1、首先利用顶帽变换和底帽变换增强遥感图像的整体对比度；由于遥感图像对比度不足，首先利用顶帽变换和底帽变换遥感图像进行增强预处理，增强图像的整体对比度；顶帽变换用原图像减去其开操作,即底帽变换用原图像的闭操作减去其本身,即Hb＝(I·W)-I。最后增强的图像为J＝I+Ha-Hb。

步骤S2、然后采用NSST变换将上述增强整体对比度后的遥感图像分解成多尺度的高通和低通子带系数；

步骤S3、对高频子带系数进行自适应阈值去噪处理，然后对去噪处理后的高频子带系数进行线性增强处理；

具体的上述步骤S3对高频子带系数进行自适应阈值去噪处理，然后对去噪处理后的高频子带系数进行线性增强处理中：具体为：用线性增强函数y＝1.5*x进行增强，式中x表示去噪后的高频子带系数，y表示对去噪后的高频子带系数进行线性增强后的高频子带系数。