[发明专利]基于场景先验的遥感图像增强方法

权利要求书

1.基于场景先验的遥感图像增强方法，其特征在于如下步骤：

步骤a、从遥感影像数据中人工挑选包含各类场景的高质量遥感图像，进行HSV变换并利用低通滤波器对V分量进行多尺度分解，将不同尺度下的V分量低频部分的灰度均值信息作为先验；

步骤b、构建一个卷积神经网络对多类场景影像进行分类训练，获得遥感影像场景分类器，利用场景分类器获得待增强图像的场景；

步骤c、对待增强图像I进行HSV变换并利用低通滤波器对其V分量进行多尺度分解以获得各尺度低频图像和高频图像；

步骤d、利用动态Gamma变换不断调整待增强图像各尺度下的低频图像的灰度值，使其和同场景下的高质量遥感图像的灰度值在预设的误差范围内，并将不同尺度的低频图像和对应的高频图像进行融合获得增强的V分量，最后通过HSV反变换获得最终增强的遥感图像。

2.根据权利要求1所述的基于场景先验的遥感图像增强方法，其特征在于，步骤a具体按照如下方式进行场景先验知识的统计：

首先，选择出各场景下的高质量遥感图像，并进行HSV变换；

然后，利用低通滤波器对V分量进行滤波，其中V分量表示为L₀，获得图像的低频图像L₁；将L₁继续进行低通滤波获得低频图像L₂，以此方式共进行n次低通滤波获得不同尺度的低频图像，分别记为L₁,L₂,…,L_n；

再者，统计不同场景下，各尺度低频图像的均值

其中，N为图像的总数；s为场景编号；L_i(p,s)为场景s中i尺度下的第p个图像；mean(*)表示求取图像的均值；

最后，统计不同场景下，各尺度低频图像灰度和低频均值之间差异的均值

其中，N为图像的总数；s为场景编号；L_i(p,s)为场景s中i尺度下的第p个图像；|*|表示取绝对值；mean(*)表示求取图像的均值。

3.根据权利要求1所述的基于场景先验的遥感图像增强方法，其特征在于，步骤b具体按照如下方式进行场景分类：

首先，对场景数据进行增强处理，利用增强后的数据对AlexNet分类网络进行训练，获得遥感图像场景分类器；

然后，利用遥感图像场景分类器对待增强的图像进行分类，并记录相应的待增强图像的场景编号。

4.根据权利要求1所述的基于场景先验的遥感图像增强方法，其特征在于，步骤c具体按照如下方式对V分量进行多尺度分解：

首先，对各个尺度进行低通滤波，得到多尺度的低频图像L_i(s)；其中i表示尺度范围为[1,10]，s表示待增强图像的场景编号；

然后，利用如下公式求得各个尺度的高频图像：

H_i+1(s)＝L_i(s)/L_i+1(s)

这样对L_i(s)进行分解得到了高频图像H_i+1(s)和低频图像L_i+1(s)。