[发明专利]一种去除城市遥感图像中雾霾的方法

说明书

一种去除城市遥感图像中雾霾的方法，先输入城市遥感图像，获取城市遥感图像的色彩信息；然后把色彩信息中单波段的灰色图像转换成彩色图像；再对输入的城市遥感图像进行傅里叶变换；然后获取相位特征；再构造对数Gabor滤波器并提取图像幅度特征；然后对幅度特征进行颜色补偿；再获得相位幅度特征；然后用多尺度Retinex理论对城市遥感图像进行雾霾去除处理；再进行局部直方图均衡化处理；接着进行小波多尺度分解和融合处理；最后输出结果；本发明不仅能够有效地去除城市遥感图像中的雾霾，更重要的是能有效保持丰富的细节信息，得到质量明显改善的图像，对比度得到显著提高，具有较高的理论价值和应用前景。

技术领域

本发明属于遥感技术和图像处理技术及计算机视觉技术领域，具体涉及一种去除城市遥感图像中雾霾的方法。

背景技术

雾霾已成为一种常见的恶劣天气现象，其对户外监测和遥感探测系统带来了较大的挑战和困难，对遥感图像进行雾霾的去除处理，减少其影响，提高图像质量，已是遥感图像预处理的重要基础内容。

图像雾霾去除处理起源于室外图像预处理，目前发展了许多行之有效的理论和方法。这些方法均是从不同的层次对图像中的雾霾进行滤除处理，大体上可以分成四类：第一类方法是基于滤波的图像增强方法，如直方图均衡法，Retinex理论和双边滤波；第二类方法是基于大气物理模型的图像恢复算法，典型方法有暗通道先验法；第三类方法是基于融合理论的雾霾去除算法；第四类方法是基于各种机器学习的算法。

直方图是一种经典的图像灰度值范围拉伸方法，但是图像雾霾去除的效果不显著；整体上Retinex理论能够很好地去除图像中的雾霾，但处理的结果在色彩上存在偏灰和失真的现象，并且对于增强雾霾图像中较亮处的细节信息有一定的困难；利用图像增强滤波理论去除雾霾，没有考虑雾霾图像质量降低的原因。

基于大气散射物理模型的雾霾去除是在基于这样的两个假设前提下，即晴天自然清晰图像的对比度高于雾霾笼罩下的图像对比度，以及环境光照量取决于物体在图像中深度的变化，而且还需要估计环境大气光量参数和大气透射率参数，参数估计的精度直接影响雾霾去除效果。

融合策略处理图像，关键技术是融合规则的确定，不同规则产生不同结果。

以深度卷积神经网络技术为代表的深度学习理论在图像分类和目标检测中得到了成功应用，最大困难是图像样本的获取与训练；由于要产生大量的训练样本特征子图像集，所以整个处理过程比较复杂，而且速度缓慢，实时性差。

遥感图像雾霾去除既具有挑战性，又具有非常重要的应用价值，逐渐得到了许多学者的重视。虽然图像雾霾去除算法很多，而且均能获得好的处理效果，但是处理的对象通常都是室外彩色图像或者RGB图像。如果直接用这些方法处理航天或航空遥感图像，并非能取得满意的结果。因为遥感图像与普通室外彩色图像存在较大差异。第一，他们的分辨率差别非常大，遥感图像分辨率低，室外图像分辨率高；第二，室外图像是彩色图像，而遥感图像有灰度、彩色或多光谱图像；第三，有部分室外图像包含有天空背景，而且景深比较长，即景距跨越比较大，因此室外图像的处理重点在远景部分；第四遥感图像包含的是地球表面场景的灰度分布情况，景深比较小。虽然雾霾能够影响图像的质量和清晰度，但是它改变不了遥感图像中地物目标的灰度分布规律，也就是说，不管雾霾存在不存在，是否给遥感图像带来影响，遥感图像中地物目标的相位信息是不变的。

发明内容

为了克服上述现有技术的缺点，本发明的目的在于提供了一种去除城市遥感图像中雾霾的方法，不仅能够有效地去除城市遥感图像中的雾霾，更重要的是能有效保持丰富的细节信息，得到质量明显改善的图像，对比度得到显著提高，具有较高的理论价值和应用前景。

为了达到上述目的，本发明采取的技术方案为：

一种去除城市遥感图像中雾霾的方法，包括以下步骤：

步骤1：输入城市遥感图像；

步骤2：获取城市遥感图像的色彩信息；