[发明专利]单张遥感图像的波段自适应除雾优化处理方法

权利要求书

1.单张遥感图像的波段自适应除雾优化处理方法，其特征在于，在初始暗原色先验除雾法的基础上做出改进，

一方面，提出解决用初始暗原色先验方法除雾后，图像中的高亮度地物异常偏暗的一种处理方法：采用高亮度地物自适应除雾处理，首先利用光谱信息，提取出遥感图像中的高亮度地物，然后再对这些提取出来的高亮度地物单独做自适应处理，保留高亮度地物的光谱信息；

另一方面，提出解决用初始暗原色先验方法除雾处理后图像异常偏蓝的的一种处理方法：采用波段自适应除雾处理，针对遥感图像中各波段做不同程度的处理，对蓝波段的除雾处理程度最大，绿波段次之，红波段做较小程度的除雾处理，对近红外及波长大于近红外波段的长波段不做除雾处理；

单张遥感图像的波段自适应除雾优化处理方法包括以下步骤：

第一步，初始遥感图像获取；

第二步，遥感图像规范化处理；

第三步，暗原色计算；

第四步，暗原色图生成；

第五步，大气光计算；

第六步，初始透色率计算；

第七步，高亮度地物自适应除雾处理和波段自适应除雾处理；

第八步，导向图滤波驱动的透射率优化；

第九步，去雾后遥感图像求解。

2.根据权利要求1所述的单张遥感图像的波段自适应除雾优化处理方法，其特征在于，本发明基于初始暗原色先验除雾法，去除遥感图像中不均匀分布的云雾污染；

初始暗原色先验除雾法的内容为：对绝大多数户外无雾遥感图像，除去天空高亮度区域，在图像的局部区域总存在一些像素，这些像素在RGB三个颜色通道上的某一个或几个颜色通道上的强度值很低，并且接近于0，即在户外无雾图像上任意取一个局部区域，统计该区域内在R、G、B三个颜色通道上的最小值，这个值接近于0；

任意选取一张户外无雾图像A，统计无雾图像A局部区域内的暗原色值A^dark，暗原色值A^dark用式1表示：

式1中，A^c代表图像的一个颜色通道，r,g,b为颜色通道，Ω(x)表示图像中以位置在x的像素为中心的正方形局部区域；

对绝大多数户外无雾图像，除去天空自身就高亮度的区域，在图像中的局部求取的暗原色强度值很低，并且数值接近于0，式2描述即为：

A^dark→0 式2

用雾图像的结构方程描述有雾图像的组成，方程表达形式如式3：

B(x)＝A(x)d(x)+E[1-d(x)] 式3

式3中,B(x)代表现实中观测到的有雾图像，A(x)是理想中的无雾场景，也是期望最终恢复的结果，E是全局范围内的大气光值，代表整张图像中雾浓度最大像素的强度值，d(x)代表图像的透射率，即在传播中没有被大气散射，最终进入成像系统的光线占光线总量的比例；

雾图像的结构方程表示一张有雾遥感图像由两部分组成，一部分是真实的无雾场景，另一部分是大气环境光的干扰，这两部分所占的权重分别是d(x)和1-d(x)。

3.根据权利要求2所述的单张遥感图像的波段自适应除雾优化处理方法，其特征在于，大气光E代表整张图像中，雾浓度最大点的像素值，根据以下这两个步骤求取：

第1步，以15×15为计算步长，得到初始图像的暗原色图，在暗原色图中选取前千分之一的最亮像素；

第2步，将这千分之一的最亮像素与初始图像相对应，选取其中亮度值最大的像素点，把亮度值最大的像素点的RGB值作为大气光E的值。

4.根据权利要求3所述的单张遥感图像的波段自适应除雾优化处理方法，其特征在于，假设大气光E已经被求取,B代表现实中观测到的有雾图像，A是理想中的无雾场景，A^c代表图像的一个颜色通道，r,g,b为颜色通道，Ω(x)表示图像中以位置在x的像素为中心的正方形局部区域，并且在局部区域Ω(x)中，透射率d′(x)是一个定值，综合式1和式3，可求得式4：