[发明专利]一种多光谱遥感图像的增强方法、装置及存储介质

权利要求书

1.一种多光谱遥感图像的增强方法，其特征在于，所述方法包括：

1)采用加权PCA变换对多光谱图像进行降维，利用平均梯度和纹理粗糙度对各个波段的原始多光谱图像进行加权补偿，提取出各个互不相关的主成分分量；

2)利用对数函数对模板系数进行修改，形成保持相邻像素相关性的分数阶掩模，将改进的模板系数引入到图像加权PCA变换后的第一主成分分量中，用于增强图像的纹理和边缘细节；

3)对第一主成分分量进行分数阶微分增强后，对前预设值的主成分分量进行加权PCA反变换，并将加权PCA反变换后的多光谱图像采用亮度调整函数进行调整；

其中，步骤1)具体为：

(1)设有n个波段的数据集X＝{x₁,x₂,…,x_n}∈R^m，波段x_k是m维的列向量，k＝1,2,…n，根据各样本在增强过程中所起的作用不同，为每一个样本赋予权值，定义权值向量为γ＝{γ₁,γ₂,…,γ_n}，即：

式中，α为调节参数，AG是平均梯度，指灰度变化率的平均值，被用于表示图像清晰度，表示为：

式中，M为图像的像素矩阵行数，N为图像的像素矩阵列数，I_k(i,j)为图像像素坐标，C是粗糙度，用于描述纹理中粒度大小和分布的物理量；

其中，σ_k²是图像的局部方差；

(2)根据原始数据集求得数据均值为得到加权数据集X_W为：

协方差矩阵为：

(3)对矩阵进行特征分解，求取协方差矩阵的特征值λ_k和对应的特征向量φ_k，降序排列特征值λ_k；

主成分累计方差贡献率M_d计算公式为：

(4)选取前d个特征值Λ＝diag[λ₁,λ₂,…λ_d]和相应的特征向量Φ＝[φ₁,φ₂,…,φ_d]作为子空间的基，用所提取的主成分代替原来的n个变量，生成投影矩阵Y＝Φ^TX_W；

其中，步骤2)为：

根据实际距离的差异对相邻像素赋予不同权重，采用递减的对数函数拟合权重，得到权重w依次为：归一化后得到x，y负方向，右上对角线方向的改进模板；

同样的，利用对数函数拟合的权重对中心像素周围的八个像素进行加权得到八个方向的模板，将其以中心像素为原点扩充并相加后得到改进后的模板，将归一化后的改进模板加上其掩模的二分之一，得到最终的微分模板；

其中，步骤3)中的所述亮度调整函数具体为：

其中，x_k为多光谱图像中第k波段的图像，(x_k)_max，(x_k)_min分别为x_k的最大灰度值和最小灰度值，x_k'为增强后的图像，E_l为单波段局部均值，E_g为单波段全局均值，E_s为所有波段全局均值，γ为伽马系数，从全局来，当一个波段的全局均值E_l小于p倍的所有波段全局均值E_s时，对该波段进行整体增强，若单波段的全局均值E_l大于q倍的所有波段全局均值E_s，将该波段亮度值降低。

2.根据权利要求1所述的一种多光谱遥感图像的增强方法，其特征在于，所述分数阶掩模为5*5的掩膜。