[发明专利]可见光与近红外图像联合处理的植被天空区域检测方法

说明书

本发明公开了一种可见光图像(Visible image,VIS/RGB)与近红外图像(Near‑infrared image,NIR)联合处理进行植被和天空检测的方法。该方法针对RGB‑NIR图像联合处理的场景，首先基于RGB图像各通道比值和归一化植被指数(Normalized Difference Vegetation Index,NDVI)进行植被区域检测，获取植被区域概率模板；然后基于透射率图引导的梯度特征和NDVI进行天空区域检测，获取天空区域概率模板；最后将检测的植被区域和天空区域概率模板引入图像融合算法，使最终融合结果相对不加入检测的结果在保留细节增强效果的同时，在视觉上更加真实、自然。本发明可以准确、鲁棒地检测出植被天空区域，在公开数据集上测试，检测结果有很高的准确率与召回率。

技术领域

本发明涉及一种可见光、近红外图像联合处理的植被天空区域检测方法，特别涉及植被天空区域概率模板的生成方法，应用到可见光、近红外图像联合处理的效果增强领域。

背景技术

可见光图像(Visible image,VIS/RGB)通常色彩鲜艳，细节清晰，而近红外图像(Near-infrared image,NIR)虽然清晰度较可见光图像低，但是在透雾、夜视等方面有着显著的效果。正因两者各自的优势，RGB-NIR图像联合处理在诸多方面得以应用，其中图像融合是一种常见处理方法。

但是，在实际处理过程中，可能需要根据不同目的对植被、天空等图像区域进行优化，以达到更好的效果。例如，在图像融合中，对融合结果既需要避免植被区域因融合而亮度过高，又要避免天空区域因融合而亮度过低，使图像整体保持良好的自然度。

在《Fast single image defogging with robust sky detection》中，作者基于暗通道先验和局部香农熵检测天空区域，然后用检测到的天空改进大气光图与透射率图，以缓解去雾过程中天空区域的过饱和现象。该文章中的天空检测算法准确率较高，但是召回率稍低，即部分天空区域不能检测到。另一方面，该算法天空检测结果为二值化模板，应用较为单一。

在《Visible and NIR image fusion using weight-map-guided Laplacian–Gaussian pyramid for improving scene visibility》中，提出一种RGB-NIR图像融合算法，能够对图像的细节进行增强。但是该算法得到的图像颜色存在偏差，比如植被区域通常亮度过大，而天空区域则通常偏暗。

为了准确鲁棒地检测出植被天空区域，并且改善以上述融合算法为例的RGB-NIR图像联合处理算法的不足，本发明提出一种可见光、近红外图像联合处理的植被天空区域检测方法，并以一种融合算法为例，说明检测结果在改善其它算法效果中的应用。

发明内容

本发明的目的在于利用RGB-NIR图像联合处理过程，对目标区域进行差异化处理，以优化处理结果，由此提出利用可见光与近红外图像联合处理的植被天空区域检测方法，包括如下步骤：

S1：输入已对齐的RGB-NIR图像对；

S2:生成植被区域概率模板，包括如下步骤：

S21：RGB图像转到灰度域；

S22：生成扩展NDVI模板；

S23：生成RGB三通道比值模板；

S24：以扩展NDVI模板为引导，对RGB三通道比值模板做引导滤波，得到NDVI 引导的比值模板；

S25：融合扩展NDVI模板与NDVI引导的比值模板，得到植被区域概率模板，作为植被检测的结果；

S3：生成天空区域概率模板，包括如下步骤：

S31：RGB图像转到灰度域；