CN109801233B - 一种适用于真彩色遥感图像的增强方法 - Google Patents

Abstract

本发明公开了一种适用于真彩色遥感图像的增强方法，主要步骤有：1、对输入的真彩色遥感图像进行线性拉伸变换；2、将线性拉伸变换的图像转换到HSI色彩空间；3、计算HSI色彩空间中I分量的梯度灰度联合直方图；4、根据梯度灰度联合直方图的统计特征自适应地对直方图形状进行调整优化；5、利用直方图均衡化方法对I分量灰度值进行重映射得到全局增强的I分量；6、利用Prewitt算子计算原始I分量和全局增强I分量的梯度差异，对全局增强I分量的梯度下降区域进行细节补偿得到全局和局部增强的新I分量；7、将新I分量和原始的H及S分量转换到RGB色彩空间。使用该方法增强后的真彩色遥感图像视觉效果好、色彩真实、细节丰富。

Description

一种适用于真彩色遥感图像的增强方法

技术领域

本发明涉及图像增强领域，特别是关于真彩色遥感图像的增强方法。

技术背景

色彩和对比度(整体对比度和局部细节)是衡量真彩色遥感图像的重要信息，也是影响遥感图像视觉效果的重要因素。高质量的真彩色遥感图像在地物分类、目标识别等方面应用广泛，同时也是地图导航的重要基础数据。然而由于天气变化、设备老化等不确定因素导致图像色彩偏差、对比度下降和细节损失。因此对图像进行对比度增强，并保持图像的色彩信息是真彩色遥感图像后续应用的关键。

真彩色遥感图像增强是为了提高整体对比度和局部细节增强，以及保持图像有效的色彩信息。在进行图像增强时需要尽可能地获得更好的视觉效果和更好的清晰度，目前提出了多种类型的彩色图像增强方法：

1)基于3波段分别增强的方法，首先将图像分解为R、G、B三个独立波段图像，然后对3个波段进行增强处理，最后将3个波段再次合成RGB三通道图像。通常采用的增强方法有：(a)基于频率域的图像增强(DCT、DWT、SVD等)，这类方法在细节增强上效果较好，但是往往会出现伪影现象导致图像失真；(b)基于空间域的图像增强(线性拉伸、直方图均衡化、2％线性截断拉伸等)，这些方法灰度级的合并会导致细节的丢失。且分波段增强方法常常引起色彩失真，影响视觉效果。

2)基于彩色空间转换的增强方法，首先将图像从RGB色彩空间转换到其他彩色空间如HSI、NTSC、YCbCr等色彩空间，然后对这些色彩空间中某些分量进行增强，最后再反变换到RGB色彩空间。通常的增强方法也分为：基于频率域增强和基于空间域的增强。基于彩色空间转换的增强方法能较好地保持图像色彩，但仍然存在图像失真和细节丢失等问题。

在实际真彩色遥感图像显示中，我们需要获得整体对比度较好且局部细节保持较好的图像，同时也需要保持图像的真实色彩，而现有方法难以满足这些要求。

发明内容

本发明提出了一种适用于真彩色遥感图像的增强方法，充分考虑色彩信息和梯度细节信息在真彩色遥感图像增强中的重要性，利用线性拉伸变换和色彩空间变换方法能够较好保持遥感图像色彩真实度；利用梯度灰度联合直方图均衡化和局部细节补偿能够提升图像的整体对比对和保持图像的细节信息。

本发明的技术方案如下：

该适用于真彩色遥感图像的增强方法，主要包括以下步骤：

步骤a、对输入的原始真彩色遥感图像各波段进行线性拉伸变换，这样能够减弱大气后向散射对图像产生影响(减弱图像呈现“灰蒙蒙”情况)在一定程度上提升图像的对比度，并且使图像能够还原更真实的色彩信息。

步骤b、对输入的线性拉伸的真彩色遥感图像进行RGB->HSI的色彩空间转换，得到H(色度)、S(饱和度)、I(亮度)三个分量。这样使得对比度信息包含在I分量中，后续增强中仅对I分量进行处理，保持色度(H)和饱和度(S)信息不变能够较好保持真彩色遥感图像的色彩信息；

步骤c、对亮度分量I进行统计得出梯度灰度联合直方图；所述梯度灰度联合直方图包含遥感图像I分量的灰度信息和梯度信息，能够同时描述地物对比度和细节信息；

步骤d、对梯度灰度联合直方图进行优化：计算灰度梯度联合直方图的标准差，利用标准差构建梯度灰度联合直方图优化参数，对各灰度级的直方图频数进行修正，得到优化的梯度灰度联合直方图；

步骤e、对优化的灰度梯度联合直方图进行均衡化处理计算，建立图像原始I分量到整体增强I分量的灰度映射关系，得到全局增强I分量；

步骤f、计算所述整体增强I分量与原始I分量的梯度差异，对整体增强I分量中梯度下降的区域进行梯度细节补偿，得到全局和局部都增强的I分量；

步骤g、利用原始H分量、S分量和全局和局部增强的I分量进行HSI->RGB的彩色空间转换，得到最终的真彩色增强遥感图像。

以上各步骤较佳的具体实现过程分别如下：

步骤a具体按照以下公式实现图像各个波段的线性拉伸增强；

其中X_max和X_min分别对应各波段的最小值；L为图像的灰度级(8比特的图像其值为256)。

步骤b具体按照以下公式实现RGB色彩空间到HSI色彩空间的转换；

其中R，G，B为真彩色遥感图像的红绿蓝3个分量；H、S、I分别为代表色度、饱和度和亮度。

步骤c具体按照以下公式计算遥感图像HSI色彩空间中I分量的梯度灰度联合直方图GIH；

G(k)＝sum(G(i,j)),if f(i,j)＝k

其中：G(i,j)＝max(|G_x(i,j)|，|G_y(i,j)|)

G_x(i,j)＝I(i+1,j-1)+I(i+1,j)+I(i+1,j+1)-I(i-1,j-1)-I(i-1,j)-I(i-1,j+1)

G_y(i,j)＝I(i-1,j+1)+I(i,j+1)+I(i+1,j+1)-I(i-1,j-1)-I(i,j-1)-I(i+1,j-1)

其中I(i,j)为像元水平位置i和垂直方向j处的I分量值；k＝0,1,2,…,K-1为图像I分量的灰度值；K＝2^B；B为输入原始遥感图像的位数；G(k)表示图像I分量在灰度值为k的像素梯度值之和，GIH(k)表G(k)的归一化值，即梯度灰度联合直方图各灰度级的归一化频数。

步骤d中所述梯度灰度联合直方图优化参数为各灰度级调节参数；步骤d具体是：

首先，根据梯度灰度联合直方图的标准差，计算梯度灰度联合直方图在的调节参数T；

式中，B为输入原始遥感图像的位数；GIH为输入图像亮度分量I(i,j)的梯度灰度联合直方图；std(·)为标准差函数；

然后，利用调节参数T对梯度灰度联合直方图进行调节，得到优化的梯度灰度联合直方图GIH_R(k)，并进行归一化；

GIH_R(k)＝GIH(k)^T

步骤e具体按照以下公式计算累积分布梯度灰度联合直方图F_R(k)，并计算灰度映射函数将原始遥感图像I分量的灰度k变换为y_R(k)，实现图像整体增强得到整体增强遥感图像I分量：I_c(i,j)；

其中y_u，y_d表示增强后输出图像的最小值和最大值。

步骤f中，进行梯度细节补偿的方法是：

用全局增强I分量的梯度逐像素减去原始I分量的梯度，标记小于0的像素；将相连的标记像素按8邻域进行编号得到不同编号的标记区域；并用原始I分量的像素值和全局增强I分量的像素值进行加权融合，得到全局和局部都增强的I分量。具体是：

首先，设梯度对比标记图为P_c(i,j)，其尺寸与原始I分量一致，初始化P_c(i,j)＝0；P_c(i,j)用于标记全局增强I分量I_c(i,j)和原始I分量I(i,j)梯度的差异，找出全局增强后梯度下降的像素位置，其计算方法如下；

P_c(i,j)＝1,if(G_c(i,j)-G(i,j)＜0)

其中G(i,j)和G_c(i,j)分别代表增强前后I分量的Prewitt梯度值。并对梯度下降像素(P_c(i,j)＝1)的相连区域按照8邻域进行标记，得到梯度下降区域，并对梯度下降区进行编号，标记得到N个不同区域P₁＝1，P₂＝2，...P_N＝N；

然后，对梯度下降的每个区域的像素进行重新赋值，分为如下三步；

①利用形态学膨胀算子获取梯度下降区域的边缘，对每个梯度下降区域使用形态学膨胀

个像素，膨胀区域即为梯度下降区域边缘，表示为

其中边缘宽度计算公式如下：

其中

为区域P_n的面积，

表示向下取整。

②梯度下降区域细节补偿，设I_{c_r}(i,j)＝I_c(i,j)，利用原始I分量的像素值对梯度下降区域和边缘区域进行重新赋值公式如下：

其中T＝mean(I_{c_r}(i,j))-mean(I(i,j))，(i,j)∈P_n，mean_v为区域P_n的平均值，I为图像I分量，I_{c_r}为细节补偿后的I分量。

③边缘区域像素值更新，设置I_{c_F}(i,j)＝I_{c_r}(i,j)，在梯度下降的边缘区域通过加权融合方法使边缘过渡区域有更好的视觉效果，加权融合公式如下：

I_{c_F}(i,j)＝ω₁I_{c_r}(i,j)+ω₂I_c(i,j)

其中

其中

x₁为像素内边界的位置，x₂为像素外边界位置，x为更新像素位置，I_{c_F}为最终得到的I分量增强图。

步骤g具体按照以下情况实现HSI色彩空间到RGB色彩空间的转换；

情况1：0≤H＜2π/3时，RGB分量由下式计算：

情况2：2π/3≤H＜4π/3时，RGB分量由下式计算：

情况3：4π/3≤H＜2π时，RGB分量由下式计算：

本发明有如下效果：

1、本发明中提出的真彩色遥感图像增强方法利用线性拉伸和HSI色彩空间变换对图像进行处理，在后续图像增强中仅对I分量进行处理能够保持较好保持图像的色彩信息。

2、本发明中提出的真彩色增强方法利用图像的梯度灰度联合直方图对图像I分量进行自适应增强，不需要设置参数，且能够提升图像全局对比度且有较好的图像细节保持能力。

3、本发明方法提出的梯度补偿方法能够对梯度下降区域进行细节补偿，在恢复图像I分量细节的同时也较好保持了图像I分量的整体视觉效果。

4、本发明方法具有图像全局增强和局部增强的能力，同时兼具图像色彩保持能力，增强后的真彩色遥感图像色彩真实、细节丰富、视觉效果好，适用性较现有方法好。

附图说明

图1是本发明的遥感图像增强方法流程图。

图2是一幅真彩色遥感图像。

图3是线性拉伸后的真彩色遥感图像。

图4是线性拉伸后的真彩色遥感图像的I分量。

图5是本发明方法I分量全局增强的结果。

图6是I分量直方图均衡化处理的结果。

图7是本发明方法I分量全局增强后梯度细节减弱区域。

图8是梯度下降区域细节补偿结果。

图9是使用本发明方法获得的最终遥感图像增强结果。

图10是本方法去掉线性拉伸之后的增强结果。

具体实施方式

以下结合附图对本发明的具体实施流程做进一步的说明。

受光照、探测器性能、大气后向散射等成像条件的影响，获取的遥感图像往往对比度较低、细节特征不明显、色彩信息失真，难以从中获取有效的信息。图2为一幅真彩色遥感图像，由于光照和薄雾的影响，各个波段像素的最小值均大于50，图像整体呈现“灰蒙蒙”的状态。这就造成大量的灰度级浪费，导致图像色彩失真、对比度不强和细节不明显。

本发明的适用于真彩色遥感图像地增强方法，首先以线性拉伸和HSI变换相结合的方法，较好地还原和保留图像的色彩信息；然后对图像的I分量进行统计求得灰度梯度联合直方图，并利用直方图标准差，构建参数T对梯度灰度联合直方图进行优化；进一步，使用均衡化的直方图变换方法，建立原始I分量到增强I分量的灰度映射关系，获得全局增强I分量；再者，通过对比全局增强I分量和原始I分量的梯度对比，判别出细节丢失区域，对全局增强图中梯度下降区域进行补偿，获得全局和局部同时增强的I分量；最后，通过HSI反变换获得最终增强的真彩色遥感图像。增强图像在色彩和对比度上都较原始图像好：线性拉伸和HSI结合能够对色彩失真图像进行校正，同时也有较好的色彩保持能力；梯度灰度联合直方图优化避免了现有遥感图像增强方法中的过增强和欠增强现象；梯度补偿减轻了灰度合并导致的细节丢失现象，使图像细节信息保持更好。

如图1所示，本发明具体实现的步骤如下：

步骤1：对原始真彩色遥感图像各个波段的线性拉伸增强；

其中X_max和X_min分别对应各波段的最小值；L为图像的灰度级，8比特的图像其值为256。线性拉伸后的效果如图3所示，色彩和清晰度得到一定的提升。

步骤2：对线性拉伸图像进行RGB色彩空间到HSI色彩空间的转换；

其中R，G，B为真彩色遥感图像的红绿蓝3个分量；H、S、I分别为代表色度、饱和度和亮度。

步骤3：计算遥感图像HSI色彩空间中I分量的梯度灰度联合直方图GIH；

G(k)＝sum(G(i,j)),if f(i,j)＝k

其中：G(i,j)＝max(|G_x(i,j)|，|G_y(i,j)|)

G_x(i,j)＝I(i+1,j-1)+I(i+1,j)+I(i+1,j+1)-I(i-1,j-1)-I(i-1,j)-I(i-1,j+1)

G_y(i,j)＝I(i-1,j+1)+I(i,j+1)+I(i+1,j+1)-I(i-1,j-1)-I(i,j-1)-I(i+1,j-1)

其中I(i,j)为像元水平位置i和垂直方向j处的I分量值；k＝0,1,2,…,K-1为图像I分量的灰度值；K＝2^B；B为输入原始遥感图像的位数；G(k)表示图像I分量在灰度值为k的像素梯度值之和，GIH(k)表G(k)的归一化值，即梯度灰度联合直方图各灰度级的归一化频数。

步骤4：计算梯度灰度联合直方图优化参数为各灰度级调节参数，并进行直方图优化

式中，B为输入原始遥感图像的位数；GIH为输入图像亮度分量I(i,j)的梯度灰度联合直方图；std(·)为标准差函数；

利用调节参数T对梯度灰度联合直方图进行调节，得到优化的梯度灰度联合直方图GIH_R(k)，并进行归一化；

GIH_R(k)＝GIH(k)^T

步骤5：计算灰度映射函数将原始I分量的灰度k变换为y_R(k)，实现图像整体增强得到全局增强的I分量：I_c(i,j)；

其中y_u，y_d表示增强后输出图像I分量的最小值和最大值。

步骤6：梯度补偿；

首先，设梯度对比标记图为Pc(i,j)，其尺寸与原始I分量一致，初始化Pc(i,j)＝0；Pc(i,j)用于标记全局增强I分量Ic(i,j)和原始I分量I(i,j)梯度的差异，找出全局增强后梯度下降的像素位置，其计算方法如下；

P_c(i,j)＝1,if(G_c(i,j)-G(i,j)＜0)

其中G(i,j)和G_c(i,j)分别代表增强前后I分量的Prewitt梯度值。并对梯度下降的相连像素进行标记，得到梯度下降区域，并按照8邻域对梯度下降区进行编号，标记得到N个不同区域P₁＝1，P₂＝2，...P_N＝N；

然后，对梯度下降的每个区域的像素进行重新赋值，分为如下三步；

①利用形态学膨胀算子获取梯度下降区域的边缘，对每个梯度下降区域使用形态学膨胀

个像素，膨胀区域即为梯度下降区域边缘，表示为

梯度下降区域和边缘区域标记为

其中边缘宽度计算公式如下：

其中

为区域P_n的面积，

表示向下取整。

②梯度下降区域细节补偿，设I_{c_r}(i,j)＝I_c(i,j)，利用原始I分量的像素值对梯度下降区域和边缘区域进行重新赋值公式如下：

其中T＝mean(I_{c_r}(i,j))-mean(I(i,j))，(i,j)∈P_n；mean_v为区域P_n的平均值；I为图像I分量，I_{c_r}为细节补偿后的I分量。

③边缘区域像素值更新，设置I_{c_F}(i,j)＝I_{c_r}(i,j)，在梯度下降的边缘区域通过加权融合方法使边缘过渡区域有更好的视觉效果，加权融合公式如下：

I_{c_F}(i,j)＝ω₁I_{c_r}(i,j)+ω₂I_c(i,j)

其中

其中

x₁为像素内边界的位置，x₂为像素外边界位置，x为更新像素位置，I_{c_F}为最终得到的I分量增强图。

步骤7：HSI色彩空间到RGB色彩空间的转换；

情况1：0≤H＜2π/3时，RGB分量由下式计算：

情况2：2π/3≤H＜4π/3时，RGB分量由下式计算：

情况3：4π/3≤H＜2π时，RGB分量由下式计算：

对于本发明，依据遥感成像特性，对真彩色遥感图像进行色彩保持的全局和局部增强，重点在于前述方案中的步骤1和步骤2中的线性拉伸和HSI变换、步骤4中梯度灰度联合直方图的优化、步骤6中梯度下降区域细节补偿以及步骤7中的HSI反变换。下面进一步阐述这几个关键步骤：

步骤1：根据线性拉升对原始图像的RGB三波段进行处理，能够有效改变图像色彩失真情况，特别是大气后向散射对图像造成的“灰蒙蒙”的效果。步骤2：利用色彩空间变换将RGB色彩空间转换到HSI色彩空间，在后续处理中对I分量进行单独处理能够有效保持色彩的真实性。

对原始图像进行RGB三波段线性拉伸，主要是为了减弱天气情况(照度不够图像偏暗、大气后向散射图像呈“灰蒙蒙”的状态)。图2为原始图像，图3为线性拉伸后的结果，相比图3颜色更加真实且视觉效果更好。步骤2中将RGB色彩空间转换到HSI色彩空间，其I分量如图4所示。

步骤4：根据I分量梯度灰度联合直方图的标准差，计算梯度灰度联合直方图调节参数T；然后对利用参数T对梯度灰度联合直方图进行调节得到优化的梯度灰度联合直方图GIH_refine(k)，并进行归一化。

梯度灰度联合直方图调节参数T的计算，主要根据梯度灰度联合直方图的标准差来确定，这里的依据是：(1)为避免后续均衡化中过增强，直方图标准差越大，其分布越平坦，所需要的调节参数越大趋近1；直方图标准差越小，其分布越集中，后续需要调节参数越小趋近0，这样设置调节参数能够使图像增强始终保持一个较好的效果，减少欠增强和过增强现象。(2)为了获得合适的增强效果，使用标准差构建调节参数T，对直方图的频度进行修改。在得到GIH_refine(k)后进行均衡化得到I分量的全局增强结果(图5)，此时图像具有较好的视觉效果。而直接对灰度直方图均衡化的结果(图6)中大量的灰度级被合并，导致过增强和局部细节丢失。而本发明方法基于优化的梯度灰度联合直方图均衡化得到的I分量的增强效果避免了过增强，减少了局部细节丢失。

步骤6：对梯度下降的区域进行梯度补偿。

通过梯度比较，我们得到整体增强I分量中梯度下降区域，如图7所示，白色区域为梯度下降区域。得到这些区域后，我们通过步骤6中的方法对梯度下降区域进行重新赋值得到最终增强的I分量(图8)。对比图8和图5，我们可以明显看到在梯度下降区域，细节信息得到了恢复(图8矩形框中的细节比图5矩形框中的细节丰富)，本发明方法显示效果明显优于原始I分量。

步骤7：对步骤6中获得的增强I分量和原始的H和S分量进行HSI反变换，得到最终增强效果(图9)。可以看到相较于原始遥感图像(图2)，本发明方法获得的增强结果视觉效果更好。对比使用线性拉伸获得的结果(图3)，本发明方法能够获得更丰富的细节信息且清晰度更高。对比本发明方法去掉线性拉伸之后的增强结果(图10)，本发明方法在色彩真实性上更好。

Claims (9)

1.一种适用于真彩色遥感图像的增强方法，其特征在于，包括以下步骤：

步骤a、对输入的真彩色原始遥感影像各个波段分别进行线性拉伸变换，得到线性增强图像；

步骤b、对输入的线性增强的真彩色遥感影像进行RGB->HSI的色彩空间转换，得到H、S、I三个分量；

步骤c、对原始I分量进行统计得出梯度灰度联合直方图，所述梯度灰度联合直方图包含遥感图像I分量的灰度信息和梯度信息；

步骤d、对梯度灰度联合直方图进行优化：计算灰度梯度联合直方图的标准差，利用标准差构建梯度灰度联合直方图优化参数，对各灰度级的直方图频数进行修正，得到优化的梯度灰度联合直方图；

步骤e、对优化的灰度梯度联合直方图进行均衡化处理计算，建立原始I分量到整体增强I分量的灰度映射关系，得到全局增强I分量；

步骤f、计算所述全局增强I分量与原始I分量的梯度差异，对全局增强I分量中梯度下降的区域进行加权融合的梯度细节补偿，得到全局和局部增强的I分量；

步骤g、利用原始H分量、S分量和全局和局部增强的I分量进行HSI->RGB的彩色空间转换，得到最终的真彩色增强遥感图像。

2.根据权利要求1所述的适用于真彩色遥感图像的增强方法，其特征在于，步骤a具体按照以下公式实现图像各个波段的线性拉伸增强；

其中X_max和X_min分别对应各波段的最小值；L为图像的灰度级。

3.根据权利要求1所述的适用于真彩色遥感图像的增强方法，其特征在于，步骤b具体按照以下公式实现RGB色彩空间到HSI色彩空间的转换；

其中R，G，B为真彩色遥感图像的红绿蓝3个分量；H、S、I分别为代表色度、饱和度和亮度。

4.根据权利要求1所述的适用于真彩色遥感图像的增强方法，其特征在于，步骤c具体按照以下公式计算遥感图像HSI色彩空间中I分量的梯度灰度联合直方图GIH；

G(k)＝sum(G(i,j)),if I(i,j)＝k

其中：G(i,j)＝max(|G_x(i,j)|，|G_y(i,j)|)

G_x(i,j)＝I(i+1,j-1)+I(i+1,j)+I(i+1,j+1)-I(i-1,j-1)-I(i-1,j)-I(i-1,j+1)

G_y(i,j)＝I(i-1,j+1)+I(i,j+1)+I(i+1,j+1)-I(i-1,j-1)-I(i,j-1)-I(i+1,j-1)

其中I(i,j)为像元水平位置i和垂直方向j处的I分量值；k＝0,1,2,…,K-1为图像I分量的灰度值；K＝2^B；B为输入原始遥感图像的位数；G(k)表示图像I分量在灰度值为k的像素梯度值之和，GIH(k)表G(k)的归一化值，即梯度灰度联合直方图各灰度级的归一化频数。

5.根据权利要求4所述的适用于真彩色遥感图像的增强方法，其特征在于，步骤d中所述梯度灰度联合直方图优化参数为灰度级调节参数；步骤d具体是：

首先，根据梯度灰度联合直方图的标准差，计算梯度灰度联合直方图在各灰度级的调节参数T；

式中，B为输入原始遥感图像的位数；GIH为输入图像亮度分量I(i,j)的梯度灰度联合直方图；std(·)为标准差函数；

然后，利用调节参数T对梯度灰度联合直方图进行调节，得到优化的梯度灰度联合直方图GIH_R(k)，并进行归一化；

GIH_R(k)＝GIH(k)^T

6.根据权利要求5所述的适用于真彩色遥感图像的增强方法，其特征在于，步骤e具体按照以下公式计算累积分布梯度灰度联合直方图F_R(k)，并计算灰度映射函数将原I分量的灰度k变换为y_R(k)，得到整体增强遥感图像I分量：I_c(i,j)；

其中y_u，y_d表示增强后输出图像的最小值和最大值。

7.根据权利要求1所述的适用于真彩色遥感图像的增强方法，其特征在于，步骤f中，进行梯度细节补偿的方法是：

用全局增强I分量的梯度逐像素减去原始I分量的梯度，标记小于0的像素；将相连的标记像素按8邻域进行编号得到不同编号的标记区域；并用原始I分量的像素值和全局增强I分量的像素值进行加权融合，得到全局和局部都增强的I分量。

8.根据权利要求7所述的适用于真彩色遥感图像的增强方法，其特征在于，步骤f具体是：

首先，设梯度对比标记图为P_c(i,j)，其尺寸与原始I分量一致，初始化P_c(i,j)＝0；P_c(i,j)用于标记全局增强I分量I_c(i,j)和原始I分量I(i,j)梯度的差异，找出全局增强后梯度下降的像素位置，其计算方法如下；

P_c(i,j)＝1,if(G_c(i,j)-G(i,j)＜0)

其中G(i,j)和G_c(i,j)分别代表增强前后I分量的Prewitt梯度值；对梯度下降像素(P_c(i,j)＝1)的相连区域按照8邻域进行标记，得到梯度下降区域，并对梯度下降区进行编号，得到N个不同区域P₁＝1，P₂＝2，...P_N＝N；

然后，对梯度下降的每个区域的像素进行重新赋值，分为如下三步；

①利用形态学膨胀算子获取梯度下降区域的边缘，对每个梯度下降区域使用形态学膨胀

个像素，膨胀区域即为梯度下降区域边缘，表示为

边缘宽度计算公式如下：

其中

为区域P_n的面积，

表示向下取整；

②梯度下降区域细节补偿，设I_{c_r}(i,j)＝I_c(i,j)，利用原始I分量的像素值对梯度下降区域和边缘区域进行重新赋值公式如下：

其中T_c＝mean(I_{c_r}(i,j))-mean(I(i,j))，(i,j)∈P_n；mean_v为区域P_n的平均值；I为图像I分量；I_{c_r}为细节补偿后的I分量；

③边缘区域像素值更新，设置I_{c_F}(i,j)＝I_{c_r}(i,j)，在梯度下降的边缘区域通过加权融合方法使边缘过渡区域有更好的视觉效果，加权融合公式如下：

I_{c_F}(i,j)＝ω₁I_{c_r}(i,j)+ω₂I_c(i,j)

其中

其中

x₁为像素内边界的位置，x₂为像素外边界位置，x为更新像素位置，I_{c_F}为最终得到的I分量增强图。

9.根据权利要求8所述的适用于真彩色遥感图像的增强方法，其特征在于，步骤g具体按照以下情况实现HSI色彩空间到RGB色彩空间的转换；

情况1：0≤H＜2π/3时，RGB分量由下式计算：

情况2：2π/3≤H＜4π/3时，RGB分量由下式计算：

情况3：4π/3≤H＜2π时，RGB分量由下式计算：

Images