CN110490821A - 一种有雾遥感图像复原方法 - Google Patents
一种有雾遥感图像复原方法 Download PDFInfo
- Publication number
- CN110490821A CN110490821A CN201910730359.7A CN201910730359A CN110490821A CN 110490821 A CN110490821 A CN 110490821A CN 201910730359 A CN201910730359 A CN 201910730359A CN 110490821 A CN110490821 A CN 110490821A
- Authority
- CN
- China
- Prior art keywords
- remote sensing
- image
- halation
- sensing images
- atmosphere
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 239000003595 mist Substances 0.000 title claims abstract description 47
- 238000000034 method Methods 0.000 title claims abstract description 27
- 230000015556 catabolic process Effects 0.000 claims abstract description 14
- 238000006731 degradation reaction Methods 0.000 claims abstract description 14
- 238000005286 illumination Methods 0.000 claims abstract description 14
- 230000000694 effects Effects 0.000 claims abstract description 11
- 230000003993 interaction Effects 0.000 claims abstract description 11
- 230000008030 elimination Effects 0.000 claims description 4
- 238000003379 elimination reaction Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 4
- 230000003412 degenerative effect Effects 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 abstract description 5
- 238000004364 calculation method Methods 0.000 abstract description 3
- 239000000443 aerosol Substances 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007850 degeneration Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本申请涉及一种有雾遥感图像复原方法。包括:在单次大气散射模型的基础上,建立基于大气微点光源主动照明的遥感图像退化模型,通过所述遥感图像退化模型获取原始有雾遥感图像的光晕分量;根据所述光晕分量去除所述原始有雾遥感图像的大气多散射作用与非均匀性,并将原始有雾遥感图像分为光晕图像和去除光晕后的雾霾图像;采用单次大气散射模型对所述去除光晕后的雾霾图像进行透过率及大气光估计,采用暗通道先验图像去雾算法对所述去除光晕后的雾霾图像进行去雾复原处理,得到去雾复原图像。本申请解决了现有遥感图像去雾模型中大量的矩阵运算和反卷积运算带来的振铃现象,达到更好的去雾效果,且减少了计算量。
Description
技术领域
本申请属于数字图像处理技术领域,特别涉及一种有雾遥感图像复原方法。
背景技术
无人机航拍遥感成像技术以其分辨率高、时效性强及成本低等优点,得到了广泛应用。然而近年来雾霾天气广泛存在,空气中大量气溶胶粒子、微小水滴等颗粒对光线的吸收和散射作用导致遥感成像质量严重退化,图像颜色失真且对比度下降,极大地限制了无人机航拍***效用的发挥,给后期图像处理和分析带来了困难。因此,对雾天遥感图像进行复原意义重大。
图像去雾复原方法是从雾天图像的模糊退化机理入手,根据大气散射理论,建立雾天成像的散射模型。Narasimhan和Nayar分别基于衰减模型和大气光模型,提出单次大气散射模型,以后几乎所有的图像去雾复原技术都基于该模型展开研究。
然而雾霾天气下,无人机航拍遥感图像与传统户外拍摄图像有本质不同。无人机航拍遥感图像成像距离远,景深变化范围较大,导致成像路径中大气微粒的多重散射效应不容忽视。
目前的算法一般都是将单次大气模型引入了大气点扩散函数(AtmosphericPoint Spread Function,APFS),进行相应卷积运算,描述多重散射对遥感或浓雾图像的影响。然而,求取大气点扩散函数需要大量矩阵运算,计算复杂度高。而反卷积运算也不可避免的导致去雾后的图像出现振铃现象。
发明内容
本申请提供了一种有雾遥感图像复原方法,旨在至少在一定程度上解决现有技术中的上述技术问题之一。
为了解决上述问题,本申请提供了如下技术方案:
一种有雾遥感图像复原方法,包括以下步骤:
步骤a:在单次大气散射模型的基础上,建立基于大气微点光源主动照明的遥感图像退化模型,通过所述遥感图像退化模型获取原始有雾遥感图像的光晕分量;
步骤b:根据光晕分量去除所述原始有雾遥感图像的大气多散射作用与非均匀性,并将原始有雾遥感图像分为光晕图像和去除光晕后的雾霾图像;
步骤c:采用单次大气散射模型对所述去除光晕后的雾霾图像进行透过率及大气光估计,采用暗通道先验图像去雾算法对所述去除光晕后的雾霾图像进行去雾复原处理,得到去雾复原图像。
本申请实施例采取的技术方案还包括:在所述步骤a中,所述基于大气微点光源主动照明的遥感图像退化模型采用反射光和大气光描述雾霾天气条件下的退化过程,在单次大气散射模型的基础上,将大气多散射作用看作大气中存在无数个主动照明的微点光源,将所述微点光源的能量采用像素级的L(x)表示,将L(x)与大气点扩散函数H(x)进行卷积叠加到原始有雾遥感图像上,形成所述原始有雾遥感图像的模糊效应:
上述公式中,I(x)为原始有雾遥感图像,R(x)为待复原的去雾图像,T(x)为透过率,A为大气光。
本申请实施例采取的技术方案还包括:在所述步骤b中,所述去除原始有雾遥感图像的大气多散射作用与非均匀性,并根据光晕分量将原始有雾遥感图像分为光晕图像和去除光晕后的雾霾图像具体为:
I(x)=S(x)+M(x)
上述公式中,M(x)为光晕图像,表示大气中微点光源导致的图像亮度不均匀和模糊效应,S(x)表示I(x)中去除M(x)后的雾霾图像,S(x)=R(x)T(x)+A(x)(1-T(x))。
本申请实施例采取的技术方案还包括:在所述步骤c中,所述单次大气散射模型为:
I(x)=R(x)T(x)+A(1-T(x))
相对于现有技术,本申请实施例产生的有益效果在于:本申请实施例的遥感图像退化方法通过建立基于大气微点光源主动照明的遥感图像退化模型,首先将原始有雾图像分成光晕图像和雾霾图像两部分,再通过现有单散射模型去雾方法对雾霾图像进行去雾,解决现有遥感图像去雾模型中大量的矩阵运算和反卷积运算带来的振铃现象,相对于现有技术,本申请可以达到更好的去雾效果,且减少了计算量。
附图说明
图1是本申请实施例的有雾遥感图像复原方法的流程图;
图2为基于大气微点光源主动照明的遥感图像退化模型示意图;
图3为本申请实施例的光晕图像估计示意图;
图4为本申请实施例的去雾复原图像对比图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本申请,并不用于限定本申请。
请参阅图1,是本申请实施例的有雾遥感图像复原方法的流程图。本申请实施例的有雾遥感图像复原方法包括以下步骤:
步骤100:读取原始有雾遥感图像;
步骤200:在单次大气散射模型的基础上,建立基于大气微点光源主动照明的遥感图像退化模型,通过该遥感图像退化模型获取原始有雾遥感图像的光晕分量;
步骤200中,单次大气散射模型如下式所示:
I(x)=R(x)T(x)+A(1-T(x)) (1)
公式(1)中,I(x)为原始有雾遥感图像,R(x)为待复原的去雾图像,T(x)为透过率,A为大气光。
基于大气微点光源主动照明的遥感图像退化模型如图2所示,该模型采用衰减的反射光①和参与成像的大气光②两部分描述雾霾天气条件下的退化过程。遥感成像路径中的大气微粒③的多重散射效应不容忽视。此时的多散射模型不能全面准确地描述光学成像模型。因此,本申请在单次大气散射模型的基础上,将大气多散射作用看作大气中存在无数个主动照明的微点光源④进入了视场,大气的非均匀性导致这些微点光源④的密度和照明强度在空间上分布不同,因此这些微点光源④的能量采用像素级的L(x)表示,将L(x)与大气点扩散函数H(x)进行卷积叠加到原始有雾遥感图像上,从而形成了原始有雾遥感图像的模糊效应:
步骤300:根据光晕分量去除原始有雾遥感图像的大气多散射作用与非均匀性,并将原始有雾遥感图像分为光晕图像和去除光晕后的雾霾图像两个部分;
步骤300中,为了去除大气多散射作用与非均匀性的影响,并避免大量矩阵运算求取APSF以及反卷积运算导致图像的振铃现象,本申请结合公式(2)将公式(1)重新定义如下:
I(x)=S(x)+M(x) (3)
公式(3)中,M(x)为光晕图像,表示大气中微点光源导致的图像亮度不均匀和模糊效应,S(x)表示I(x)中去除M(x)后的雾霾图像,S(x)=R(x)T(x)+A(x)(1-T(x))。
本申请将原始有雾遥感图像分为M(x)和S(x)两部分,通过分析M(x)的特性,M(x)是较为平滑的低频噪声,因此拟采用高斯低通滤波器(滤波方法不限于此,也可采用其他类型的滤波器)获取M(x)图像,并通过公式(3)获取到S(x)图像。具体如图3所示,为本申请实施例的光晕图像估计示意图,其中(a)为原始有雾遥感图像,(b)为光晕图像,(c)为雾霾图像。
步骤400:采用单次大气散射模型对去除光晕后的雾霾图像进行透过率及大气光估计,采用图像去雾算法(本申请采用的图像去雾算法为暗通道先验算法,具体也可以是其他图像去雾算法)对雾霾图像进行去雾复原处理,得到去雾复原图像;
步骤400中,大气多散射作用与非均匀性去除后,得到的雾霾图像S(x)按照现有的单次大气散射模型去雾方法,采用暗通道先验对雾霾图像进行去雾复原处理,得到最后的去雾复原图像如图4所示,其中,(a)为暗通道去雾图像,(b)为光晕图像,(c)为本申请的去雾复原图像。
本申请实施例的有雾遥感图像复原方法通过建立基于大气微点光源主动照明的遥感图像退化模型,首先将原始有雾图像分成光晕图像和雾霾图像两部分,再通过现有单散射模型去雾方法对雾霾图像进行去雾,解决现有遥感图像去雾模型中大量的矩阵运算和反卷积运算带来的振铃现象,相对于现有技术,本申请可以达到更好的去雾效果,且减少了计算量。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本申请中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本申请所示的这些实施例,而是要符合与本申请所公开的原理和新颖特点相一致的最宽的范围。
Claims (4)
1.一种有雾遥感图像复原方法,其特征在于,包括以下步骤:
步骤a:在单次大气散射模型的基础上,建立基于大气微点光源主动照明的遥感图像退化模型,通过所述遥感图像退化模型获取原始有雾遥感图像的光晕分量;
步骤b:根据所述光晕分量去除所述原始有雾遥感图像的大气多散射作用与非均匀性,并将原始有雾遥感图像分为光晕图像和去除光晕后的雾霾图像;
步骤c:采用单次大气散射模型对所述去除光晕后的雾霾图像进行透过率及大气光估计,采用暗通道先验图像去雾算法对所述去除光晕后的雾霾图像进行去雾复原处理,得到去雾复原图像。
2.根据权利要求1所述的有雾遥感图像复原方法,其特征在于,在所述步骤a中,所述基于大气微点光源主动照明的遥感图像退化模型采用反射光和大气光描述雾霾天气条件下的退化过程,在单次大气散射模型的基础上,将大气多散射作用看作大气中存在无数个主动照明的微点光源,将所述微点光源的能量采用像素级的L(x)表示,将L(x)与大气点扩散函数H(x)进行卷积叠加到原始有雾遥感图像上,形成所述原始有雾遥感图像的模糊效应:
上述公式中,I(x)为原始有雾遥感图像,R(x)为待复原的去雾图像,T(x)为透过率,A为大气光。
3.根据权利要求2所述的有雾遥感图像复原方法,其特征在于,在所述步骤b中,所述根据光晕分量去除原始有雾遥感图像的大气多散射作用与非均匀性,并将原始有雾遥感图像分为光晕图像和去除光晕后的雾霾图像具体为:
I(x)=S(x)+M(x)
上述公式中,M(x)为光晕图像,表示大气中微点光源导致的图像亮度不均匀和模糊效应,S(x)表示I(x)中去除M(x)后的雾霾图像,S(x)=R(x)T(x)+A(x)(1-T(x))。
4.根据权利要求1至3任一项所述的有雾遥感图像复原方法,其特征在于,在所述步骤c中,所述单次大气散射模型为:
I(x)=R(x)T(x)+A(1-T(x))。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910730359.7A CN110490821A (zh) | 2019-08-08 | 2019-08-08 | 一种有雾遥感图像复原方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910730359.7A CN110490821A (zh) | 2019-08-08 | 2019-08-08 | 一种有雾遥感图像复原方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110490821A true CN110490821A (zh) | 2019-11-22 |
Family
ID=68550150
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910730359.7A Pending CN110490821A (zh) | 2019-08-08 | 2019-08-08 | 一种有雾遥感图像复原方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110490821A (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102930514A (zh) * | 2012-09-27 | 2013-02-13 | 西安电子科技大学 | 基于大气物理散射模型的快速图像去雾方法 |
CN105631823A (zh) * | 2015-12-28 | 2016-06-01 | 西安电子科技大学 | 基于阈值分割优化的暗原色天空区域去雾方法 |
CN107993198A (zh) * | 2017-10-24 | 2018-05-04 | 中国科学院长春光学精密机械与物理研究所 | 优化对比度增强的图像去雾方法及*** |
-
2019
- 2019-08-08 CN CN201910730359.7A patent/CN110490821A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102930514A (zh) * | 2012-09-27 | 2013-02-13 | 西安电子科技大学 | 基于大气物理散射模型的快速图像去雾方法 |
CN105631823A (zh) * | 2015-12-28 | 2016-06-01 | 西安电子科技大学 | 基于阈值分割优化的暗原色天空区域去雾方法 |
CN107993198A (zh) * | 2017-10-24 | 2018-05-04 | 中国科学院长春光学精密机械与物理研究所 | 优化对比度增强的图像去雾方法及*** |
Non-Patent Citations (4)
Title |
---|
KAIMING HE 等: "Single Image Haze Removal Using Dark Channel Prior", 《IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE》 * |
YU LI 等: "Nighttime Haze Removal with Glow and Multiple Light Colors", 《2015 IEEE INTERNATIONAL CONFERENCE ON COMPUTER VISION》 * |
杨爱萍 等: "基于 Retinex理论和暗通道先验的夜间图像去雾算法", 《激光与光电子学进展》 * |
毕国玲 等: "基于暗通道图像质心偏移量的去雾算法", 《光学学报》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106780356B (zh) | 基于卷积神经网络和先验信息的图像去雾方法 | |
CN112837233B (zh) | 一种基于差分偏振获取透射率的偏振图像去雾方法 | |
CN104036466B (zh) | 一种视频去雾方法与*** | |
CN102665034A (zh) | 一种针对摄像机采集视频的夜间效果去除方法 | |
ATE387806T1 (de) | Verfahren und gerät zur bewegungsartefakten- und geräuschverringerung in videobildverarbeitung | |
CN107169947B (zh) | 一种基于特征点定位和边缘检测的图像融合实验方法 | |
CN111598791B (zh) | 一种基于改进动态大气散射系数函数的图像去雾方法 | |
CN103218778A (zh) | 一种图像和视频的处理方法及装置 | |
Dai et al. | Flare7k: A phenomenological nighttime flare removal dataset | |
CN110619652B (zh) | 一种基于光流映射重复区域检测的图像配准鬼影消除方法 | |
CN105046670A (zh) | 一种图像去雨方法及*** | |
CN111598814A (zh) | 基于极端散射通道的单图像去雾方法 | |
Dai et al. | Flare7k++: Mixing synthetic and real datasets for nighttime flare removal and beyond | |
CN110490821A (zh) | 一种有雾遥感图像复原方法 | |
CN109360169B (zh) | 一种单幅图像去雨除雾的信号处理方法 | |
CN104424623B (zh) | 一种自然图像去雾方法和*** | |
CN102572374A (zh) | 一种除雾图像采集装置 | |
Porav et al. | Rainy screens: Collecting rainy datasets, indoors | |
CN109191405B (zh) | 一种基于透射率全局估计的航空影像去雾算法 | |
CN107274366B (zh) | 基于物理模型的改进暗通道先验单幅雾化图像复原方法 | |
CN105913394B (zh) | 一种基于退化图像序列的图像盲复原方法 | |
CN107886480A (zh) | 基于v***的图像去雾方法 | |
CN108596856A (zh) | 一种图像去雾方法及装置 | |
CN112488957A (zh) | 一种低照度彩色图像实时增强方法及*** | |
CN103226813B (zh) | 一种提高雨天视频图像质量的处理方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191122 |