CN111754420A - 一种基于标记暗通道的遥感影像自动去霾方法及*** - Google Patents
一种基于标记暗通道的遥感影像自动去霾方法及*** Download PDFInfo
- Publication number
- CN111754420A CN111754420A CN202010462432.XA CN202010462432A CN111754420A CN 111754420 A CN111754420 A CN 111754420A CN 202010462432 A CN202010462432 A CN 202010462432A CN 111754420 A CN111754420 A CN 111754420A
- Authority
- CN
- China
- Prior art keywords
- image
- haze
- remote sensing
- wave band
- result
- 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
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000012545 processing Methods 0.000 claims abstract description 28
- 230000005855 radiation Effects 0.000 claims description 42
- 238000004458 analytical method Methods 0.000 claims description 31
- 238000011156 evaluation Methods 0.000 claims description 13
- 238000007781 pre-processing Methods 0.000 claims description 7
- 238000001228 spectrum Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 6
- 238000010191 image analysis Methods 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 description 19
- 238000013441 quality evaluation Methods 0.000 description 9
- 230000003595 spectral effect Effects 0.000 description 9
- 238000010183 spectrum analysis Methods 0.000 description 8
- 238000007619 statistical method Methods 0.000 description 7
- 238000012800 visualization Methods 0.000 description 7
- 230000003993 interaction Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000002310 reflectometry Methods 0.000 description 5
- 238000012937 correction Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 239000000654 additive Substances 0.000 description 2
- 230000000996 additive effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000007635 classification algorithm Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 239000000443 aerosol Substances 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012482 interaction analysis Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
Images
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30168—Image quality inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30204—Marker
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Facsimile Image Signal Circuits (AREA)
- Image Processing (AREA)
Abstract
本发明提出一种基于标记暗通道的遥感影像自动去霾方法,包括:获取遥感影像中任一像素的暗通道,对该暗通道对应的波段设置标记;将所有该暗通道按波段进行分层,以具有最多数量该标记的波段对应的层为起始波段层;根据各层的标记数量获得起始波段层与其它层之间的比例关系;以该比例关系将该其它层的暗通道转换到该起始波段层以获得该起始波段层对应的起始雾霾背景图;以该比例关系将该起始雾霾背景图转换为该其它层对应的其他雾霾背景图;从该遥感影像中去除该起始雾霾背景图和该其他雾霾背景图,获取结果影像。本发明还提出一种基于标记暗通道的遥感影像自动去霾***,以及一种对遥感影像进行基于标记暗通道的自动去霾处理的数据处理装置。
Description
技术领域
本发明涉及遥感图像处理及应用领域,特别是涉及遥感影像去霾方法及图像分析应用。
背景技术
遥感技术经常受到天气条件和大气环境的影响,卫星传感器很难获得完全晴空条件下的高质量影像。大气污染物、气溶胶、薄云以及地面附近的雾霾等对电磁波有吸收、折射、反射和散射作用,导致卫星传感器探测到的地物反射辐射出现偏差,这在可见光波段的效果尤为显著。在雾霾或阴云条件下获取的影像对比度、颜色等特征发生改变,使得图像视觉效果变差、观赏性降低,这将影响图像的后期处理以及影像信息的解译和判读,也导致依赖于地物表面反射率的遥感算法难以实施,相关的科学研究和遥感应用也很难开展。
遥感影像去霾处理有助于提高遥感应用模型的精度。在地表太阳辐射反演模型中,需要晴空条件下的天顶反射率作为模型输入,雾霾和薄云条件下卫星探测的天顶反射率与实际存在偏差,致使反演模型的输出结果不准确,根据反演结果分析的不同时空范围内的特征和变化信息在一定程度上也与实际情况不符;在模型反演之前对影像数据进行去霾处理以消除雾霾和薄云的影响,获取晴空条件下的真实反射率,可以提高模型反演的可靠性。遥感影像去霾处理有助于提高信息判读的准确性。影像分类算法通常利用光谱信息区分不同的地物类型,受雾霾和云层影响时,同一地物的光谱表现形式产生差异,导致出现错分和漏分的现象。因此,为了满足遥感模型应用的需求,提高遥感信息判读的准确度,有必要研究遥感影像去霾算法,从而为基于遥感影像的目标识别、信息提取、动态监测等应用提供技术支撑。
遥感影像去霾算法取得了长足的进展,国内外学者基于不同的统计特征、物理模型或者先验假设发展了不同的去雾算法,成功解决了不同的实际问题。但是,这些算法依然存在一些方面需要进一步研究和改进:1)去霾算法的复杂度需要降低,一些算法涉及复杂的物理传输过程或者数学运算,非专业人员运用起来存在一定难度;2)算法自动化有待提高,目前的算法存在过多的关键参数需要用户手动进行调整以获取最优输出,不利于自动化和批处理;3)去霾过程在一定程度上会导致原始影像信息损失和光谱特征变化,多数算法和应用***缺乏有效的结果分析和客观评价。
因此,在这种背景下,亟需发展一种简单优化的、自动的、适合批处理的遥感影像去霾方法,并建立影像处理结果交互分析***,为科研和产业应用提供支撑。
发明内容
本发明提出一种遥感影像自动去霾方法,通过遥感影像的暗通道获取各层的雾霾背景图,并从原始的遥感影像中去除各个波段的雾霾背景图以获取去除雾霾后的结果影像。
具体来说,本发明的遥感影像自动去霾方法,包括:获取用户提供的该遥感影像,以直方图统计该遥感影像中各波段的大气程辐射值,并根据该大气程辐射值消除该遥感影像中大气程辐射;获取遥感影像中任一像素的暗通道,对该暗通道对应的波段设置标记;将所有该暗通道按波段进行分层,以具有最多数量该标记的波段对应的层为起始波段层;根据各层的标记数量获得起始波段层与其它层之间的比例关系;以该比例关系将该其它层的暗通道转换到该起始波段层以获得该起始波段层对应的起始雾霾背景图;以该比例关系将该起始雾霾背景图转换为该其它层对应的其他雾霾背景图;从该遥感影像中去除该起始雾霾背景图和该其他雾霾背景图,获取结果影像;对该结果影像的图像质量、信息量、信噪比、保真度进行分析,以获得对该结果影像的评价结果;对该遥感影像和该结果影像进行光谱对比分析,以获得对该结果影像的分析结果;向该用户输出该评价结果、该分析结果和该该结果影像。
本发明所述的遥感影像自动去霾方法,其中该获取遥感影像中任一像素的暗通道的步骤包括:对该像素的邻域搜寻各波段的辐射值,以具有最小辐射值的该邻域中的像素点为该像素的暗通道。
本发明还提出一种基于标记暗通道的遥感影像自动去霾***,包括:影像预处理模块,用于获取用户提供的该遥感影像,以直方图统计该遥感影像中各波段的大气程辐射值,并根据该大气程辐射值消除该遥感影像中大气程辐射;暗通道标记模块,用于获取遥感影像中任一像素的暗通道,对该暗通道对应的波段设置标记;背景估算模块,用于将所有该暗通道按波段进行分层,以具有最多数量该标记的波段对应的层为起始波段层;根据各层的标记数量获得起始波段层与其它层之间的比例关系;以该比例关系将该其它层的暗通道转换到该起始波段层以获得该起始波段层对应的起始雾霾背景图;以该比例关系将该起始雾霾背景图转换为该其它层对应的其他雾霾背景图;影像去霾模块,用于从该遥感影像中去除该起始雾霾背景图和该其他雾霾背景图,获取结果影像;影像评价模块,用于对该结果影像的图像质量、信息量、信噪比、保真度进行分析,以获得对该结果影像的评价结果;影像分析模块,用于对该遥感影像和该结果影像进行光谱对比分析,以获得对该结果影像的分析结果;影像输出模块,用于向该用户输出该评价结果、该分析结果和该结果影像。
本发明所述的遥感影像自动去霾***,其特征在于,该暗通道标记模块包括:对该像素的邻域搜寻各波段的辐射值,以具有最小辐射值的该邻域中的像素点为该像素的暗通道。
本发明还提出一种计算机可读存储介质,存储有计算机可执行指令,该计算机可执行指令用于执行如前所述的基于标记暗通道的遥感影像自动去霾方法。
本发明还提出一种数据处理装置,包括如前所述的计算机可读存储介质,该数据处理装置的处理器调取并执行该计算机可读存储介质中的计算机可执行指令,以对用户输入的遥感影像进行基于标记暗通道的自动去霾处理。
本发明的遥感影像自动去霾方法简单有效,能满足多种情形的应用需求,应用***支持快速获取去霾后结果、可对结果进行可视化分析和评价,成功解决了当前去霾技术复杂度高、难以实现自动化的问题。
附图说明
图1为本发明的基于标记暗通道的遥感影像自动去霾方法处理输入影像的算法实施流程图。
图2为本发明的一种基于标记暗通道的遥感影像自动去霾方法实际应用流程图。
图3为本发明的一种基于标记暗通道的遥感影像自动去霾应用***的结构示意图。
图4是本发明的数据处理装置示意图。
具体实施方式
下面结合附图和实施例对本发明作详细的说明,以进一步了解本发明之目的、方案、功能与效力。
本发明提供的遥感影像自动去霾方法,包括影像暗通道搜索及标记、各波段雾霾背景图估算、去霾后影像输出等步骤,其中:
影像暗通道搜索及标记的步骤中包括:确定各个波段的程辐射值,消除程辐射对暗通道搜索的干扰;确定中心像素在特定范围内的最低辐射值(寻找暗通道);记录每个中心像素最低辐射值的来自哪个波段;根据暗通道标记将暗通道分为不同的层,确保同一层的标记相同。
各波段雾霾背景图估算的步骤包括:将具有最多暗通道的波段确定为起始波段,以起始波段作为雾霾背景图估算的基准;选定影像厚霾子区域,计算波段间的比例关系;根据暗通道和比例关系估算起始波段和其他波段的雾霾背景图。
去霾后影像输出具体包括处理原始输入影像,去除各波段雾霾背景,获取并输出去霾后结果。
本发明还设计了去霾方法的整体应用流程,包括:
获取用户处理需求,根据需求设定后续处理流程;
根据用户需求通过去霾方法获取去霾后影像;
分析去霾后影像图像质量、信息量、信噪比、保真度等;
对原始影像和去霾后的影像进行光谱对比分析,并支持对用户输入的参考影像和去霾后影像进行对比分析;
对评价结果、分析结果以及影像进行可视化输出。
基于上述,本发明还提供了一种应用***,包括:
影像去霾子***,用于对原始影像进行预处理、搜索并标记暗通道、获取各波段的雾霾背景图、输出去霾后的影像;影像去霾子***具体包括:
i.影像预处理单元,用于对原始输入影像进行辐射校正、几何校正、波段合成等操作;
ii.暗通道标记单元,用于搜索各个像素的暗通道并标记暗通道来源波段;
iii.背景图估算单元,用于计算波段间比例关系,以此估算起始波段和其余波段的雾霾背景图;
结果分析子***,用于对暗通道和雾霾背景图进行统计分析、对去霾后影像进行质量评价、对原始影像和去霾影像进行光谱特征对比分析;结果分析子***具体包括:
i.统计分析单元,用于直方图分析确定程辐射值、统计分析确定起始波段以及影像统计参数的输出;
ii.图像质量评价单元,用于分析输出影像的信息量、信噪比、色差、饱和度等参量,计算图像的保真度、结构相似度等质量评价指标;
iii.影像光谱分析单元,用于绘制影像的光谱分析曲线,对比分析多幅影像的光谱特征;
iv.结果展示子***,用于返回分析结果及对输出结果进行可视化,以及通过用户交互获取图像像素信息、光谱曲线等。结果展示子***中还包括:可视化单元,用于统计直方图、统计参数、质量评价结果、遥感影像的可视化输出;用户交互单元,用于接受用户输入,获取用户指定的输出信息。
通过上述***,可以使去霾过程完全自动化、无需人为设置算法参数,支持批处理操作,支持用户交互操作获取可视化结果。
与现有技术相比,本发明的突出之处在于:
(1)处理算法简单高效,无需人为设置算法参数,可实现全自动化批处理;
(2)利用暗通道标签和比例关系推算各波段雾霾背景图,既能准确评估不同波段的雾霾深度信息,又能保证同一像素位置的不同波段间符合比例关系,能有效避免去霾后影像的色彩出现偏差。
具体来说,本发明提供了一种基于标记暗通道的遥感影像自动去霾方法、该方法的具体应用流程以及应用***的结构框架。
遥感影像自动去霾方法的基本思想是:在中心像素的一定邻域范围内搜索最小辐射值(即暗通道),并用标记记录暗通道的来源(红、绿、蓝或者近红外波段);根据标记可对原始暗通道进行分层,同一层的暗通道来源于同一波段,并准确评估了对应像素在该波段的雾霾深度;选择暗通道像素数目最多的层对应的波段作为起始波段,并通过比例关系将其他波段的暗通道转换到起始波段,即可获取整幅影像在起始波段的雾霾背景图;以起始波段为基准,通过比例换算可进一步获取其他波段的雾霾背景图;最后从原始影像中去除各个波段的雾霾背景图即可获取去除雾霾后的结果影像。
图1示出了基于标记暗通道的遥感影像自动去霾方法处理输入影像的算法实施流程图。参考图1,本发明遥感影像自动去霾方法包括以下步骤:
步骤S101,搜索并标记暗通道。有雾影像记录的辐射值包括了理想晴空条件下的辐射值、大气程辐射值以及雾霾引起的辐射。该步骤首先利用直方图统计方法估算大气程辐射值,然后在去除大气程辐射后的影像上搜索暗通道,每一个像素点记录了暗通道的辐射值以及暗通道的来源波段。
步骤S102,利用暗通道确定起始波段并计算波段间比例关系。根据标记所属的波段,可将原始暗通道分为不同层,同一层的标记相同,统计不同层的暗通道像素数目,以数目最多的暗通道对应的波段作为起始波段。通过暗通道可选择原始影像的厚霾区域,利用该区域内的像素计算不同波段间的回归系数表征波段间的比例关系。
步骤S103,根据暗通道确定起始波段雾霾背景图。原始暗通道并不能准确反映某一波段在所以像素点上的雾霾信息,而分层后的暗通道代表了该层对应像素在对应波段的雾霾信息。以起始波段为基准,利用比例关系将其他波段的分层暗通道转换到起始波段,转换后的所有分层合并在一起即可代表起始波段的雾霾背景图。
步骤S104,根据比例关系推算其他波段雾霾背景图。获取起始波段的完整雾霾背景图后,利用比例关系即可换算得到其他波段的雾霾背景图。
步骤S105,根据加性模型去除各波段雾霾背景层。加性模型将有雾影像描述为理想晴空条件下的辐射值、大气程辐射值以及雾霾引起的辐射之和。从原始有雾影像中去除大气程辐射和步骤S104得到的各个波段雾霾背景层即可获取去霾后的结果影像。
图2示出了本发明基于标记暗通道的遥感影像自动去霾方法实际应用流程图。参考图2,本发明实际应用流程具体包括以下步骤:
步骤S201,获取用户输入影像和分析需求。用户输入影像必须为***支持的栅格文件格式,波段组合完全正确,影像可以是一幅也可为多幅(批处理);用户分析需求包括输出结果形式,是否进行结果质量评价和光谱分析等过程。
步骤S202,对输入影像进行去霾处理。采用图1所示去霾算法对输入影像进行处理,获取雾霾后的结果影像。
步骤S203,去霾结果质量评价。根据步骤S201用户分析需求,采取选定的指标评价结果质量。
步骤S204,去霾影像光谱分析。根据步骤S201用户分析需求,对去霾影像进行光谱分析,包括绘制指定的光谱曲线、对比原始影像和结果影像光谱曲线、对比参考影像和结果影像等方面。
步骤S205,处理结果和分析结果可视化。基于IDL实现结果的可视化,将算法结果直观形象的展示给用户。
图3为本发明的一种基于标记暗通道的遥感影像自动去霾应用***的设计结构图。参考图3,本发明设计的去霾应用***,分为影像去霾子***、结果分析子***和结果展示子***。
影像去霾子***301包括:数据预处理单元3011、暗通道标记单元3012和背景图估算单元3013。
数据预处理单元3011对原始影像进行辐射校正和几何校正等前期处理,该单元同时利用直方图统计方法估算大气程辐射值,消除大气程辐射对暗通道搜索的干扰。
暗通道标记单元3012涉及暗通道的搜索和标记、暗通道的分层统计、利用暗通道选取厚霾区、计算波段间比例关系的任务。
背景图估算单元3013包括通过转换获取起始波段雾霾背景图、估算其他波段背景雾霾图、生成去霾后的结果影像的任务。
结果分析子***302包括:统计分析单元3021、图像质量评价单元3022、影像光谱分析单元3023。
统计分析单元3021负责数学统计和回归分析的任务,协助3012和3013单元完成数据均值、方差、直方图、回归系数等的计算和绘制。
图像质量评价单元3022,该单元封装了图像质量评价的相关算法,包括信息量、信噪比、峰值信噪比、保真度、结构相似性等指标,负责根据用户的分析需求完成对S3013单元输出结果的质量评价。
影像光谱分析单元3023,该单元封装了曲线图、散点图、图像立方体等绘制的算法,并包含了通用的典型地物光谱曲线库,负责响应用户的光谱分析需求,完成单幅或多幅影像的光谱对比分析。
结果展示子***303包括:可视化单元3031,用户交互单元3032。
可视化单元3031,根据影像去霾子***301和结果分析子***302的结果执行可视化,封装IDL技术进行运行结果的直观展示。
用户交互单元3032,负责完成与用户的交互任务,用户可通过鼠标动作操作可视化结果以获取进一步的信息。
图4是本发明的数据处理装置示意图。如图4所示,本发明实施例还提供一种数据处理装置,包括:计算机可读存储介质,及处理器。本发明的计算机可读存储介质存储有可执行指令,可执行指令被数据处理装置的处理器执行时,实现上述基于标记暗通道的遥感影像自动去霾方法。本领域普通技术人员可以理解上述方法中的全部或部分步骤可通过程序来指令相关硬件(例如处理器、FPGA、ASIC等)完成,所述程序可以存储于可读存储介质中,如只读存储器、磁盘或光盘等。上述实施例的全部或部分步骤也可以使用一个或多个集成电路来实现。相应地,上述实施例中的各模块可以采用硬件的形式实现,例如通过集成电路来实现其相应功能,也可以采用软件功能模块的形式实现,例如通过处理器执行存储于存储器中的程序/指令来实现其相应功能。本发明实施例不限制于任何特定形式的硬件和软件的结合。
以上实施方式仅用于说明本发明,而并非对本发明的限制,有关技术领域的普通技术人员,在不脱离本发明的精神和范围的情况下,还可以做出各种变化和变形,因此所有等同的技术方案也属于本发明的范畴,本发明的专利保护范围应由权利要求限定。
Claims (10)
1.一种基于标记暗通道的遥感影像自动去霾方法,其特征在于,包括:
获取遥感影像中任一像素的暗通道,对该暗通道对应的波段设置标记;
将所有该暗通道按波段进行分层,以具有最多数量该标记的波段对应的层为起始波段层;根据各层的标记数量获得起始波段层与其它层之间的比例关系;
以该比例关系将该其它层的暗通道转换到该起始波段层以获得该起始波段层对应的起始雾霾背景图;以该比例关系将该起始雾霾背景图转换为该其它层对应的其他雾霾背景图;
从该遥感影像中去除该起始雾霾背景图和该其他雾霾背景图,获取结果影像。
2.如权利要求1所述的遥感影像自动去霾方法,其特征在于,还包括:获取用户提供的该遥感影像,以直方图统计该遥感影像中各波段的大气程辐射值,并根据该大气程辐射值消除该遥感影像中大气程辐射。
3.如权利要求2所述的遥感影像自动去霾方法,其特征在于,该获取遥感影像中任一像素的暗通道的步骤包括:
对该像素的邻域搜寻各波段的辐射值,以具有最小辐射值的该邻域中的像素点为该像素的暗通道。
4.如权利要求1所述的遥感影像自动去霾方法,其特征在于,还包括:
对该结果影像的图像质量、信息量、信噪比、保真度进行分析,以获得对该结果影像的评价结果;
对该遥感影像和该结果影像进行光谱对比分析,以获得对该结果影像的分析结果;
向该用户输出该评价结果、该分析结果和该该结果影像。
5.一种基于标记暗通道的遥感影像自动去霾***,其特征在于,包括:
暗通道标记模块,用于获取遥感影像中任一像素的暗通道,对该暗通道对应的波段设置标记;
背景估算模块,用于将所有该暗通道按波段进行分层,以具有最多数量该标记的波段对应的层为起始波段层;根据各层的标记数量获得起始波段层与其它层之间的比例关系;以该比例关系将该其它层的暗通道转换到该起始波段层以获得该起始波段层对应的起始雾霾背景图;以该比例关系将该起始雾霾背景图转换为该其它层对应的其他雾霾背景图;
影像去霾模块,用于从该遥感影像中去除该起始雾霾背景图和该其他雾霾背景图,获取结果影像。
6.如权利要求5所述的遥感影像自动去霾***,其特征在于,还包括:
影像预处理模块,用于获取用户提供的该遥感影像,以直方图统计该遥感影像中各波段的大气程辐射值,并根据该大气程辐射值消除该遥感影像中大气程辐射。
7.如权利要求6所述的遥感影像自动去霾***,其特征在于,该暗通道标记模块包括:对该像素的邻域搜寻各波段的辐射值,以具有最小辐射值的该邻域中的像素点为该像素的暗通道。
8.如权利要求5所述的遥感影像自动去霾***,其特征在于,还包括:
影像评价模块,用于对该结果影像的图像质量、信息量、信噪比、保真度进行分析,以获得对该结果影像的评价结果;
影像分析模块,用于对该遥感影像和该结果影像进行光谱对比分析,以获得对该结果影像的分析结果;
影像输出模块,用于向该用户输出该评价结果、该分析结果和该结果影像。
9.一种计算机可读存储介质,存储有计算机可执行指令,该计算机可执行指令用于执行如权利要求1~4任一项所述的基于标记暗通道的遥感影像自动去霾方法。
10.一种数据处理装置,包括如权利要求9所述的计算机可读存储介质,该数据处理装置的处理器调取并执行该计算机可读存储介质中的计算机可执行指令,以对用户输入的遥感影像进行基于标记暗通道的自动去霾处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010462432.XA CN111754420A (zh) | 2020-05-27 | 2020-05-27 | 一种基于标记暗通道的遥感影像自动去霾方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010462432.XA CN111754420A (zh) | 2020-05-27 | 2020-05-27 | 一种基于标记暗通道的遥感影像自动去霾方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111754420A true CN111754420A (zh) | 2020-10-09 |
Family
ID=72673976
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010462432.XA Pending CN111754420A (zh) | 2020-05-27 | 2020-05-27 | 一种基于标记暗通道的遥感影像自动去霾方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111754420A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112785521A (zh) * | 2021-01-19 | 2021-05-11 | 澜途集思生态科技集团有限公司 | 一种雾霾条件下的遥感影像处理方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105631829A (zh) * | 2016-01-15 | 2016-06-01 | 天津大学 | 基于暗通道先验与颜色校正的夜间雾霾图像去雾方法 |
-
2020
- 2020-05-27 CN CN202010462432.XA patent/CN111754420A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105631829A (zh) * | 2016-01-15 | 2016-06-01 | 天津大学 | 基于暗通道先验与颜色校正的夜间雾霾图像去雾方法 |
Non-Patent Citations (1)
Title |
---|
HOU JIANG 等: "Single image dehazing for visible remote sensing based on tagged haze thickness maps", 《REMOTE SENSING LETTERS》, vol. 9, no. 7, 31 May 2018 (2018-05-31), pages 627 - 631 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112785521A (zh) * | 2021-01-19 | 2021-05-11 | 澜途集思生态科技集团有限公司 | 一种雾霾条件下的遥感影像处理方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109523520B (zh) | 一种基于深度学习的染色体自动计数方法 | |
CN109477710B (zh) | 基于点的结构化光***的反射率图估计 | |
US20100207936A1 (en) | Fusion of a 2d electro-optical image and 3d point cloud data for scene interpretation and registration performance assessment | |
Moriondo et al. | Use of digital images to disclose canopy architecture in olive tree | |
CN112149648B (zh) | 一种基于灰度可变阈值的水位线识别与估计方法及装置 | |
CN112766155A (zh) | 一种基于深度学习的海水养殖区提取方法 | |
Mamatov et al. | Methods for improving contrast of agricultural images | |
CN108230375A (zh) | 基于结构相似性快速鲁棒的可见光图像与sar图像配准方法 | |
van Zwanenberg et al. | Edge detection techniques for quantifying spatial imaging system performance and image quality | |
CN111814545A (zh) | 作物识别方法、装置、电子设备及存储介质 | |
CN116167932A (zh) | 一种图像质量优化方法、装置、设备及存储介质 | |
Zhang et al. | Yield estimation of citrus fruit using rapid image processing in natural background | |
KR20230042706A (ko) | Lfa 테스트 스트립의 신경망 분석 | |
CN111754420A (zh) | 一种基于标记暗通道的遥感影像自动去霾方法及*** | |
CN116559111A (zh) | 一种基于高光谱成像技术的高粱品种识别方法 | |
CN109409285B (zh) | 基于重叠切片的遥感视频目标检测方法 | |
CN111507177B (zh) | 一种用于计量周转柜的识别方法及装置 | |
CN109993071B (zh) | 基于遥感影像的变色林木自动识别及调查的方法和*** | |
CN115988334A (zh) | 一种自校正的数字化相机移动遥感***及方法 | |
US7672537B2 (en) | Method and system for improved detection of material reflectances in an image | |
US10489894B2 (en) | Image processing device, image processing method, and program recording medium | |
CN104463898A (zh) | 一种物流平台用图像识别计数*** | |
Angiati et al. | Identification of roofs perimeter from aerial and satellite images | |
CN114155207A (zh) | 高光谱监测方法、装置、设备及存储介质 | |
Stanski et al. | Flower detection using object analysis: new ways to quantify plant phenology in a warming tundra biome |
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 |