CN112785521A - 一种雾霾条件下的遥感影像处理方法 - Google Patents
一种雾霾条件下的遥感影像处理方法 Download PDFInfo
- Publication number
- CN112785521A CN112785521A CN202110070040.3A CN202110070040A CN112785521A CN 112785521 A CN112785521 A CN 112785521A CN 202110070040 A CN202110070040 A CN 202110070040A CN 112785521 A CN112785521 A CN 112785521A
- Authority
- CN
- China
- Prior art keywords
- image
- remote sensing
- sensing image
- dark primary
- processing
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 8
- 238000000034 method Methods 0.000 claims abstract description 24
- 238000002834 transmittance Methods 0.000 claims abstract description 13
- 238000007670 refining Methods 0.000 claims abstract description 10
- 238000001914 filtration Methods 0.000 claims abstract description 8
- 238000007781 pre-processing Methods 0.000 claims abstract description 7
- 238000007619 statistical method Methods 0.000 claims abstract description 5
- 230000011218 segmentation Effects 0.000 claims description 6
- 238000001228 spectrum Methods 0.000 claims description 4
- 230000003044 adaptive effect Effects 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 230000004927 fusion Effects 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 4
- 210000001525 retina Anatomy 0.000 abstract description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000009291 secondary effect Effects 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
- G06T5/90—Dynamic range modification of images or parts thereof
- G06T5/92—Dynamic range modification of images or parts thereof based on global image properties
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
- G06T2207/10041—Panchromatic image
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20132—Image cropping
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种雾霾条件下的遥感影像处理方法,包括如下步骤:采集雾霾条件下的原始遥感影像;对原始遥感影像进行预处理,得到暗原色遥感影像;对暗原色遥感影像进行特征统计分析,对暗原色遥感影像的特征进行识别和特征提取;利用暗原色暗原色遥感影像粗估计介质透射率,借助图像引导滤波算法对介质透射率像进行细化,得到无雾图像;将无雾图像通过ENVI最优线性拉伸方法拉伸得到拉伸后的图像;通过遥感影像处理软件中提取拉伸后的图像全色波段、绿色波段和短波红外1波段。本发明基于人类视网膜模型的McCann方法与ENVI最优线性拉伸相结合,提高图像的色彩丰富度、自然度、对比度和清晰度,大幅度提高去雾图像清晰度的效果。
Description
技术领域
本发明涉及影像处理技术领域,尤其涉及一种雾霾条件下的遥感影像处理方法。
背景技术
目前,遥感探测作为一种远距离的探测手段,大多用于进行地面资源管理和监视的作用,例如,在资源勘探获取上,又或是在灾害的评估上等。而不论在哪个领域使用遥感影像处理技术,探测得到的地物变化结果都是重要的参考依据。遥感影像都是从上向下观测,成像过程中被摄的目标物体表面发射的光线在大气中受到雾的影响,由于吸收和散射、折射等光学作用而衰减,同时由于散射作用,摄影镜头中会混入大气光。在这两种主要作用和随机大气湍流、传感器噪声等多方面次要作用的影响下,摄像镜头接收到的光线发生了非均匀变化,这就造成遥感影像灰度值的变化。具体表现为灰度动态范围被缩小,像素之间对比度被降低,并且受影响的程度主要与雾的浓度和镜头到物体的距离有关,这就使得遥感影像在各领域中发挥的作用受到限制。
发明内容
基于背景技术存在的技术问题,本发明提出了一种雾霾条件下的遥感影像处理方法。
本发明提出的一种雾霾条件下的遥感影像处理方法,包括如下步骤:
S1采集雾霾条件下的原始遥感影像;
S2对原始遥感影像进行预处理,得到暗原色遥感影像;
S3对暗原色遥感影像进行特征统计分析,对暗原色遥感影像的特征进行识别和特征提取;
S4利用暗原色暗原色遥感影像粗估计介质透射率,借助图像引导滤波算法对介质透射率像进行细化,得到无雾图像;
S5将无雾图像通过ENVI最优线性拉伸方法拉伸得到拉伸后的图像;
S6通过遥感影像处理软件中提取拉伸后的图像全色波段、绿色波段和短波红外1波段,基于全色波段分别对绿色波段和短波红外1波段进行光谱增强;
S7采用Frankle-McCann方法将拉伸后的图像进行色彩增强,得到色彩增强的图像。
优选的,所述步骤S2对原始遥感影像进行预处理具体为:用RPC模型的正射校正方法获得正射校正后的全色影像和正射校正后的多光谱影像,以正射校正后的全色影像为参考对正射校正后的多光谱影像配准,得到配准后的图像,图像采用自适应高斯滤波SFIM融合算法进行融合,得到融合后的暗原色遥感影像。
优选的,所述步骤S1通过计算机设备的采集节点在采集周期内接收遥感设备发送的遥感影像,然后,对遥感影像进行特征对比,得到雾霾影像。
优选的,所述步骤S1当计算机设备的采集节点在采集周期内接收遥感设备发送的遥感影像为正常时,向采集节点发送的参数信息,参数信息用于指示影像正常处理的信息。
优选的,所述暗原色遥感影像还进行裁剪处理,将无雾霾影像的区域进行裁剪,得到全暗原色遥感影像。
优选的,所述步骤S4之前还对无雾图像进行处理:对图像进行特征点匹配,匹配完成后进行特征点筛选。
优选的,所述步骤S3特征提取方法为:运用均值漂移算法进行云区分割,运用相似性聚类算法细化粗分结果,获得影像云区覆盖范围。
优选的,所述步骤S4对介质透射率像进行细化具有为:对输入影像做滤波处理。
本发明中,所述一种雾霾条件下的遥感影像处理方法,基于人类视网膜模型的McCann方法与ENVI最优线性拉伸相结合,提高图像的色彩丰富度、自然度、对比度和清晰度,大幅度提高去雾图像清晰度的效果。
附图说明
图1为本发明提出的一种雾霾条件下的遥感影像处理方法的流程示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。
参照图1,一种雾霾条件下的遥感影像处理方法,包括如下步骤:
S1采集雾霾条件下的原始遥感影像;
S2对原始遥感影像进行预处理,得到暗原色遥感影像;
S3对暗原色遥感影像进行特征统计分析,对暗原色遥感影像的特征进行识别和特征提取;
S4利用暗原色暗原色遥感影像粗估计介质透射率,借助图像引导滤波算法对介质透射率像进行细化,得到无雾图像;
S5将无雾图像通过ENVI最优线性拉伸方法拉伸得到拉伸后的图像;
S6通过遥感影像处理软件中提取拉伸后的图像全色波段、绿色波段和短波红外1波段,基于全色波段分别对绿色波段和短波红外1波段进行光谱增强;
S7采用Frankle-McCann方法将拉伸后的图像进行色彩增强,得到色彩增强的图像。
本发明中,步骤S2对原始遥感影像进行预处理具体为:用RPC模型的正射校正方法获得正射校正后的全色影像和正射校正后的多光谱影像,以正射校正后的全色影像为参考对正射校正后的多光谱影像配准,得到配准后的图像,图像采用自适应高斯滤波SFIM融合算法进行融合,得到融合后的暗原色遥感影像。
本发明中,步骤S1通过计算机设备的采集节点在采集周期内接收遥感设备发送的遥感影像,然后,对遥感影像进行特征对比,得到雾霾影像。
本发明中,步骤S1当计算机设备的采集节点在采集周期内接收遥感设备发送的遥感影像为正常时,向采集节点发送的参数信息,参数信息用于指示影像正常处理的信息。
本发明中,暗原色遥感影像还进行裁剪处理,将无雾霾影像的区域进行裁剪,得到全暗原色遥感影像。
本发明中,步骤S4之前还对无雾图像进行处理:对图像进行特征点匹配,匹配完成后进行特征点筛选。
本发明中,步骤S3特征提取方法为:运用均值漂移算法进行云区分割,运用相似性聚类算法细化粗分结果,获得影像云区覆盖范围。
本发明中,步骤S4对介质透射率像进行细化具有为:对输入影像做滤波处理。
本发明:采集雾霾条件下的原始遥感影像;对原始遥感影像进行预处理,得到暗原色遥感影像;对暗原色遥感影像进行特征统计分析,对暗原色遥感影像的特征进行识别和特征提取;利用暗原色暗原色遥感影像粗估计介质透射率,借助图像引导滤波算法对介质透射率像进行细化,得到无雾图像;将无雾图像通过ENVI最优线性拉伸方法拉伸得到拉伸后的图像;通过遥感影像处理软件中提取拉伸后的图像全色波段、绿色波段和短波红外1波段,基于全色波段分别对绿色波段和短波红外1波段进行光谱增强;采用Frankle-McCann方法将拉伸后的图像进行色彩增强,得到色彩增强的图像。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (8)
1.一种雾霾条件下的遥感影像处理方法,其特征在于,包括如下步骤:
S1采集雾霾条件下的原始遥感影像;
S2对原始遥感影像进行预处理,得到暗原色遥感影像;
S3对暗原色遥感影像进行特征统计分析,对暗原色遥感影像的特征进行识别和特征提取;
S4利用暗原色暗原色遥感影像粗估计介质透射率,借助图像引导滤波算法对介质透射率像进行细化,得到无雾图像;
S5将无雾图像通过ENVI最优线性拉伸方法拉伸得到拉伸后的图像;
S6通过遥感影像处理软件中提取拉伸后的图像全色波段、绿色波段和短波红外1波段,基于全色波段分别对绿色波段和短波红外1波段进行光谱增强;
S7采用Frankle-McCann方法将拉伸后的图像进行色彩增强,得到色彩增强的图像。
2.根据权利要求1所述的一种雾霾条件下的遥感影像处理方法,其特征在于,所述步骤S2对原始遥感影像进行预处理具体为:用RPC模型的正射校正方法获得正射校正后的全色影像和正射校正后的多光谱影像,以正射校正后的全色影像为参考对正射校正后的多光谱影像配准,得到配准后的图像,图像采用自适应高斯滤波SFIM融合算法进行融合,得到融合后的暗原色遥感影像。
3.根据权利要求1所述的一种雾霾条件下的遥感影像处理方法,其特征在于,所述步骤S1通过计算机设备的采集节点在采集周期内接收遥感设备发送的遥感影像,然后,对遥感影像进行特征对比,得到雾霾影像。
4.根据权利要求1所述的一种雾霾条件下的遥感影像处理方法,其特征在于,所述步骤S1当计算机设备的采集节点在采集周期内接收遥感设备发送的遥感影像为正常时,向采集节点发送的参数信息,参数信息用于指示影像正常处理的信息。
5.根据权利要求1所述的一种雾霾条件下的遥感影像处理方法,其特征在于,所述暗原色遥感影像还进行裁剪处理,将无雾霾影像的区域进行裁剪,得到全暗原色遥感影像。
6.根据权利要求1所述的一种雾霾条件下的遥感影像处理方法,其特征在于,所述步骤S4之前还对无雾图像进行处理:对图像进行特征点匹配,匹配完成后进行特征点筛选。
7.根据权利要求1所述的一种雾霾条件下的遥感影像处理方法,其特征在于,所述步骤S3特征提取方法为:运用均值漂移算法进行云区分割,运用相似性聚类算法细化粗分结果,获得影像云区覆盖范围。
8.根据权利要求1所述的一种雾霾条件下的遥感影像处理方法,其特征在于,所述步骤S4对介质透射率像进行细化具有为:对输入影像做滤波处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110070040.3A CN112785521A (zh) | 2021-01-19 | 2021-01-19 | 一种雾霾条件下的遥感影像处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110070040.3A CN112785521A (zh) | 2021-01-19 | 2021-01-19 | 一种雾霾条件下的遥感影像处理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112785521A true CN112785521A (zh) | 2021-05-11 |
Family
ID=75757667
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110070040.3A Pending CN112785521A (zh) | 2021-01-19 | 2021-01-19 | 一种雾霾条件下的遥感影像处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112785521A (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101783012A (zh) * | 2010-04-06 | 2010-07-21 | 中南大学 | 一种基于暗原色的自动图像去雾方法 |
CN103049888A (zh) * | 2012-12-07 | 2013-04-17 | 西安电子科技大学 | 基于暗原色结合大气散射光的图像/视频去雾方法 |
CN107038691A (zh) * | 2017-04-12 | 2017-08-11 | 北京爱特拉斯信息科技有限公司 | 基于云检测辅助的暗原色遥感影像去雾方法 |
CN109191405A (zh) * | 2018-09-15 | 2019-01-11 | 武汉智觉空间信息技术有限公司 | 一种基于透射率全局估计的航空影像去雾算法 |
CN110298211A (zh) * | 2018-03-21 | 2019-10-01 | 北京大学 | 一种基于深度学习和高分辨率遥感影像的河网提取方法 |
CN110349113A (zh) * | 2019-03-11 | 2019-10-18 | 中国人民解放军陆军工程大学 | 一种基于暗原色先验改进的自适应图像去雾方法 |
CN110930439A (zh) * | 2019-12-04 | 2020-03-27 | 长光卫星技术有限公司 | 一种适用于高分辨率遥感影像高级产品自动生产*** |
CN111275652A (zh) * | 2020-02-26 | 2020-06-12 | 西京学院 | 一种去除城市遥感图像中雾霾的方法 |
CN111275631A (zh) * | 2020-01-08 | 2020-06-12 | 中国科学院东北地理与农业生态研究所 | 一种遥感影像提取城市水体时消除阴影干扰的方法 |
CN111754420A (zh) * | 2020-05-27 | 2020-10-09 | 南京深全人工智能技术研发有限公司 | 一种基于标记暗通道的遥感影像自动去霾方法及*** |
US20200394767A1 (en) * | 2019-06-17 | 2020-12-17 | China University Of Mining & Technology, Beijing | Method for rapidly dehazing underground pipeline image based on dark channel prior |
-
2021
- 2021-01-19 CN CN202110070040.3A patent/CN112785521A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101783012A (zh) * | 2010-04-06 | 2010-07-21 | 中南大学 | 一种基于暗原色的自动图像去雾方法 |
CN103049888A (zh) * | 2012-12-07 | 2013-04-17 | 西安电子科技大学 | 基于暗原色结合大气散射光的图像/视频去雾方法 |
CN107038691A (zh) * | 2017-04-12 | 2017-08-11 | 北京爱特拉斯信息科技有限公司 | 基于云检测辅助的暗原色遥感影像去雾方法 |
CN110298211A (zh) * | 2018-03-21 | 2019-10-01 | 北京大学 | 一种基于深度学习和高分辨率遥感影像的河网提取方法 |
CN109191405A (zh) * | 2018-09-15 | 2019-01-11 | 武汉智觉空间信息技术有限公司 | 一种基于透射率全局估计的航空影像去雾算法 |
CN110349113A (zh) * | 2019-03-11 | 2019-10-18 | 中国人民解放军陆军工程大学 | 一种基于暗原色先验改进的自适应图像去雾方法 |
US20200394767A1 (en) * | 2019-06-17 | 2020-12-17 | China University Of Mining & Technology, Beijing | Method for rapidly dehazing underground pipeline image based on dark channel prior |
CN110930439A (zh) * | 2019-12-04 | 2020-03-27 | 长光卫星技术有限公司 | 一种适用于高分辨率遥感影像高级产品自动生产*** |
CN111275631A (zh) * | 2020-01-08 | 2020-06-12 | 中国科学院东北地理与农业生态研究所 | 一种遥感影像提取城市水体时消除阴影干扰的方法 |
CN111275652A (zh) * | 2020-02-26 | 2020-06-12 | 西京学院 | 一种去除城市遥感图像中雾霾的方法 |
CN111754420A (zh) * | 2020-05-27 | 2020-10-09 | 南京深全人工智能技术研发有限公司 | 一种基于标记暗通道的遥感影像自动去霾方法及*** |
Non-Patent Citations (1)
Title |
---|
江政远;胡勇;宋文韬;巩彩兰;: "改进暗通道遥感影像去雾方法及效果分析", 上海航天, no. 04 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111723748B (zh) | 一种红外遥感图像舰船检测方法 | |
CN108710910B (zh) | 一种基于卷积神经网络的目标识别方法及*** | |
CN108549874B (zh) | 一种目标检测方法、设备及计算机可读存储介质 | |
CN109492714A (zh) | 图像处理装置及其方法 | |
CN109684906B (zh) | 基于深度学习的检测红脂大小蠹的方法 | |
CN109948566B (zh) | 一种基于权重融合与特征选择的双流人脸反欺诈检测方法 | |
CN113554631B (zh) | 一种基于改进网络的芯片表面缺陷检测方法 | |
Alkoffash et al. | A survey of digital image processing techniques in character recognition | |
Wang et al. | Low-illumination image enhancement for night-time UAV pedestrian detection | |
CN111179202B (zh) | 一种基于生成对抗网络的单幅图像去雾增强方法和*** | |
van Zwanenberg et al. | Edge detection techniques for quantifying spatial imaging system performance and image quality | |
CN109544535B (zh) | 一种基于红外截止滤镜光学滤波特性的窥视摄像头检测方法及*** | |
CN110660065A (zh) | 一种红外故障检测识别算法 | |
CN113536267A (zh) | 一种基于人工智能的人体步态验证方法和云服务器 | |
Zhan et al. | Quantitative analysis of shadow effects in high-resolution images of urban areas | |
CN113744191A (zh) | 一种卫星遥感影像自动云检测方法 | |
Verma et al. | Development of LR-PCA based fusion approach to detect the changes in mango fruit crop by using landsat 8 OLI images | |
CN116503912B (zh) | 基于电子图囊的安检预警方法 | |
CN116311212B (zh) | 基于高速摄像机实现运动状态下的船号识别方法及装置 | |
CN115578304B (zh) | 一种结合显著性区域检测的多波段图像融合方法和*** | |
CN112785521A (zh) | 一种雾霾条件下的遥感影像处理方法 | |
CN110674737A (zh) | 一种虹膜识别的增强方法 | |
Krishna et al. | Digital image processing techniques in character recognition-a survey | |
CN114359776A (zh) | 一种融合光与热成像的火焰检测方法、装置 | |
Hsieh et al. | Estimation of pm 2.5 concentration based on support vector regression with improved dark channel prior and high frequency information in images |
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 |