基于加权融合的环境遥感图像增强算法_安源.pdf

科学技术创新 2023.04基于加权融合的环境遥感图像增强算法安源，蔡朝晖，孙涛，马英瑞，刘春*（大庆师范学院 计算机科学与信息技术学院，黑龙江 大庆）引言环境遥感在环境研究领域中起着非常重要的作用。它广泛用于自然资源调查、环境监测评价和植被提取等任务，为社会发展带了巨大的环境效益1。然而，原始环境遥感图像经常面临噪声引起的图像质量问题，阻碍了后续的数据处理。实证研究表明，环境遥感图像增强作为一种环境遥感图像预处理手段，促进了图像质量提升技术和图像质量评价方法的发展2，在提高目视解译效果3和植被提取精度方面发挥着重要作用4。因此，在植被提取前进行环境遥感图像质量提升已成为环境遥感图像处理的必要环节。目前，环境遥感图像质量提升的研究主要集中在两个方面。一是基于直方图的对比度增强方法研究。相关研究人员基于全局或局部直方图设计灰度映射函数，以增强对比度并获取更多细节信息5-7。然而，这些算法存在过度增强某些区域的问题，导致图像质量下降。二是基于加权平均融合的增强方法研究。相关研究人员利用像素灰度权重系数的选择和分配来提升图像质量8-10，但这些增强算法缺乏统一有效的权重系数设定标准，导致权重系数和图像质量不稳定。因此，有必要结合这两个方面的相关研究基础，设计一种环境遥感图像质量提升方法，用于植被提取前的环境遥感图像预处理。1本文算法为了突出植被特征，本文从同一研究区域的Landsat ETM+环境遥感图像中选取波段 1 到波段 4进行研究，提出了一种基于加权融合的环境遥感图像增强算法。该算法描述如下：1.1构造灰度变换函数首先，初步提升图像灰度。假设像素的初始灰度为，则提升后的灰度表示为(1)表示图像的灰度级，是图像的目标灰度均值，为图像的原始灰度均值。其次，设计灰度拉伸系数。当小于时，用表示；否则，用表示。假设单波段图像中每个像素的灰度拉伸系数为，表示图像灰度级 i 的累积概率，s 表示缩放因子。则灰度拉伸系数为(2)然后，构造灰度变换函数(3)摘要：原始环境遥感图像经常面临噪声问题，导致目视判读困难，植被提取精度低。为解决这一问题，有效促进环境遥感图像质量提升，提出一种基于加权融合的环境遥感图像增强算法。首先，构造灰度变换函数来提高图像对比度；其次，设计灰度加权系数以降低图像噪声；最后，利用灰度加权系数完成像素灰度加权融合增强。实验结果表明，该方法能有效提高环境遥感图像质量，便于对环境研究目标进行目视解译。关键词：环境遥感；图像质量；直方图；加权融合；增强算法中图分类号：TP751文献标识码：A文章编号：2096-4390（2023）04-0082-04基金项目：黑龙江省大庆市指导性科技计划项目(zd-2021-13)。作者简介：安源(1982-)，男，硕士，讲师，研究方向:数字图像处理、数据挖掘。通讯作者：刘春(1970-)，女，硕士，教授，研究方向:数字图像处理、云计算。iLiLiEiiDOELLL=+-i0,255iDLOLiEDLLiERiEiKip1(),;1(),.?pLDiiDLiipRiDRiseLEELEKseELotherwiseE|-|=|+-|()iiiC EK E=82-2023.04 科学技术创新1.2设计灰度加权系数首先，计算每个像素对应的两个灰度。对原始单波段图像进行直方图均衡化，得到各像素点的灰度；利用公式(3)对原始单波段图像进行灰度拉伸，得到各像素点的灰度。其次，设计各像素点的灰度加权系数。利用每个像素对应的灰度和，得到两者的占比 w1和 w2。将 w1作为灰度的加权系数，w2作为像素灰度 Hi的加权系数。1.3加权融合利用每个像素的灰度加权系数 w1和 w2，对该像素对应的灰度和进行像素灰度加权融合，则增强后的像素灰度表示为(4)2实验结果与分析本文实验数据来源于 Landsat-7 卫星提供的ETM+环境遥感图像。其中，实验图像来自两个典型地区：大庆地区和浙江地区，云量均为 0。这是因为大庆地处中纬度地区，以平原低地为主，土壤相对裸露，湖泊湿地众多。而浙江位于低纬度地区，以山地丘陵为主，植被葱郁，水系发达。2.1实验结果对各波段图像分别进行原始波段合成、CLAHE、加权平均融合和本文方法增强。并对合成的真彩色图像分别生成灰度直方图。采用同一局部区域的图像来展示真彩色图像的细节信息，见图 1 和图 2。2.2结果分析本文采用主观评价和客观评价两种遥感图像质量评价方法对实验结果进行分析。2.2.1主观评价采用目视判读的方式进行主观评价。对图 1 和图2 的真彩色合成图像分析可知：(a)图像整体亮度偏暗，目视判读困难；(b)图像亮度偏暗，局部地貌特征如植被特征对比不明显；(c)图像的整体亮度偏暗，对比不明显，对湖泊、河流、山地、植被等特征呈现偏浅灰的颜色；(d)图像的整体亮度和色彩适中，湖泊、河流、植被、山地等对比清晰、易区分，较符合真实地貌特征。对图 1 和图 2 中的直方图分析可知：(a)图像的灰度分布偏左侧且集中在较窄的范围内；(b)图像和(c)图像的灰度虽然在 0255 间进行了拉伸，但是灰度主要集中分布在左侧；(d)图像的灰度在 0255 间进行了较适合的拉伸，充满整个灰度级区间。可见，本文方法对图像灰度进行了较适合的拉伸，增强后的图像整体亮度适中，色彩丰富，能较清晰的反应出不同地物特征细节的反差。因此，基于本文方法增强后的图像质量更好。2.2.2客观评价(255)?H Hp=iCiHiCiCiHiCiG12iiiGwCw H=+(a)原始波段合成(b)CLAHE(c)加权平均融合(d)本文方法图 1大庆地区真彩色图像及对应灰度直方图83-科学技术创新 2023.04(a)原始波段合成(b)CLAHE(c)加权平均融合(d)本文方法图 2浙江地区真彩色图像及对应灰度直方图选择信息熵、标准差、对比度和平均梯度四个评价指标，客观评价得到的真彩色图像质量。信息熵反映了图像的信息量，可以体现图像细节信息的丰富程度。标准差反映了像素灰度值与灰度均值的离散程度，可以解释图像边缘的清晰度。而对比度能够反映出图像的清晰度和色彩，平均梯度可以有效地反映图像的层数、清晰度和边缘细节。由表 1 可知，在信息熵、标准差、对比度和平均梯度评价指标方面，本文方法均优于前两种方法。3结论为了提高环境遥感图像的质量，本文提出一种基于加权融合的环境遥感图像增强算法。该算法通过构建灰度变换函数提高图像对比度，并设计灰度加权系数实现像素灰度加权融合，从而实现图像增强。实验结果表明，该方法可以有效提高环境遥感图像质量，便于对环境研究目标进行目视解译。本文也存在一些不足之处，如每个像素灰度拉伸系数中使用的尺度因子不能根据原始图像自适应调整，这将在下一步进行研究和探讨。参考文献1王桥.中国环境遥感监测技术进展及若干前沿问题J.遥感学报,2021,25(1):25-36.2徐宁珊.可见光遥感图像质量评价与像质提升技术研究D.北京：中国科学院大学(中国科学院光电技术研究所),2021.3慕晓冬,白坤,尤轩昂,等.基于对比学习方法的遥感影像特征提取与分类 J.光学精密工程,2021,29(9):2222-2234.4周欣昕,吴艳兰,李梦雅,等.基于特征分离机制的深度学习植被自动提取方法 J.地球信息科学学报,2021,23(9):1675-1689.图像 评价指标 CLAHE 加权平均 融合 本文方法 大庆 信息熵 5.524 7.283 7.797 浙江 信息熵 5.051 7.061 7.694 大庆 标准差 46.794 54.546 78.148 浙江 标准差 46.807 54.396 74.300 大庆 对比度 148.805 85.036 215.687 浙江 对比度 29.503 36.813 72.731 大庆 平均梯度 7.043 5.594 8.631 浙江 平均梯度 3.299 3.674 5.084 表 1信息熵、标准差、对比度和平均梯度84-2023.04 科学技术创新Environmental Remote Sensing ImageEnhancement Algorithm Based onWeighted FusionAn Yuan,Cai Zhaohui,Sun Tao,Ma Yingrui,Liu Chun*(College of Computer Science and Information Technology,Daqing Normal University,Daqing,China)Abstract:The original environment remote sensing image often faces the problem of noise,which leads tothe difficulty of visual interpretation and the low accuracy of vegetation extraction.In order to solve this prob-lem and improve the quality of environmental remote sensing image effectively,this paper proposes an environ-mental remote sensing image enhancement algorithm based on weighted fusion.Firstly,the gray transform func-tion is constructed to improve the image contrast.Secondly,the gray weighting coefficient is designed to reducethe image noise.Then,the gray weighted coefficient is used to complete the pixel gray weighted fusion en-hancement.Experimental results show that this method can effectively improve the quality of environmental re-mote sensing images and facilitate visual interpretation of environmental research targets.Key words:environmental remote sensing;image quality;histogram;weighted fusion;algorithm of enhance-ment5Garg D,Garg N K,Kumar M.Underwater imageenhancement using blending of CLAHEandpercentile methodologiesJ.Multimedia Tools and Applications,2018,77(20):26545-26561.6Soni B,Mathur P.An improved image dehazingtechnique using CLAHE and guided filter C/20207th International Conference on Signal Processing andIntegrated Networks(SPIN).IEEE,2020:902-907.7兰蓉,贾亚雯.自适应直觉模糊相异直方图裁剪的图像增强算法J.控制与决策,2021,36(12):2919-2928.8Yin L,Yang P,Mao K,et al.Remote SensingImage Scene Classification Based on Fusion MethodJ.Journal of Sensors,2