除去遥感影像薄云雾探析.docVIP

除去遥感影像薄云雾探析摘?要 本文探讨云雾对图像的影响，对相关文献进行了探讨总结，分别介绍了现有的各种薄云薄雾去除方法的主要原理和研究现状等，包括有基于物理模型和基于图像处理的薄雾去除方法，光谱图像去云、图像融合去云、同态滤波去云方法，并讨论了各处理方法的优势和局限。最后，对云雾去除图像处理方法进行了展望，提出了进一步的研究方向。 关键词 薄云去除；薄雾去除；遥感图像 中图分类号 TN914 文献标识码 A 文章编号 1673-9671-(2012)072-0232-01 云和雾的存在使大气能见度降低，使基于遥感平台获取的图像模糊不清，分辨率下降，无法从所获得的图像中获得清晰的地物信息，从而严重影响图像中的信息提取，这将给监测、目标跟踪等方面带来很大的困难。所以，为有效提高图像的运用率，研究怎样有效去除云雾的影响，成为提高图像数据运用率的重要手段。 1 云雾对遥感图像的影响 云雾都是空气中水汽凝结或者凝华的结果，低层云和雾和其它云类在辐射特性、图像纹理特点等方面具有较明显的相似性，同时也存在一些差异。在可见光黑白云图上，颜色的深浅代表了云雾的反照率的大小，通常深颜色表示云的反照率小；浅颜色则表示云的反照率大1。雾区一般比其它云类显得暗且亮度变化不明显，雾顶光滑，纹理较均匀，边缘也较清晰光滑；而中高层云则显得较亮，并且因为云顶高低起伏较大而显得亮度变化也很大，云中较高处显得十分明亮，较低处则灰暗，其纹理散乱，边界不规则。在红外黑白云图上，深色表示云顶的温度比较高；浅颜色表示云顶的温度比较低。低层云和雾接近地面，温度也基本和地面温度相近，温度较高；显得暗；而中高层云一般比较高，距离地面较远，温度也比较低，显得比较亮。 2 薄雾去除处理方法 2.1 基于物理模型的薄雾去除方法 光散射现象发生在光的传播过程中，当一束光和悬浮在空气中的粒子发生接触时，因为部分光被粒子散射，致使光强被削弱。散射不但跟粒子的大小、形状等粒子特性有关，而且还依赖于光的波长、偏光状态等。McCartney于1975年提出了著名大气散射模型，即在雾天情况下，大气散射模型中起主导作用的是其中的衰减模型和环境光模型。另外，基于物理模型1的复原方法一般需要已知场景深度或者大气条件等先验信息作为复原的前提。在场景深度和精确的大气条件已知时，运用物理模型和图像数据对密性参数进行估计，实现对场景的复原。 2.1.1 运用大气调制转移函数方法 Ropeikat用一种天气预测大气调制转移函数和景物成像距离的推理估计使由大气所致的退化图像变得清晰。首先对函数进行预测，然后运用大气调制传递函数在频域内对天气退化图像进行复原，通过对景物图像中的衰减进行补偿，就可得到近似良好天气下拍摄的复原图像。 2.1.2 基于Mie的大气散射理论方法 Oakley基于大气散射理论来对图像的对比度进行复原，这种方法用极大似然估计法估计模型参数衰减辐射量和大气光辐射量，然后运用大气散射理论增强因为散射引起的对比度的降低，使图像得到恢复。 Nayar2基于大气散射理论从两幅或者更多幅恶劣天气下的图像中完全复原其对比度。提出一种描绘恶劣天气是怎样影响景色亮度的单色大气散射模型。Narasimhan等提出的二色大气散射模型并基于此来探讨不同天气条件景物的彩色变化。通过2幅或者更多幅恶劣天气条件下图像计算出景物的完整的3D结构并复原出晴朗天气下景物的色彩。Narasimhan等描述了在不运用精确的天气和深度信息的情况下怎样消除一个场景的单幅图像天气效果的问题，提出了消除一副图像天气效果的3种算法。 2.2 基于图像处理的薄雾去除 2.2.1 基于直方图均衡化法 直方图均衡化包括全局直方图均衡化和局部直方图均衡化。全局直方图均衡化是把图像的直方图分布改成均匀分布的直方图分布，通过变换使图像信息量较大的灰度区域得到放大，达到对比度增强的目的；局部直方图均衡化使将直方图均衡化分散到图像所有局部区域，通过局部运算叠加图像中感兴趣的局部信息。Oakley用全局直方图均衡化增强图像对比度。在此基础上发展的局部直方图均衡化包括自适应直方图均衡化、广义自适应直方图均衡化、部分重叠子块直方图均衡化、内插值自适应直方图均衡化。 2.2.2 基于Retinex理论的增强方法 Retinex理论认为人类知觉到的物体表色由物体对长波、中波和短波光线的反射性质共同决定，而和投射到人眼的光的谱特性关系不大。自Retinex理论提出以来，Land等从不同的角度提出和发展了不同的Retinex算法，其中，较近的版本是Jobson等提出的单尺度Retinex(SSR)算法，和在此基础上发展的多尺度Retinex(MSR)算法。 3 薄云的去除处理方法 3.1 多光谱