一种雾霾条件下的遥感影像处理方法

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。