论文摘要
随着数字计算机技术和空间技术的飞速发展,数字图像处理,特别是图像增强技术也得到了蓬勃的发展,并已成为获取更多有效信息的一种重要手段。特别是对基于遥感平台的光学图像处理,可提供军事、气象、环境、林业、农业、地质、资源等有用信息。通过遥感技术获得的光学图像,极易受到气候的影响,特别是云雾的影响,由于云雾的遮挡,无法从所获得的图像中获得清晰的地物信息,图像的质量受到严重影响。因此,为有效提高图像的利用率,需要寻找有效的方法来减少或去除云雾的影响。为去除光学图像云雾影响,研究人员已经提出了许多种方法,其中比较成熟的有多光谱图像、多幅图像插值、多传感器光学图像数据融合以及同态滤波等方法,近年来科学家们也研究了利用Retinex算法去除云雾的影响,取得一定效果。为从有云雾覆盖的光学图像中获取更多的有效信息,本文研究了受云雾影响的单幅光学图像进行增强问题,论文提出了利用小波系数加权和小波包分解阈值去除云雾影响的方法。通过比较小波处理、同态滤波及Retinex算法去云雾的效果,证明本文提出的利用小波变换法去云雾的效果优于其他两种算法。本文着重开展了以下几个方面的研究:1.分析图像退化及复原的原理,研究光学系统的成像模型和系统成像过程中产生图像退化的原因及特性,以及产生图像退化的主要机理。2.介绍了对有云雾覆盖的光学图像增强的一般原理和方法,包括直方图处理方法、同态滤波法和Retinex算法,简要分析了各种算法的特点,并给出增强的效果。3.研究小波变换的理论,从小波变换多分辨率特点出发,提出小波系数加权去云雾法。数字图像经过多层小波变换,得到各层小波系数以及近似系数,根据小波变换理论,分析这些系数所代表信息之间的频率关系。以此为依据,结合云雾和景物信息的频率特征,分析分界层数、权重和小波函数对处理结果的影响,提出小波系数加权去云雾法,得到了预期的效果。实验证明,小波系数加权去云雾法能有效去除云雾影响,效果优于同态滤波和Retinex算法。4.对部分云雾覆盖的光学图像,通过分析小波包变换,提出小波包分解阈值去云雾方法,即对高层小波系数以亮度阈值方法识别出其中的云雾区,然后予以去除;而对于低层细节系数,通过进一步的小波包分解,去除其中的次低频系数,以去除其中残留云雾信息。5.提出了小波去云雾后颜色修正方法。根据图像增强前后,景物和云雾区亮度的变化,将增强后的图像与原始图像比较,保留两幅图像中较暗的部分,这样既能有效地保留了去云雾的效果,又能降低色彩的失真。6.对增强后的图像采用亮度、对比度、熵和梯度等参数进行评价。针对有部分云雾覆盖的图像,通过大量的实验研究,提出了采用对比度和熵的乘积与亮度的比值为依据,来整体评价去除云雾的效果;对云雾均匀覆盖,且亮度较暗的图像,采用亮度、对比度和熵的乘积为依据,来整体评价去除云雾的效果。