论文部分内容阅读
遥感影像覆盖范围大,内容丰富,是地表真实状态的客观反映,在军事侦探、应急救援、农业估产、生态监测等领域得到了广泛的应用。由于成像设备特性、云、雾、水汽等多种因素的影响,造成图像对比度下降、照度不均等问题,影响图像的视觉效果和信息解译能力,甚至限制了遥感图像后续应用。改善图像质量、提升图像对比度,增加信息的可解译性,是遥感图像处理领域的一个重要研究课题。本文针对遥感图像对比度增强的问题,进行了深入研究。首先对图像增强基本理论进行分析和总结,重点研究了空域直方图均衡化(HE)、亮度保持的双均值分割的直方图均衡化(BBHE)、自适应权重分布的伽马校正(AGCWD)、梯度直方图均衡化(GIHE)、直方图紧致性变换拉伸(HCTLS)等几种算法主流方法的算法机理,总结其优势和不足。为了有效评价图像,还对图像评价的常用指标体系进行了分析和总结,根据各指标的意义和遥感行业通用评价方法,本文采用主观评价和客观评价相结合的方法对图像质量进行评价。在总结分析现有研究成果的基础上,本文提出的一种细节保持的遥感图像对比度增强算法。该算法针对直方图紧致性变换(HCT)变换中部分区域局部细节丢失、对比度下降的不足进行改进。首先,对原图与直方图紧致性变换拉伸(HCTLS)后图像的计数矩阵和梯度信息进行比较,初步确定细节损失区域;其次,利用形态学孔洞填充、面积滤波等方法,进一步确定精确的细节损失区域;然后,利用该区域原始图像的细节信息,对该区域线性重构;最后对图像重新赋值区域的边界进行处理,使得边界有较好的过渡,以消除人工痕迹。实验和评价结果表明,本文提出的改进的算法与HCTLS相比,在整体对比度提升的情况下,局部对比度得以保持,细节信息更加丰富。光照不均匀是遥感图像中常见的问题,尤其是航空遥感影像。全局性对比度增强方法对这一类影像的处理结果往往不能令人满意。HCTLS是一种全局性的对比度增强方法,对光照均匀的图像具有很好的整体增强效果,但对光照不均匀的图像仍然不能很好地处理。针对这一问题,本文在算法处理过程中增加图像匀光处理,以克服光照不均因素的影响。实验和对比结果表明,改进的HCTLS通过增加MASK匀光算法的处理,能有效提升对这一类图像的对比度增强效果。