论文部分内容阅读
【摘 要】传统色彩均衡方法在拼接大范围不同时间的卫星影像时往往匹配效果較差。针对上述问题，提出了一种基于前馈神经网络的全波段变换的色彩均衡方法。区域网平差思想解决多幅影像色彩均衡的效果最优问题;前馈神经网络的非线性逼近满足了色彩变换需求。结果表明，该方法在处理时相不同的影像时色彩均衡效果比直方图匹配好，为遥感制图中的匀光匀色工作提供了新思路。
【关键词】图像增强;色彩均衡;前馈神经网络;光谱匹配
在航空遥感成像过程中，单幅遥感影像往往因为大气衰减、云层、烟雾以及向阳和背阳等光照条件不同导致亮度不均、对比度低和颜色失真等问题[1，2]。区域内多幅影像也会因为相机参数、曝光时间、影像获取时间、摄影角度和云层的影响使得重叠区域的色彩不均衡，多幅影像镶嵌后结果存在明显缝隙[3]。针对多张影像的色彩均衡处理，目前比较成熟和广泛的算法有基于Wallis滤波器和基于直方图匹配的方法。Wallis滤波器通过局部影像变化，使得不同的位置具有相同的灰度方差与均值，但是在灰度梯度变化大的区域效果欠佳[4]。直方图匹配是通过一幅影像的直方图对另一幅影像色彩进行重建，该方法可能使某些细节消失或使某些反差扩大[5]。
除上述两种方法以外，使用线性变化修正重叠区的RGB或HIS色彩信息也可以取得的较好的效果[6，7]。詹总谦等[5]在重叠区色彩线性变换的基础提出了秩亏自由网平差的方法解决多景影像最优解问题。位明露等[8]在自由网平差的基础上把色彩变换方式换成了二元一次函数，使算法适应了更复杂的环境。然而，上述方法都只适用于航空遥感中光学成像获取的影像，在处理航天遥感的多时相多光谱影像时往往匹配效果不好的问题。针对上述问题，本文以LandSat 8影像为例，将变换函数换成前馈神经网络，利用神经网络优秀的非线性逼近能力[9]模拟多光谱全波段的色彩变换过程。
一、基于前馈神经网络的色彩均衡原理
如果待处理的影像内已经消除了亮度不均、对比度低和颜色失真等问题，则多幅影像主要存在通道内的均值差异和方差差异。假设两幅影像A、B部分重叠，重叠区P中影像A有n个像元，它们的光谱向量为，则影像B与之对应的同名像元的光谱向量为。其中，为某一像元的光谱向量，向量的维数为波段数。
若分别有变换函数，则两幅影像某一像元的光谱距离平方和为光谱匹配的思路
该重叠区的总距离平方和为
只需要将区域内m个影像重叠区列出如式（2）的方程，利用优化算法求取■的最优解，即满足：
色彩均衡的预期目标是在保证影像质量不受到影响或者受到影响较小的情况下平衡多幅影像的色彩，满足大区域遥感制图的需求。色彩均衡效果采用重叠区像元的中误差、光谱角和目视对比效果评价;影像质量通过对比变换前后的标准差和一维信息熵来评价。
二、实验与结果分析
分别选取某区域同时间的多幅影像和不同时间的多幅Landsat 8影像进行辐射定标、大气校正等预处理，然后分别采样不做处理、ENVI软件中直方图匹配和本文的方法对影像做处理，对比三种情况的效果（图1）。在处理同时相影像时，不同影像之间只存在一些整体的亮度差异。在这种情况下，本文的方法取得了与直方图匹配方法相同的效果。原图与参考影像的中误差为0.0165，直方图匹配结果为0.0021，神经网络为0.0025。
三、结论
在拼接大范围的卫星影像时，区域内影像往往由于影像获取时间不同、成像条件不同和云覆盖等原因导致重叠区灰度值存在差异，给影像拼接工作带来困难。本文利用前馈神经网络对影像进行全波段变换，取得了比直方图匹配更好的效果。该方法为地物光谱差异大、色彩偏差大的匀色工作提供了新的方法，具有一定的参考价值。
【参考文献】
[1]王密， 潘俊. 一种数字航空影像的匀光方法[J]. 中国图象图形学报， 2004， 9（6）. DOI：10.11834/jig.200406139.
[2]邵振峰， 周熙然， 白云. 改进多尺度Retinex理论的低照度 遥感影像增强方法[J]. 武汉大学学报信息科学版， 2015， 40（1）： 32–39.
[3]李德仁， 王密， 潘俊. 光学遥感影像的自动匀光处理及应用[J/OL]. 武汉大学学报信息科学版， 2006， 25（1）： 1–14.
[4]王智均， 李德仁， 李清泉. Wallis变换在小波影像融合中的应用[J]. 武汉测绘科技大学学报， 2000， 25（7）： 338–342. DOI：10.3321/j.issn：1671-8860.2000.04.011.
[5]詹总谦， 饶友琢. 秩亏自由网平差在近景影像色彩均衡处理中的运用[J]. 遥感信息， 2014， 29（6）： 03–05.
[6]XIONG Y， PULLI K B T-I C on M. Color and luminance compensation for mobile panorama construction[C]. .
[7]潘俊. 自动化的航空影像色彩一致性处理及接缝线网络生成方法研究[Z]. 武汉大学， 2008（2008）.
[8]位明露， 刘全海， 冉慧敏. 区域网平差的航空影像色彩均衡算法[J/OL]. 测绘科学， 2017， 5（1）： 1–8.
[9]HORNIK K， STINCHCOMBE M， WHITE H. Multilayer feedforward networks are universal approximators[J]. Neural Networks， 1989， 2（5）： 359–366. DOI：10.1016/0893-6080（89）90020-8.
[10]KINGMA D P， BA J L. Adam： A method for stochastic optimization[J]. 3rd International Conference on Learning Representations， ICLR 2015 - Conference Track Proceedings， 2015.
【关键词】图像增强;色彩均衡;前馈神经网络;光谱匹配
在航空遥感成像过程中，单幅遥感影像往往因为大气衰减、云层、烟雾以及向阳和背阳等光照条件不同导致亮度不均、对比度低和颜色失真等问题[1，2]。区域内多幅影像也会因为相机参数、曝光时间、影像获取时间、摄影角度和云层的影响使得重叠区域的色彩不均衡，多幅影像镶嵌后结果存在明显缝隙[3]。针对多张影像的色彩均衡处理，目前比较成熟和广泛的算法有基于Wallis滤波器和基于直方图匹配的方法。Wallis滤波器通过局部影像变化，使得不同的位置具有相同的灰度方差与均值，但是在灰度梯度变化大的区域效果欠佳[4]。直方图匹配是通过一幅影像的直方图对另一幅影像色彩进行重建，该方法可能使某些细节消失或使某些反差扩大[5]。
除上述两种方法以外，使用线性变化修正重叠区的RGB或HIS色彩信息也可以取得的较好的效果[6，7]。詹总谦等[5]在重叠区色彩线性变换的基础提出了秩亏自由网平差的方法解决多景影像最优解问题。位明露等[8]在自由网平差的基础上把色彩变换方式换成了二元一次函数，使算法适应了更复杂的环境。然而，上述方法都只适用于航空遥感中光学成像获取的影像，在处理航天遥感的多时相多光谱影像时往往匹配效果不好的问题。针对上述问题，本文以LandSat 8影像为例，将变换函数换成前馈神经网络，利用神经网络优秀的非线性逼近能力[9]模拟多光谱全波段的色彩变换过程。
一、基于前馈神经网络的色彩均衡原理
如果待处理的影像内已经消除了亮度不均、对比度低和颜色失真等问题，则多幅影像主要存在通道内的均值差异和方差差异。假设两幅影像A、B部分重叠，重叠区P中影像A有n个像元，它们的光谱向量为，则影像B与之对应的同名像元的光谱向量为。其中，为某一像元的光谱向量，向量的维数为波段数。
若分别有变换函数，则两幅影像某一像元的光谱距离平方和为光谱匹配的思路
该重叠区的总距离平方和为
只需要将区域内m个影像重叠区列出如式（2）的方程，利用优化算法求取■的最优解，即满足：
色彩均衡的预期目标是在保证影像质量不受到影响或者受到影响较小的情况下平衡多幅影像的色彩，满足大区域遥感制图的需求。色彩均衡效果采用重叠区像元的中误差、光谱角和目视对比效果评价;影像质量通过对比变换前后的标准差和一维信息熵来评价。
二、实验与结果分析
分别选取某区域同时间的多幅影像和不同时间的多幅Landsat 8影像进行辐射定标、大气校正等预处理，然后分别采样不做处理、ENVI软件中直方图匹配和本文的方法对影像做处理，对比三种情况的效果（图1）。在处理同时相影像时，不同影像之间只存在一些整体的亮度差异。在这种情况下，本文的方法取得了与直方图匹配方法相同的效果。原图与参考影像的中误差为0.0165，直方图匹配结果为0.0021，神经网络为0.0025。
三、结论
在拼接大范围的卫星影像时，区域内影像往往由于影像获取时间不同、成像条件不同和云覆盖等原因导致重叠区灰度值存在差异，给影像拼接工作带来困难。本文利用前馈神经网络对影像进行全波段变换，取得了比直方图匹配更好的效果。该方法为地物光谱差异大、色彩偏差大的匀色工作提供了新的方法，具有一定的参考价值。
【参考文献】
[1]王密， 潘俊. 一种数字航空影像的匀光方法[J]. 中国图象图形学报， 2004， 9（6）. DOI：10.11834/jig.200406139.
[2]邵振峰， 周熙然， 白云. 改进多尺度Retinex理论的低照度 遥感影像增强方法[J]. 武汉大学学报信息科学版， 2015， 40（1）： 32–39.
[3]李德仁， 王密， 潘俊. 光学遥感影像的自动匀光处理及应用[J/OL]. 武汉大学学报信息科学版， 2006， 25（1）： 1–14.
[4]王智均， 李德仁， 李清泉. Wallis变换在小波影像融合中的应用[J]. 武汉测绘科技大学学报， 2000， 25（7）： 338–342. DOI：10.3321/j.issn：1671-8860.2000.04.011.
[5]詹总谦， 饶友琢. 秩亏自由网平差在近景影像色彩均衡处理中的运用[J]. 遥感信息， 2014， 29（6）： 03–05.
[6]XIONG Y， PULLI K B T-I C on M. Color and luminance compensation for mobile panorama construction[C]. .
[7]潘俊. 自动化的航空影像色彩一致性处理及接缝线网络生成方法研究[Z]. 武汉大学， 2008（2008）.
[8]位明露， 刘全海， 冉慧敏. 区域网平差的航空影像色彩均衡算法[J/OL]. 测绘科学， 2017， 5（1）： 1–8.
[9]HORNIK K， STINCHCOMBE M， WHITE H. Multilayer feedforward networks are universal approximators[J]. Neural Networks， 1989， 2（5）： 359–366. DOI：10.1016/0893-6080（89）90020-8.
[10]KINGMA D P， BA J L. Adam： A method for stochastic optimization[J]. 3rd International Conference on Learning Representations， ICLR 2015 - Conference Track Proceedings， 2015.