光束干扰下多源遥感图像拼接缝阴影消除方法

来源:用户上传      作者:

　　摘  要： 为解决多源遥感图像拼接边界处受光束干扰出现阴影区域影响拼接效果的问题，通过Retinex理论对多源遥感图像进行预处理，消除多源遥感图像的光束干扰;运用灰度直方图法对多源遥感图像拼接缝阴影进行判定;采用邻域对比法消除图像拼接缝阴影等方法研究了光束干扰下多源遥感图像拼接缝阴影消除方法。结果表明，所提方法可以對拼接缝进行准确的判断，且拼接图像的拼接处平滑、无重叠，具有较好的阴影消除效果，以及较高的实际应用价值。
　　关键词： 多源遥感图像; 图像拼接缝; 阴影消除; 光束干扰; 图像处理; 阴影判断
　　中图分类号： TN212?34; TP391                  文献标识码： A                       文章编号： 1004?373X（2020）14?0128?03
　　Elimination method for seam shadow of multi?source remote sensing images
　　under beam interference
　　WANG Yuncheng
　　（Liaocheng University Dongchang College， Liaocheng 252000， China）
　　Abstract： In order to eliminate the shadow appearing at the seam boundary of multi?source remote sensing images， which is caused by the beam interference and will affect the splicing effect， the multi?source remote sensing images are preprocessed by means of the Retinex theory to eliminate their beam interference. The gray histogram method is used to judge the seam shadow of the multi?source remote sensing images. The neighborhood comparison method and other methods of eliminating the seam shadow of the images are adopted to research the seam shadow elimination method of multi?source remote sensing images under beam interference. The results show that the proposed method can accurately judge the seams， and make the image seam position smooth and no overlap， which has a well shadow elimination effect and high practical application value.
　　Keywords： multi?source remote sensing image; image seam; shadow elimination; beam interference; image processing; shadow judgment
　　0  引  言
　　遥感卫星在进行图像采集的过程中，通常应用电荷耦合器件图像传感器进行传输[1?2]。但现有传感技术难以支持长序列传感器阵列的传输，因此在进行遥感图像采集时，通常将较长的传感器阵列拆分成多个较短的传感器阵列。在输出图像时通过拼接技术完成整幅图像的输出，拼接过程中易受到光束干扰的影响导致拼接后的图像存在明显的拼接缝阴影，严重影响遥感图像的整体质量[3]。因此，研究光束干扰下多源遥感图像拼接缝阴影消除方法具有重要的意义，已经成为众多学者研究的重点内容。文献[4]提出结合JND模型的图像拼接缝消除方法。采用JND模型获取拼接区域的最优拼接点，得到最终消除后的遥感图像。该方法消除过程复杂，具有局限性。文献[5]提出通过A?KAZE算法提取两幅图像的特征点，采用最优拼接缝和改进的多分辨率融合相结合的算法对拼接图像进行融合实现拼接。该方法拼接效果差。文献[6]提出基于加权A算法的无人机图像拼接方法，利用基于边缘图和重新定位顶点的加权A*算法对初始接缝线进行细化完成拼接，该方法的拼接效果较差。针对上述方法存在的弊端，提出光束干扰下多源遥感图像拼接缝阴影消除方法，完成多源遥感图像拼接缝阴影消除。
　　1  多源遥感图像拼接缝阴影消除
　　1.1  光束干扰消除
　　采用Retinex理论对遥感图像进行预处理，消除光束干扰造成的影响，通过光的反射原理获得图像中物体的反射性质，使遥感图像更加真实。在[lg]域中，减去遥感图像的低频分量，获得图像中物体的反射系数。多源遥感图像的光学表达式为：
　　将遥感图像[R]分成反射图像[I]和光亮强度图像[L]，这就是进行图像预处理的过程，[I]为获取的预处理图像，从而消除光束造成的干扰，增强图像的对比度。
　　1.2  阴影区域判定 　　消除图像拼接缝阴影首先通过灰度直方图法确定出阴影的区域[7?9]。采用灰度直方图法将彩色的遥感图像转化为灰度图像。根据灰度图像中阴影区域与非阴影区域的亮度特性进行阴影区域的判定，选取准确的亮度特征阈值，区域的亮度特征值小于该阈值则为阴影区域。目前，最优的阈值选取法为Otsu法[10?11]，它是通过计算最小错分概率而实现阈值的自动求解。当遥感图像中的地物环境错綜复杂时，阴影区域与非阴影区域的亮度特征差异减小，导致采用Otsu法求取阈值对阴影区域进行判定会存在严重的误差。因此对Otsu法进行优化，首先构造基势函数[C（x）]：
　　1.3  拼接缝阴影消除
　　为了对多源遥感图像拼接缝阴影进行完全的消除，使图像拼接达到最优效果，本文采用邻域对比法进行图像拼接缝阴影消除处理。通过计算待拼接图像的邻域灰度标准差与梯度确定图像最优拼接点，在完成拼接缝阴影消除的同时保障图像的整体拼接效果，从而实现无缝拼接。
　　多源遥感图像拼接缝阴影消除首先将彩色多源遥感图形转化为易于计算的灰度图像并进行去噪处理，再选取重叠区域，使用滑动模板确定去噪灰度图像中灰度标准差值最大的像素点，为保障消除效果能够达到理想效果，确定选取范围为N行。灰度标准差[σ]的计算公式为：
　　求出灰度范围内标准差值最大像素点的坐标均值，将该值与其他像素点的坐标值进行比较，通过迭代计算选取出两个与坐标均值相差较大的像素点，该两点作为拼接缝阴影消除的起点。
　　为了使拼接缝阴影点的判断更加准确，设置区域阈值限定阴影区域候选行的范围，根据相关的计算经验选取阈值[h=4]。设[j]为每一行拼接点所在的最优位置，每一行的灰度标准差值相等点均在上一行拼接点最优位置[h]两侧出现，以该相等点像素为中心点，该点周围3×3邻域内梯度和的最小点则是该行的最优拼接点[12]。邻域梯度计算公式为：
　　待所有行的最佳拼接点确定后，将其进行连接作为最佳拼接位置进行拼接，最终完成多源遥感图像拼接缝阴影的消除。算法的整体流程如图1所示。
　　2  实验分析
　　为了验证所提方法消除多源遥感图像拼接缝阴影的效果，进行对比实验。实验对比指标为阴影区域判断准确性、阴影消除效果与拼接结果。实验的对比方法为文献[4]、文献[5]方法。
　　2.1  阴影区域判断准确性
　　对多源遥感图像拼接缝阴影区域进行准确判断是阴影消除的基础，因此将能否对阴影区域进行准确判断作为一项重要指标。将本文方法与文献[4]方法进行阴影判断对比实验，实验结果见图2、图3。
　　分析图2可知，本文方法可以将遥感图像中的拼接缝阴影区域进行准确的确定，为实现阴影精准消除与遥感图像的无缝拼接奠定基础。
　　从图3中可以看出，文献[4]方法不能对遥感图像中阴影区域进行准确完全的判断，判定性能较差。
　　2.2  阴影消除效果
　　根据上述实验结果分别采用本文方法与文献[4]方法进行阴影消除效果对比，实验结果见图4、图5。
　　从图4中可以看出，本文方法的阴影消除效果较好，能够将阴影区域完全的消除。因为本文采用Retinex理论，对阴影区域的判断十分准确，并且采用邻域对比法完成拼接缝阴影的完全消除。
　　分析图5可知，文献[4]方法只能将判断出的阴影进行消除，对阴影区域判断不准确，导致该方法难以完成拼接缝阴影的完全消除。
　　2.3  拼接效果
　　实现多源遥感图像拼接缝阴影的消除是为了提高遥感图像的拼接效果，实现无缝拼接。本文方法与文献[5]方法的遥感图像拼接结果见图6、图7。
　　从图6中可以看出，本文方法的拼接图像清晰、平滑、过渡自然。拼接图片中的道路衔接完整、流畅，未出现拼接错位现象，说明本文方法可以完成多源遥感图像的拼接且拼接效果较好。
　　观察图7可知，文献[5]方法的拼接结果较差，图像中存在明显的拼接缝，且两幅图像拼接边缘过渡不自然，图中圆圈部位中的道路衔接出现明显的错位现象，导致整幅图像的视觉效果较差，因此该方法的拼接结果较差。
　　3  结  论
　　本文提出光束干扰下多源遥感图像拼接缝阴影消除方法，通过实验验证，得到以下结论：通过对比文献[4]可知，使用本文方法能够完全消除拼接缝阴影;通过对比文献[5]可知，使用本文方法拼接的图像清晰、平滑、过渡自然，可以完成多源遥感图像的拼接且拼接效果较好。
　　参考文献
　　[1] 瞿中，李秀丽.基于改进IGG模型的全景图像拼接缝消除算法[J].计算机科学，2017，44（12）：280?284.
　　[2] 罗永涛，张红民.基于最佳缝合线与灰度均值差改正比的图像拼接算法[J].激光杂志，2018，39（12）：46?50.
　　[3] 吴丽萍，胡郁.柱面全景图图像拼接中图像平滑的虚拟现实技术[J].科学技术与工程，2017，41（31）：277?282.
　　[4] 陈勇，詹帝.结合JND模型的图像拼接缝消除方法[J].电子与信息学报，2017，39（10）：2404?2412.
　　[5] 瞿中，卜玮，刘玲.基于A?KAZE特征的图像无缝拼接算法[J].计算机工程与设计，2017，38（9）：2438?2442.
　　[6] ZHENG M T， ZHOU S P， XIONG X D， et al. A novel orthoimage mosaic method using the weighted A* algorithm for UAV imagery [J]. Computers & geosciences， 2017， 10（1）： 41?42.
　　[7] 魏启元，吕晓琪，谷宇.改进投影变换和保留结构特征的拼接图像修复算法[J].现代电子技术，2017，40（23）：38?42.
　　[8] 杨帆，郭建华，谭海，等.灰度直方图与K?最近邻的影像分割算法[J].测绘科学，2017，42（3）：10?14.
　　[9] 胡导林，蔡述庭，罗斌玲，等.基于灰度熵的样本块图像修复算法研究[J].自动化技术与应用，2017，36（3）：59?63.
　　[10] 朱鑫，漆泰岳，王睿，等.一种改进的用于裂缝图像分割的Otsu方法[J].地下空间与工程学报，2017，13（1）：80?84.
　　[11] 马天兵，刘健，杜菲，等.基于改进Otsu方法的振动图像分割研究[J].电光与控制，2019，26（2）：15?19.
　　[12] 谷雨，周阳，任刚，等.结合最佳缝合线和多分辨率融合的图像拼接[J].中国图象图形学报，2017，22（6）：842?851.
转载注明来源:https://www.xzbu.com/8/view-15283732.htm