2022年遥感影像清晰度增强方法分析研究及实现 .pdf

个人资料整理仅限学习使用1 / 27 学号 _ 密级 _ 武汉大学本科毕业论文Remotesensing image definition enhancement method research and Realizationb5E2RGbCAP 遥感影像清晰度增强方法的研究及实现院 is proposed. Image is divided into some areas quicklyand these areas are enhanced by the relevant transform methods. The experimentalresults show the algorithm in this paper can enhance the signal noise ratio, contrast anddefinition of the image effectively, moreover, it is easy to realize.EmxvxOtOco To solve some drawbacks of the traditional fuzzy enhancement algorithms, aRemote Sensing Image Fuzzy Enhancement Algorithm Based on Maximum TsallisEntropy Principle (RSIFE-MTEP is proposed. First, Tsallis entropy is generalized to thecase of multi-level thresholds. The optimal gray thresholds are computed by geneticalgorithm. Then, images are fuzzy enhanced with improved membership function andenhancement operator. Finaly, the fuzzy enhancement algorithm for processing theimages with multi-level thresholds is generalized. The experimental results show that theproposed algorithm can select the thresholds automatically and efficiently, and achievethe better seeing effect, distributing brightness uniformly and enhancing image contrastdistinctly.SixE2yXPq5 The experimental results show that the algorithms proposed by the paper achievecomparative good effects for some remote sensing images.6ewMyirQFL Keywords：Weighting Fuzzy C-means Clustering Algorithm(WFCM 。 Signal Noise Ratio(SNR 。Tsallis Entropy 。Genetic Algorithm 。Fuzzy Enhancement OperatorkavU42VRUs 精选学习资料 - - - - - - - - - 名师归纳总结 - - - - - - -第 5 页，共 27 页个人资料整理仅限学习使用6 / 27 目录第 1 章 绪 论 11.1课题 背景 及其 目的意 义 1 1.2国内外研究现状1 1.3本文的主要研究内容2 第 2 章遥感影像增强的基本理论2 2.1 遥感影像增强的一些基本概念2 2.1.1遥感数字影像的表示2 2. 1. 2 遥 感 影 像 的 获 取 3 2. 1. 3 卫 星 遥 感 系 统 示 意 图 3 2.1. 4 直方 图 4 2.2 遥感影像增强的目的及种类5 2.3 遥感影像的空间域增强5 2.4 遥感影像的滤波增强5 2. 5 本 章 小 结 6 第 3 章基于加权模糊 C- 均值聚类的遥感影像增强 63. 1 引 言 6 3.2 算法介绍6 3. 2. 1 加 权 模 糊C- 均 值 聚 类 算 6 3.2.2 RSIE-WFCM 算法7 3.3 仿真实验及实验分析8 3.4 本章小结10 第 4 章遥感影像模糊增强方法的研究和实现104.1 模糊集的概念10 4.2 传统模糊增强方法11 4.3 基于最大 TSALLIS 熵原则的遥感影像模糊增强13 精选学习资料 - - - - - - - - - 名师归纳总结 - - - - - - -第 6 页，共 27 页个人资料整理仅限学习使用7 / 27 4.3.1 改进的模糊增强算法13 4.3.2 RSIFE-MTEP 算法13 4.3.3 仿真实验及实验分析14 4.4 本章小结16 第 5 章总结与展望17 5.1 本文工作总17 5.2 课题研究展望17 参考文献18 致谢19精选学习资料 - - - - - - - - - 名师归纳总结 - - - - - - -第 7 页，共 27 页个人资料整理仅限学习使用1 / 27 第 1 章绪论人类依靠自身的器官获取有关世界的各种信息来认识世界. 影像(Image是对客观对象的一种相似性的描述或写真, 它包含了被描述或写真对象的信息, 是人们最主要的信息源 . 利用计算机对影像进行各种形式的处理, 促进了影像处理技术的发展. 影像增强本身就是影像处理中最具有吸引力的领域之一.y6v3ALoS89 1.1 课题背景及其目的意义影像处理技术在第三代计算机问世后得到了迅速发展. 1963 年, 美国喷气推进实验室处理了太空船“徘徊者七号”发回的月球照片, 这表示影像处理开始得到实用.目前, 影像处理技术发展迅速, 其应用领域也越来越广 . 当前影像处理的发展趋势是改进现有的方法 , 研究新的处理方法与系统 , 以获取更好的效果；同时, 开拓更为广泛的应用领域 .M2ub6vSTnP 遥感影像是影像的一种 , 根据其采集方式主要分为卫星遥感影像与航空遥感图像两大类 , 它正日益广泛地应用于军事、经济、科研及社会生活等多种领域, 各个应用领域都是通过对遥感影像的处理、解译来解决实际问题的, 随着计算机的发展, 遥感影像处理技术将会变的越来越重要. 影像增强是数字影像处理的基本内容, 根据影像的模糊情况利用各种数学方法和变换算法提高影像中的对象与非对象像的对比度与影像清晰度 . 遥感影像增强处理的主要着眼点在于改进影像显示, 提高遥感影像的视觉效果和可解译性, 使遥感应用者易于从经过增强处理的遥感影像上获得所感兴趣的有用信息, 快速实现从遥感数据向有用信息的转化. 它是为特定的目的, 用各种数学方法和变换算法提高影像某灰度区域的反差、对比度与清晰度, 从而提高图像显示的信息量, 使影像更易判读 .0YujCfmUCw 随着遥感技术的飞速发展及影像分辨率的提高, 对改善遥感影像质量的处理技术要求越来越高, 现有的处理手段已不能满足新的需求. 在遥感应用研究中, 得到经过正确增强处理以后形成的高清晰影像, 对展开以后的工作具有重要的作用.eUts8ZQVRd 1.2 国内外研究现状自 20 世纪 70 年代末以来 , 由于数字技术和微电子技术的迅猛发展, 给遥感图像处理提供了先进的技术手段. 遥感数字影像处理也就从信息处理、自动控制系统论、计算机科学、数据通信、电视技术等学科中脱颖而出, 成为研究遥感影像信息获取、传输、存储、变换、显示、判读与应用的一门崭新学科.sQsAEJkW5T 遥感影像增强作为遥感影像处理的重要组成部分, 传统的影像强方法对于改善影像质量发挥了重要作用. 随着对遥感影像增强技术研究的不断深入, 新的影像增强方法不断出现 , 并初步形成了一套比较完整的算法体系.GMsIasNXkA (1 传统的遥感影像增强方法(2 基于多尺度分析的遥感影像增强方法(3 数学形态学灰度增强方法(4 模糊增强方法基于模糊的影像处理技术是一种值得重视的研究方法, 应用模糊方法往往能取得优于传统方法的处理效果, 如影像多灰度级非线性模糊增强算法研究19. 另精选学习资料 - - - - - - - - - 名师归纳总结 - - - - - - -第 8 页，共 27 页个人资料整理仅限学习使用2 / 27 外, 模糊集方法和神经网络、遗传算法结合用于影像灰度增强的方法正在研究之中, 如基于模糊熵及遗传算法的影像增强技术20 、遗传算法在影像增强处理中的应用21 等. 近来随着彩色影像的广泛应用, 发展了许多关于彩色影像的增强处理方法, 如陈国群等人又提出了基于聚类算法的伪彩色增强22 等遥感影像增强算法.TIrRGchYzg 由于增强后的遥感影像质量好坏主要靠人的视觉来评定, 而视觉评定是一种高度的主观处理 . 经常采用的方法是 , 使用几种灰度增强技术的组合或使用调节参量的方法 . 要取得对一幅影像较好的改善效果, 有时要综合运用多种增强方法, 发挥每种方法的特长 , 这就要求我们了解各种遥感影像增强方法的特点. 调节参量是遥感影像增强时经常使用到的一种方法, 如何确定参量最佳数值, 是取得较好影像效果的关键因素 . 因而影像增强的最大困难是, 很难对增强结果加以量化描述, 只能靠经验、人的主观感觉加以评价. 同时, 要获得一个满意的增强效果, 往往需要人机的交互作用 .7EqZcWLZNX 1.3 本文的主要研究内容传统的遥感影像增强方法是学习和研究遥感影像增强的基础, 对于改善影像质量发挥着重要作用. 本文着重研究和具体实现了传统的一些遥感影像增强方法, 并针对其些方法中存在的问题提出了几种遥感影像增强的改进方法, 实验表明本文提出的算法对某些遥感影像的增强取得了较好的增强效果.lzq7IGf02E 全文共分五章 , 具体安排如下：第一章 绪论. 介绍了遥感影像增强技术的研究背景、目的意义及研究现状, 最后介绍了本文的主要研究内容.zvpgeqJ1hk 第二章遥感影像增强的一些基本概念. 阐述了遥感影像表示、获取和增强的一些理论、目的和方法种类及常用的空间域增强和滤波增强方法和特点, 并对线性变换、非线性变换、直方图均衡化等给出了实现结果及比较分析.NrpoJac3v1 第三章 基于加权模糊 C- 均值聚类的遥感影像增强. 针对分段线性变换的区域划分存在的问题提出了改进方法, 详细介绍了该方法的具体实现过程, 并分析了该改进方法的优缺点及改进方向.1nowfTG4KI 第四章遥感影像模糊增强方法的研究和实现. 在分析传统的模糊增强方法的基础上 , 提出了基于最大 Tsallis 熵原则的遥感影像模糊增强算法, 利用遗传算法确定最佳阈值 , 并分别探讨了单阈值和多阈值影像的模糊增强方法, 取得了很好的增强效果 .fjnFLDa5Zo 第五章 总结与展望 . 总结本文的研究工作 , 并对以后的研究课题进行展望. 第 2 章遥感影像增强的基本理论遥感影像增强处理的主要着眼点在于改进影像显示、提高遥感影像的视觉效果和可解译性 , 使遥感应用者易于从经过增强处理的遥感影像上获得所感兴趣的有用信息 , 快速实现从遥感数据向有用信息的转化, 为进一步的影像分析判读做好精选学习资料 - - - - - - - - - 名师归纳总结 - - - - - - -第 9 页，共 27 页个人资料整理仅限学习使用3 / 27 预处理工作 . 传统的方法主要是空间域和频率域增强方法.tfnNhnE6e5 2.1 遥感影像增强的一些基本概念2.1.1 遥感数字影像的表示影像不能直接用计算机来处理, 处理前必须先转化成数字影像. 随着计算机技术的发展 , 模拟影像和数字影像可以通过计算机处理系统进行相互转换 称作影像的数字化过程, 如图2.2 所示 , 该过程就是把一幅遥感模拟影像分割成一个个小区域( 像元或像素 , 并将各小区域灰度用整数表示.V7l4jRB8Hs 遥感数字影像像素的属性特征常用亮度值来表示, 在不同影像上 (不同波段、不同时期、不同种类的影像, 相同地点的亮度值可能是不同的, 这是因为地物反射或发射电磁波的不同和受大气电磁辐射影响而造成的. 遥感数字影像亮度值的大小是由遥感传感器所探测到的电磁辐射强度决定的1.83lcPA59W9 2.1.2 遥感影像的获取目前遥感数字影像的获取, 根据遥感传感器其本构造和成像原理不向, 大致可以分为摄影成像、扫描成像和雷达成像三类1.mZkklkzaaP (1 摄影成像(2 扫描成像(3 雷达成像2.1.3 卫星遥感系统从把遥感平台送到远离目标物的位置开始, 到由专用的处理系统生产出遥感数字产品和模拟产品的全过程和全部设备可以统称为遥感系统, 卫星遥感系统主要由星载系统和地面系统两部分构成. 图 2.3 是卫星遥感系统的示意图 2.3. 精选学习资料 - - - - - - - - - 名师归纳总结 - - - - - - -第 10 页，共 27 页个人资料整理仅限学习使用4 / 27 2.3 卫星遥感系统示意图(1 星载系统星载系统负责遥感成像、数据记录、信号通信以及系统控制等等, 遥感工程应用中广泛运用的星载设备有：遥感传感器、宽频磁带机、星载数据收集装置和自动调节控制分系统 .AVktR43bpw (2 地面系统地面系统除了负责与星载系统之间的指令通信和数据通信, 还负责各类遥感信息的加工处理 . 常规地面系统不同的功能子系统包括卫星操作控制中心、地面接收站、数据处理系统和遥感测试系统.ORjBnOwcEd 2.1.4 直方图直方图是多种空间域处理技术的基础. 对影像的灰度分布进行分析的重要手段是建立灰度直方图 (Density Histogram, 利用影像灰度直方图 , 可以直观地看出影像中的像素亮度分布情况, 通过直方图均衡化 , 归一化的处理等 , 可对影像的质量进行调整 . 另外 , 通过对直方图的分析, 有助于确定影像阈值化处理的阈值(Threshold.2MiJTy0dTT (1 直方图的概念如果将影像中像素亮度来刻画和描述 . 灰度直方图是灰度级的函数, 描述的是影像中具有该灰度级的像元的个数. 确定影像像元的灰度值范围, 以适当的灰度间隔为单位将其划分为若干等级, 以横轴表示灰度级 , 以纵轴表示每一灰度级具有的像元或该像元数占总像元数的比例值, 做出的条形统计图即为灰度直方图, 它是影像最基本的统计特征.gIiSpiue7A (2 直方图的性质由直方图的基本概念可知 , 影像的直方图具有以下三个重要的性质. 位置无关性：直方图是一幅影像中各像素灰度值出现次数( 或频数 的统计结果, 它只反映该影像中不同灰度值出现的次数( 或频数 . 但未反映这些像元在影像中 的 位置 信 息 . 当 一幅 影 像 被 压 缩为 直 方 图 后 , 所 有 的 空 间 信息 将 全 部丢失.uEh0U1Yfmh 对应性：任何一幅特定的影像都有唯一的直方图与之对应, 但不同的影像可精选学习资料 - - - - - - - - - 名师归纳总结 - - - - - - -第 11 页，共 27 页个人资料整理仅限学习使用5 / 27 以有相同的直方图 . 也就是说 , 影像与直方图之间是多对一的映射关系. IAg9qLsgBX 叠加性：如果一幅影像有两个不相连的区域组成, 并且每个区域的直方图已知, 则整幅影像的直方图是该两个区域的直方图之和. WwghWvVhPE (3 直方图的应用对于每幅影像都可做出其灰度直方图. 根据直方图的形态可以大致推断影像质量的好坏 . 由于影像包含有大量的像元, 其像元灰度值的分布应符合概率统计分布规律 . 影像的灰度值是离散变量, 因此直方图表示的是离散的概率分布. 若以各灰度级的像元数占总像元数的比例值为纵坐标轴做出影像的直方图, 将直方图中各条形的最高点连成一条外轮廓线, 纵坐标的比例值即为某灰度级出现的概率密度, 轮廓线可近似看成影像相应的连续函数的概率分布曲线. asfpsfpi4k 2.2 遥感影像增强的目的及种类影像增强的主要目的有：改变影像的灰度等级, 提高影像对比度；消除边缘噪声, 平滑影像；突出边缘或线状地物, 锐化影像；合成彩色影像；压缩影像数据量、突出主要信息等 .ooeyYZTjj1 遥感影像增强处理技术根据处理空间的不同, 可分为基于影像空间的空域方法和基于影像变换的频域方法两大类. 空域增强处理主要是通过改变单个像元及相邻像元的灰度值来增强影像. 每次对单个像元进行灰度增强处理称为点处理；对一个像元周围的小区域子影像进行处理, 称为邻域处理或模板处理. 而频率域增强是对影像进行傅立叶变换, 然后对变换后的频率域影像的频谱进行修改, 达到增强的目的 . 此外 , 根据影像处理的范围又可将增强处理技术分为全局( 整幅影像 处理和局部 ( 部分影像 处理两种 . 后来, 随着彩色影像的广泛应用, 发展了许多针对彩色图像的增强处理方法, 故又有灰度影像和彩色影像增强之分. BkeGuInkxI 2.3 遥感影像的空间域增强空间域是指影像平面所在的二维平面, 空间域增强是指在影像平面上直接对每个像元点进行处理 , 处理后像元的位置不变 .PgdO0sRlMo 空间域增强是影像增强技术的基本组成部分, 它包括点运算和邻域运算. 对于一幅输入影像 , 经过点运算后产生的输出影像的灰度值仅由相应输入像素点的灰度值决定 , 与周围的像元不发生直接联系. 点运算又可称为对比度增强、对比度拉伸或灰度变换 .3cdXwckm15 遥感影像灰度增强是一种点处理方法, 主要为突出像元之间的反差, 所以也称“反差增强”、“反差扩展”或“灰度拉伸”等.h8c52WOngM 灰度拉伸方法有线性拉伸、分段线性拉伸及非线性拉伸( 又称特殊拉伸 等. 2.4 遥感影像的滤波增强遥感系统成像过程中可能产生的“模糊”作用, 常使遥感影像上某些用户感兴趣的线性形迹、纹理与地物边界等信息显示得不够清晰, 不易识别 . 各种通过单个像元灰度值调整的处理方法对此均难以凑效；需采用邻域处理方法来分析、比较和调整像元与其周围相邻像元间的对比度关系, 影像才能得到增强 , 也就是说需要采用滤波增强技术处理.v4bdyGious 影像滤波增强处理实质上就是运用滤波技术来增强影像的某些空间频率特征, 以改善精选学习资料 - - - - - - - - - 名师归纳总结 - - - - - - -第 12 页，共 27 页个人资料整理仅限学习使用6 / 27 地物目标与邻域或背景之间的灰度反差. 例如通过滤波增强高频信息抑制低频信息, 就能突出像元灰度值变化较大较快的边缘、线条或纹理等细节. 反过来如果通过滤波增强低频信息抑制高频信息, 则将平滑影像细节 , 保留并突出较均匀连片的主体影像 .J0bm4qMpJ9 滤波增强分空间域滤波和频率域滤波两种. 前者在影像的空间变量内进行局部运算 , 使用空间二维卷积方法, 特点是运算简单 , 易于实现 , 但有时精度较差, 容易过度增强 , 使影像产生不协调的感觉；后者使用富氏分析等方法, 通过修饰原影像的富氏变换来实现, 特点是计算量大 , 但比较直观 , 精度较高 , 影像视觉效果好 .XVauA9grYP 2.5 本章小结 . 本章对遥感影像增强的一些基本概念和基本方法进行了阐述, 并对线性拉伸、非线性拉伸和 HE 等方法进行了分析和实现. 大量的影像增强实验表明, 任何一种影像增强方法并不能适用于所有的影像, 针对不同特征的影像只有采用恰当的增强方法才能达到较好的增强效果. 有时需要将多种方法结合使用, 才能达到增强的目的. 本文第四章将模糊影像增强方法与自适应直方图均衡化方法结合起来处理影像, 达到了很好的增强效果bR9C6TJscw 第 3 章基于加权模糊 C- 均值聚类的遥感影像增强3.1 引言常用的影像增强方法有直方图均衡化5 、线性拉伸 6 等, 它们常用来改进全局对比度 , 而没有很好的显示出细节., 容易造成噪声和对比度过度增强现象以及振铃效应 . 进行影像增强处理时 , 为了突出感兴趣的目标或灰度区间, 可采用分段线性变换 , 如何划分灰度区间是进行变换的关键, 实际应用时灰度区间端点经常根据经验设定 , 不具备普遍性 . 影像分割是把影像分成若干有意义的区域的处理技术 , 徐月芳 29 等人提出了许多基于 FCM 聚类准则的影像分割方法. 随着FCM 聚类算法研究的深入, 高新波 30 等人进一步提出了基于 WFCM 影像分割方法. 基于区域分割的影像增强也是处理影像的一种有效的方法, 比如基于分割和累积指数变换的增强算法. 文献31 在一定程度上解决了划分灰度区间这一问题, 但具有很大的主观性 , 且操作比较复杂 .pN9LBDdtrd 3.2 算法介绍3.2.1 加权模糊 C- 均值聚类算法假设 X = x1 , x2 , ?, xn 为 p 维实数空间中给定的一个有限样本集, xk R p 为第 k 个模式的特征矢量 . 对任意给定的类别数 c , 2 c 的优化迭代公式：3.2.2 RSIE-WFCM 算法本文将以灰度及其出现的频率作为待分类的样本, 用 WFCM 算法对遥感影像的灰度直方图进行分割, 确定低、中和高亮度区, 并分别对各区域进行不同变换方法的增强 , 最 后经过对比度自适应直方图均衡化(Contrast Adaptive HistogramEqualization 简 称CAHE 处 理 得 到 增 强 影像.ix6iFA8xoX RSIE-WFCM 算法流程：Step1 根据 WFCM 确定待处理影像的低、中和高亮度区；Step1.1 计算待处理影像的规一化直方图 h j ( j = 0,1,L , L - 1 ；Step1.2 确定聚类数 c 计算隶属度矩阵 U；Step1.4 按照式 (3.3 更新聚类中心向量V k +1 ；Step1.5 如果 V k +1 - V k 进行不同的灰度变换处理；Step3 将 Step2 处理后的影像进行 CAHE 处理. 精选学习资料 - - - - - - - - - 名师归纳总结 - - - - - - -第 14 页，共 27 页个人资料整理仅限学习使用8 / 27 其中低亮度区的拉伸系数为 k1 ( 一般小于1, 为压缩过程 , 中亮度区的拉伸系数k2 一般取为 1, 高亮度区的拉伸系数为 k3 , 可根据实际要求选取为大于1 的数, h1 、 h2 和 h3 为三部分的平移系数 .ch4PJx4BlI 3.3 仿真实验及实验分析为了验证 RSIE-WFCM 算法的有效性 , 下面对 RSIE-WFCM 算法和文献 31 方法及同态滤波结合分段线性拉伸方法处理后的影像在视觉上和信噪比及峰值信噪比上进行了分析比较 .qd3YfhxCzo 图 3.1 中(a为原图 , 其尺寸大小为 1186 1828 像素 , 利用 WFCM 聚类方法将像素分为三类 ( 其中白色的部分表示各类像素区域, 精确度取 =0.1, 按照3.2.2 中 的Step1 得 到 低 、 中 和 高 亮 度 区 范 围 分 别 为 0,68 、 68,146 和 原遥感影像 (b 低亮度像素影像(c 中亮度像素影像 (d 高亮度像素影像图 3.1 原图及各类像素区域图在 Step2 中, 式(3.5 中 k3 = 0.65 , 这里取 gh = 255 , gl = 0 , 其拉伸直线的斜率近似等于 1, 处理后该区内像素的亮度范围将几乎不变, 但由于该线段的截距大于 0, 因而该区内像素的亮度值将会增加. 在 MATLAB 运行环境下 , RSIE-WFCM 算法得到的处理结果如下图 3.2(a 所示. 与文献 31 方法处理后的影像( 图 3.2(b 相比, 对比度提高了 , 亮度分布均匀 , 右边部分变得很清晰, 细节表现明显 . 从直方图 ( 图 3.2(c-(e 来看 , 本文算法将分布低的灰度级扩展到了整个动态范围 , 而文献 31 方法使灰度级减少了 , 损失了部分信息 , 且像素分布不均匀 .S42ehLvE3M 精选学习资料 - - - - - - - - - 名师归纳总结 - - - - - - -第 15 页，共 27 页个人资料整理仅限学习使用9 / 27 (a RSIE-WFCM 算法最后处理的影像 (b 文献31 方法处理结果(c 原影像的直方图 (d (a 的直方图 (e (b 的直方图图 3.2 RSIE-WFCM 算法处理结果和文献 31 处理结果及其直方图图 3.3(a 为同态滤波结合分段线性拉伸处理后的影像, 亮度分布明显不均 , 左边亮区域变得更亮 , 右边部分仍然不清晰 , 只展现了部分细节 , 与 RSIE-WFCM 算法处理后的影像 ( 图 3.2(a 相比, 视觉效果要差 . 前者的直方图 ( 图 3.3(b 的灰度级也几乎扩展到了整个灰度级, 但低灰度级偏多 , 高灰度级偏少 , 没有后者的直方图 ( 图 3.2(b 分布均衡 .501nNvZFis (a 同态滤波结合分段线性处理后的影像(b (a 的直方图图 3.3 同态滤波结合分段线性拉伸处理后的影像及其直方图峰值信噪比 是指信号处理中有用信号功率与噪声功率的比. 它的单位一般使用分贝 , 其值为十倍对数信号与噪声功率比.xS0DOYWHLP 在影像处理中 , 峰值信噪比和信噪比可以这样计算信噪比公式峰值信噪比公式精选学习资料 - - - - - - - - - 名师归纳总结 - - - - - - -第 16 页，共 27 页个人资料整理仅限学习使用10 / 27 其中Row 和 Col 分别表示数字影像的行数和列数, OldImage i j 和 New Im agei j 分别是原始影像和增强影像在 (i, j 点的灰度值 , L 为影像的最大灰度级 .LOZMkIqI0w 下表给出了 RSIE-WFCM 算法和同态滤波结合分段线性拉伸方法增强后的影像根据式 (3.6 和式(3.7 算出的信噪比和峰值信噪比的具体数据. 从表上可以看出 , 前者影像的峰值信噪比和信噪比的值都比后者的值要高, 这说明了 RSIE-WFCM 算法ZKZUQsUJed 在对原影像的增强上的有效性. 算法峰值信噪比信噪比RSIE-WFCM 算法0.1130 3.0040 同态滤波结合分段线性拉伸0.0468 2.9676 表 3.1 RSIE-WFCM 算法和同态滤波结合分段线性拉伸方法的性能对比3.4 本章小结本文通过 WFCM 算法对遥感影像的灰度直方图进行分区, 并针对不同的区域采用相应的增强方法, 较好适应了原影像灰度分布的特点. 从实验结果及分析可知,RSIE-WFCM 算法比直接利用直方图分亮度区和分段线性拉伸的方法对影像进行增强的效果好 . 当然, RSIE-WFCM 算法也有如下不足之处：(1 聚类数 c 的确定；(2式(3.5 中参数的确定 . 因此 , 在今后的研究工作中, 我们将对 RSIE-WFCM 算法做更深入的研究 , 以期能够对遥感影像进行自适应增强处理.dGY2mcoKtT 第 4 章遥感影像模糊增强方法的研究和实现模糊集合理论以其模糊逻辑推理方式, 为不确定因素所造成的系统复杂性和决策过程的分析提供了有效手段, 利用模糊集合的概念和逻辑推理方式处理影像因灰度所造成的不定确性问题比用普通集合的思维更合理. 正因为此 , 近年来模糊集理论在影像处理和识别领域的研究和应用已经引起了不少学者的关注. rCYbSWRLIA 模糊影像增强是将模糊数学理论与影像增强相结合的影像增强处理方法, 其基本思想是将影像从其空域利用隶属度函数变换到模糊域, 得到模糊特征平面, 在模糊特征平面上对影像进行增强处理, 最后将其变换回空域而得到增强后的影像.FyXjoFlMWh 4.1 模糊集的概念精选学习资料 - - - - - - - - - 名师归纳总结 - - - - - - -第 17 页，共 27 页个人资料整理仅限学习使用11 / 27 普通集合论中只能表现“非此即彼”的现象, 即只能表现确定的概念. 为了能够表示具有“亦此亦彼”性的模糊现象和模糊概念, 1964 年扎德提出了模糊集合的概念 , 将普通集合论中元素对于集合隶属关系特征函数的取值范围从0,1 拓展至 0,1 ,从而导出了模糊集合 ( 也称模糊子集 的概念 .TuWrUpPObX 模糊集合有各种不同的表示方法, 在一般情况下 , 可以将其表示为其中 X 为论域 , A 是论域中的一个模糊集 . 影像模糊增强是借助于模糊增强算子(NT35 通过修改像素以达到对比度增强的目的 . 影像模糊增强处理一般要经过三步, 如图 4.1 所示图 4.1 影像模糊增强处理过程4.2 传统模糊增强方法PAL 算法及分析1980 年 Pal 等人提出了一种模糊增强算法36, 将模糊理论引入到影像增强技术中 . Pal 算法步骤如下 36 ：Step1 首先将一幅 MN 大小且具有 L 个灰度级的影像 X 看作一个模糊点阵, 该阵可记为如式 (4.5 即：7qWAq9jPqE Pal 定义的隶属度函数如下：其中, xmax 为影像的最大灰度级 , Fe 和 Fd 是指数型和倒指数型因子, 与 ij 的性状有关 , 可以通过渡越点确定, 文献 37 给出了确定的方法, 一般取 Fe = 2 .Step2 对影像进行模糊增强处理. 模糊增强算子定义为llVIWTNQFk 其中 r 为迭代次数 . Step3 对已增强的模糊特征ij 进行 T -1 逆变换 , 得出已增强的空域影像 X . X 中的像素的灰度值 xij 为yhUQsDgRT1 精选学习资料 - - - - - - - - - 名师归纳总结 - - - - - - -第 18 页，共 27 页个人资料整理仅限学习使用12 / 27 式(4.6 中, 设 xij = x c 时, T ( xc = 0.5 , 称为渡越点. 由此可得MdUZYnKS8I 给出了 Fe = 2 , xc = 137 时 ij : xij 曲线 . 从图上观察, 当 xij = 0 时 ij 取最小 , 记为 , 则由式 (4.6 得09T7t6eTno 有 (4.9 进行了修改 , 其公式如下：e5TfZQIUB5 其中 L 为影像的最大灰度级 . 图 4.3(a(b分别是 Pal 算法和是文献 40 算法的ij : xij 关系线, 后者是直线形式 , 显然在计算上后者比前者要简单.s1SovAcVQM 图 4.4 为 Pal 算法和文献 40 中算法的ij : ij 曲线 , 两者的渡越点都是取分割点值 137, 此时, c = T (c = xc /( L -1 , c 的值等于0.5373. 从图上可以看出两者在0.5 附近有明显的差别 . 后者的 I r (ij 效果是增大 (当 ij c 或减小 (当 ij c 的值 . 当 ij c 时, 非线性变精选学习资料 - - - - - - - - - 名师归纳总结 - - - - - - -第 19 页，共 27 页个人资料整理仅限学习使用13 / 27 换的结果使ij 的值向1 靠拢, 从而使得 xij 向 L - 1 靠拢；反过来 , 当时 ij c 时, 非线性变换的结果使ij 的值向 0 靠 拢, 从而使 xij 向 0 靠拢.GXRw1kFW5s (b 文献40 算法(a Pal 算法图 4.4ij : ij 曲线由上分析知文献40 算法比 Pal 和 King 提出的模糊增强算法速度快, 可以通过查表快速实现41. 且不损失影像中低灰度部分的信息. 缺点是类似于Pal 和 King 算法, 对 xc 的选取是随机的 , 缺乏理论指导 42.UTREx49Xj9 4.3 基于最大 TSALLIS 熵原则的遥感影像模糊增强在遥感应用研究中 , 得到经过正确增强处理以后形成的高清晰影像, 对展开以后的工作具有重要的作用. 模糊集理论对于影像的不确定性有很好的描述能力, 并且对于噪声具有很好的鲁棒性, 因此可以将模糊理论应用到影像增强中, 且可以得到优于传统方法的处理效果.8PQN3NDYyP 随着模糊集理论在影像处理和识别领域的研究和应用的发展, 在 Pal 模糊增强算法的不足基础上 , 且已出现了不少的改进算法. 实现影像模糊增强算法的关键之一是选取影像的阈值参数, 如果选取得合理可以使影像得到增强, 且增强后的效果更好；如果选取不当 , 影像可能会受到抑制 , 达不到增强的目的 .mLPVzx7ZNw 4.3.1 改进的模糊增强算法为克服 Pal 的模糊增强算法中的缺陷, 本文根据最大 Tsallis 熵确定的最佳阈值 , 定义新的隶属度函数和增强算子, 对影像进行模糊增强 , 从而避免了增强后大量灰度信息的损失, 同时加快了阈值等参数的选择, 提高了影像的质量 . 具体过程如下：AHP35hB02d 单阈值影像模糊增强(1 求最佳分割阈值利用遗传算法确定基于最大 Tsallis 熵原则的分割阈值 . 通过测量影像灰度直方图的熵 , 根据影像中目标与背景分布的信息量最大的原则, 找出最佳阈值 . 仿真结果表明 , 在设定了合适的遗传算子后, 遗传算法不仅可以实现正确的影像分割, 并且使得分割速度大大提高.NDOcB141gT (2 将影像由空间域映射到模糊域中(3对影像进行模糊增强(4 由将影像由模糊域映射回空间域中 多阈值影像模糊增强对于具有典型双峰分布的直方图的影像来说, 利用上节中的模糊增强的方法精选学习资料 - - - - - - - - - 名师归纳总结 - - - - - - -第 20 页，共 27 页个人资料整理仅限学习使用14 / 27 就可以达到增强的目的, 但不少影像的直方图并不具有这样的特征, 这就涉及到多阈值的问题 . 现将本文方法推广到多阈值的情况.1zOk7Ly2vA 4.3.2 RSIFE-MTEP算法Step1 如果 xmin 0 或 xmax 变换. 否则就不执行这一步骤；fuNsDv23Kh g (i, j = 255 xij - xminxmax - xmin.(4.36 其中 xij 和 g (i, j 分别是输入和输出影像像素点 (i, j 的灰度级 , xmin 和 xmax 分别是原影像最小和最大灰度级.tqMB9ew4YX Step2 利用遗传算法 , 求基于最大 Tsallis 熵原则的影像分割阈值 s1 , s 2 , sk ；HmMJFY05dE Step3 对于单阈值的情况利用式(4.29 将待处理的影像 X 从空域的灰度值X = xij 映射为与之对应的隶属度 = ij ；对于多阈值的情况利用式(4.34 同单阈值处理方法；ViLRaIt6sk Step4 利用式 (4.30 定义算子对隶属度进行非线性变换, 即 ij = I (ij ；9eK0GsX7H1 Step5 单阈值情况利用式 (4.29 的反函数 , 将 ij 映射为空间域的灰度影像, 得到经过模糊增强处理后的影像 X , X 中的像素 (i, j 的灰度值为式(4.32 所示；多阈值情况利用式(4.34 的反函数 , 同单阈值的处理方法 , 得到增强后影像中的像素 (i, j 的灰度值为式 (4.35 所示；naK8ccr8VI Step6 将 step5 得到的影像进行 CAHE 处理. 使影像的灰度级能均衡分布, 以此提高目视效果 .B6JgIVV9ao 4.3.3 仿真实验及实验分析为了说明 RSIFE-MTEP 算法的有效性 , 在 MATLAB 7. 0 上