高位动态遥感影像可视化算法研究

2008-06-25李山山彭嫚孙小芳郝君

安徽理工大学学报·自然科学版 2008年1期

关键词：可视化

李山山　彭　嫚　孙小芳　郝　君

摘要：高位动态遥感影像由于其亮度范围高于普通遥感图像，普通设备无法直接显示。利用基于分段线性变换算法实现了其可视化。实验证明，此方法是一种快速、有效的可视化算法。

关键词：高位动态影像；分段线性变换（PLT）；可视化

中图分类号：P237文献标识码：A文章编号：1672-1098(2008)01-0006-03

收稿日期：2007-10-09

基金项目：安徽理工大学青年科学研究基金资助项目(QN200603)；福建省青年科技人才创新资助项目（2006F3098）

作者简介：李山山(1979- )，男，湖北襄樊人，硕士，主要从事遥感和地理信息系统方面的教学与科研工作。

Study on Visualization Algorithm for HDR Remote Sensing Image

LI Shan-shan1, PENG Man1,SUN Xiao-fang2, HAO Jun3

（1. School of Earth Science and Environmental Engineering, Anhui University of Science and Technology，Huainan Anhui 232001, China; 2. Department of Geographic Science, Minjiang Institute, Fuzhou Fujian 350108, China; 3. Planning Information Centre of Fuzhou, Fuzhou Zhejiang 325000, China）

Abstract: High Dynamic Range (HDR) remote sensing images are not directly displayed on common display devices for its high brightness level. In the paper a new method of piecewise linear transformation algorithm is proposed to realize visualization of HDR remote sensing image.Experiment results show that the algorithm is a fast and effective visualization method.

Key words:HDR；PLT；visualization

目前，高位动态影像（High Dynamic Range Images，HDR）由于其亮度范围要高于普通遥感图像，能够更加接近真实景物，在摄影测量及遥感中有着广泛应用。其中以12-bit影像的应用尤为广泛，如IKONOS卫星影像，图像的亮度最高可达4 096级，可获取地物更多纹理细节并达到更高的精度，有利于图像识别和匹配［1］。

但普通显示设备只能显示8位及以内的影像，因此要显示高位动态遥感影像，需要将其从12位区间压缩至8位区间［2］。本文提出一种基于自适应分段线性变换算法，对高位动态影像进行像素灰度重建，实现高位动态遥感影像可视化。

1 高位动态影像可视化

1.1 分段灰度变换基本思想

分段灰度变换是将图像灰度区间分成两段乃至多段分别作灰度变换(见图1)。分段灰度变换法的优点是可以根据需要拉伸特征目标的灰度细节，相对抑制不感兴趣的灰度级［3］。区间边界可以通过键盘交互式输入的方法来确定，因此是一种比较灵活的方法且易于硬件实现。图1 分段线性变换示意图分段线性变换遵循以下规则：

f′(x,y)=

c′-a′c-a(f-a)+a′ a＜f(x,y)＜c

d′-c′d-c(f-c)+c′ c＜f(x,y)＜d

b′-d′b-d(f-d)+d′ d＜f(x,y)＜b（1）

图1中玣(x,y)为图像的灰度变换范围；f′(x,y）为显示输出的灰度范围；c和c′、d和d′为分段线性变换的分段点。

1.2 确定PLT分段点

分段线性变换算法中，分段点的选择是关键问题(见图1)。分段点玞和c′、d和d′的位置控制着整个函数的形状。最简单的方法就是采用固定的区间，对所有图像进行相同的变换。但实际图像的内容复杂多样，其直方图分布也各具特点，要找到一个对所有图像都适用的变换区间是不可能的。因此好的算法必须结合图像的具体特征变化，即算法的自适应性。在对高位动态遥感影像可视化目的的基础上，提出自适应的分段线性变换。

在高位动态影像可视化过程中(见图1)，若满足

｜c′-a′｜＞｜c-a｜

｜d′-c′｜＜｜d-c｜

｜b′-d′｜＞｜b-d｜（2）

则表示扩展第一区间和第三区间，压缩第二区间。即将12-bit遥感影像的可视化目标极暗区域和极亮区域进行扩展。根据图像处理中，影像最佳阶调范围的划分，第二区间过渡段区域占据了图像直方图85%～95%以上像素数目范围，因此选择合理的范围适当压缩过渡区间，能够保证在提高影像可视化质量的同时，获取更多的特征目标的纹理细节信息［4］。

为了进行算法的相关计算，作如下相关定义：①频率为灰度值重复次数与总像素数的比值，即图像出现某灰度值的百分比；②灰度最频值为直方图中具有最大像素频率；③｛玜璱,n璱｝灰度级a璱所对应的频率为n璱；④极暗区域分段点为灰度级变换前后分别表示为玞1,c″1；⑤极亮区域分段点为灰度级变换前后分别表示玞2,c″2。

首先，将12-bit影像的像素灰度归一化，利用公式

f(x,y)=［g(x,y)-玬in］玬ax-min（3）

将影像灰度归一化到［0,1］。其中玤(x, y)、f(x,y)为变换前后影像灰度值。 min、max为12-bit高位动态影像灰度极小值与极大值。

其次，分别界定两个扩展区域的高位动态影像边界灰度玞1,c2。以灰度最频值为中心分别以“离心”方向同时进行灰度频率累积至总频率达到95%停止。即满足А芻2i=c1n璱=95%，得到玞1,c2。

再次，获得灰度边界玞1,c2在可视范围内对应边界c″1、c″2。分别以c1、c2为起步点，以灰度最频值为中心分别以“向心”方向同时进行灰度频率累积至灰度总频率达到90%停止。由于要保证极亮及极暗区域内的像素灰度得到充分拉伸，所积累总频率应小于95%，同时不能使中间段区域的纹理信息损失过多，由经验值得总频率为90%较宜，即满足А芻′2i=c′1n璱=90%，得到玞′1、c′2；然后将c′1、c′2分别变换到8位空间得到其对应灰度值c″1、c″2。

最后，得到分段点分别为(玞1,c″1)与(c2,c″2)。

玣(x,y)

图2 整个区间内PLT曲线1.3 确定PLT直线

综上所述，整个PLT算法曲线由三部分直线构成(见图2)，变换后函数表达式为

S(x,y)=c″1c1-玬in(f(x,y)-玬in)

f(x,y)∈［玬in,c1)

S(x,y)=(c″2-c″1)c2-c1(f(x,y)-c1)+c″1

f(x,y)∈［c1,c2］

S(x,y)=(255-c″2)玬ax-c2(f(x,y)-玬ax)+255

f(x,y)∈(c2,玬ax］(4)

式（4）中，玣(x,y)、S(x,y)表示处理前后像素的灰度。(c1,c″1)与(c2,c″2)为分段线性变换分段点。通过式（4）建立查找表，对原图像进行像素灰度处理。

2 实验结果及分析