复杂环境下航天探测图像增强技术

李登良

摘要：由于太空环境复杂多變，使探测到的太空图像背景复杂、对比度和清晰度等因素较低，这都严重影响了其后续处理的实时性与准确性。为此，本文提出了一种可在复杂环境下对探测到的太空现场图像增强的多尺度离散小波变换算法。首先将RGB图像转换到HSV空间的H分量、S分量、V分量;然后通过采用多尺度小波变换在频域增强该颜色空间的V分量，同时利用相关系数使S分量随着V分量的增强进行自适应调整;最后将处理后的H、s、v分量图像转换到RGB空间合成目标图像，得到一种对比度清晰的空间图像。将该算法与图像增强算法进行比较。实验结果表明：该方法在使清晰度得到增强的同时细节信息也增强，排除复杂天气的干扰，大幅提高空间探测图像的对比度、清晰度。

关键词：现场图像 小波变换 HSV空间 频域增强 清晰度

1 引言

随着科技的进步，人类对太空的探索也在不断加深，由于小行星本身对宇宙发展的揭秘以及其可能存在的丰富矿藏使得人类对小行星的探测热情不断升高。这给我们对空间探测造成了极大的不便，给我们对空间资源等的探索使用造成了难以估量的损失。因此对空间小行星等的探测研究有着重大的现实意义。由于空间小行星所处环境复杂，在现实条件下采集图像时会受光线、运动、采集时间、图像背景以及对比度等因素影响，使其拍摄图像质量严重偏低，使得现有识别检测技术都有一定的使用局限性。

2 算法实现流程

如何将复杂天气下空间探测图像的低频分量和高频分量正确、快速分离，是低照度图像增强的关键。为此，根据颜色空间各分量的相关性及小波变换可以有效分离图像的高、低频信息的特点，提出了基于HSV空间的小波变换图像增强算法，减小复杂环境因素对空间探测图像清晰影响，算法流程如图1所示。

3 RGB转到HSV图像空间

RGB颜色模型是一种面向设备的颜色空间;HSV用颜色的三个基本属性

色调（hue）、饱和度（saturation）和明度（value）来表示色彩，是一种面向视觉感知的颜色模型，能较好的反应人对色彩的感知和鉴别，所以非常适合于图像处理。

4 V、S分量图像处理

对V分量图像进行小波变换及其逆变换，在频域中利用双边滤波进行背景估计，去除噪声的同时增强图像的细节部分;通过相关系数关系对S分量进行自适应增强及直方图拉伸处理将最终得到的v、H、S转换到RGB空间，并进行合成显示得到清晰的空间探测图像。

4.1 小波域变换

针对空间探测图像能量分布比较集中的特点，对小波系数进行二级分解之后对低频

子带进行处理，对处理过后的低频子带图像进行逆变换重构。

4.2 S分量的自适应增强及直方图拉伸

由于饱和度分量包含了大量的图像细节，因此在进行图像增强时，应该充分利用饱和度分量，而且图像颜色的饱和程度也会直接影响到图像的亮度。

4.3 合成图像

将经过上述变换处理之后的H、S、V分量变换到RGB颜色空间，并显示。（清晰度，指图像中各细部影纹及其边界的清晰程度。通过看图像的清晰程度来比较图像质量。）

5 实例及结果分析

实验共选取2幅典型复杂环境下的现场空间探测图像进行增强处理，其中图像1为640x480像素的遮光图像;图像2为103lx1488像素的亮度较弱的阴暗图像。为了验证本文算法的性能，将其与处理前图像进行对比，实验结果如图2及表1所示。

由合成显示图像及表1知可知，处理后的图像达到令人满意的效果。本文的算法按照小波分解在频域调整亮度的同时，自适应地增强色度和饱和度，对具有亮暗细节的图像增强效果非常显著，不但可以保留亮细节处的颜色，而且可以增强暗细节，同时做到了图像颜色基本不失真。增强后的图像无论是明度、色度、饱和度等方面均优于处理前。

6 结论

（1）本文通过将空间探测图像的RGB空间变换到HSV空间，对V分量采用小波变换，充分利用低频子带信息，同时抑制高频子带及噪声;通过相关系数对S、H分量处理，合成显示目标图像。可以将复杂环境下的背景处理成相对清晰的背景模式。

（2）采用的离散小波变换及其逆变换的系数特征去除空间探测图像中的低频成份大幅提高了图像的清晰度，该方法有效的解决了复杂环境对空间探测图像的影响，简单可行，且成本较低。

参考文献

[1]庄绪霞，阮宁娟，赵思思.近地小行星天基光学监测与识别技术研究[J].空间碎片研究.2018.18（1）：1-11.

[2]焦维新，钟俊.近地小行星探测目标选择[J]地球物理学报.2016，59（11）：39553959.

[3]任行行，屈桢深，刘学军.基于特征跟踪的空间交会接近目标位姿测量研究[J].计算机工程与应用，2008，44（28）：204—_210.

[4]曹春萍，梁慧.图像边缘检测中的改进算法[J].上海理工大学学报，2003，35（2）：157-160.