基于同态滤波的遥感图像云雾去除模型研究

张文君　徐文茜　白玉娜　魏新玲　吕海成

【摘 要】在遥感卫星成像过程中，云雾作为一种噪声时常导致传感器接收到的地物辐射与真实值之间存在差距，是影像降质的主要原因。本文以均匀薄云雾覆盖下的SPOT-5遥感图像为研究对象，基于其频域中云雾的低频特征，建立了同态滤波云雾去除模型，并从主观评价及客观分析两方面对比评估了该模型的应用效果。结果表明，基于指数高通滤波器构建的同态滤波去云雾模型能够有效地提升云雾遮盖下的影像质量。

【关键词】遥感影像;去云雾;同态滤波

中图分类号： TP751.1文献标识码： A文章编号： 2095-2457（2019）26-0092-002

【Abstract】In the process of remote sensing satellite imaging， cloud as a kind of noise often leads to the gap between the ground radiation received by the sensor and the true value， which is the main reason for image degradation. In this paper， the SPOT-5 remote sensing image under uniform thin cloud cover is taken as the research object. Based on the low frequency characteristics of the cloud in the frequency domain， the homomorphic filtering cloud removal model is established， and the model is compared and evaluated from subjective evaluation and objective analysis. Application effect. The results show that the homomorphic filtering de-clouding model based on exponential high-pass filter can effectively improve the image quality under cloud cover.

【Key words】Remote sensing image; De-clouding; Homomorphic filtering

0 引言

目前，随着遥感成像技术的飞速发展，光学遥感图像的应用遍及各个行业领域[1-3]。但是，由于大气气溶胶的反射和散射作用，时常导致遥感传感器拍摄的图像受到云雾噪声的干扰，而出现一系列的清晰度下降、纹理细节模糊、地物对比度降低、色彩失真等等图像质量降低的问题，在光谱分析、地物判读、影像制图等实际应用中难以满足其精度需求[4]，也给光学遥感技术的推广带来不利的影响。

因此，本文依靠ENVI强大的遥感图像处理建模功能，从均匀薄云雾覆盖下的遥感图像的频率域特征入手，以同态滤波理论为基础[5]，通过构造合理的高通滤波器对受干扰的图像进行相应的处理，滤除低频云雾信息，加强高频地物信息，提高原始图像的可视性，并从主观和客观两方面证明基于同态滤波的单幅图像去云方法具有一定的现实意义。

1 研究方法

1.1 实验数据

本文选取的实验数据为整体被均匀薄云雾覆盖的SPOT-5遥感卫星图像（时相：2013年3月8日，分辨率：2.5m），该图像包含绿光、红光以及近红外共3个波段。图像平均灰度值偏高，云雾下的地物细节模糊，对比度低，甚至部分地物色彩出现偏差，整体可视性较差。

1.2 研究方法及其原理

遥感图像中，云雾通常体现出亮度值偏高、对比度较低、纹理结构单一模糊、色彩过渡平缓等一系列特征，而地物信息则与之相反。因此，通过傅里叶变换将云雾遮盖的遥感影像转换到频率域，云雾信息一般分布在低频部分，而地物信息主要分布于高频部分，所以云雾的干扰突出了图像的低频信息，却抑制了图像的高频信息，导致有用信息的损失。根据以上遙感图像的特点，可以在频率域中基于同态滤波理构建高通滤波函数来筛选滤除低频的云雾信息，增强地物的高频信息，从而达到去除云雾的目的[6]。

一幅遥感图像的亮度值可以看作云雾照射分量和地物反射分量的乘积，因此该模型首先需要通过对数运算将其进行初步分离，然后利用傅里叶变换把遥感图像由空间域转换到频率域中，通过构建指数高通滤波器以及设置相应的参数（截止频率为15，系数为3）对云雾信息集中分布的低频区域进行筛选和抑制，削弱云雾信息，最后通过傅里叶逆变换把处理后的图像还原到空间域，再经指数运算复原原始图像，最终得到去除云雾干扰后的遥感图像（上图1）。

2 模型应用结果

基于薄云雾均匀分布的SPOT-5卫星数据的频率域特征，采用指数型高通滤波器构建同态滤波去云雾模型，并通过以上模型对实验数据进行去云雾处理，其结果对比如下图所示。

3 模型评价

3.1 主观评价

通过图2可以看出，对于云雾分布比较均匀的SPOT-5遥感卫星图像，同态滤波模型处理后的结果可以较为明显地提高影像整体的亮度、对比度和饱和度的阶梯差异，云雾遮盖下的地物信息的可利用性都有较大的提升，有效地消除了云雾的干扰。

3.2 客观评价

本文研究选取遥感图像的均值、标准差、熵、平均梯度和偏差指数5个定量指标，作为客观评价各波段模型应用结果的标准。评价结果如表1所示。

从表1可以看出，对于云雾分布均匀的遥感卫星图像，同态滤波模型处理后的图像亮度均值略有上升，而反映影像细节信息的标准差有所升高，说明去云雾模型有效抑制了云雾的干扰，增强了地物的细节纹理特征。另外，在同态滤波云雾去除模型处理后的图像中，图像信息熵也有所提升，说明模型处理后的影像包含了更多的地物信息;模型处理后的图像平均梯度值有较大提升，说明影像更为清晰、更易于目视解译和判读。各波段偏差指数均在0.2以下，说明模型处理后的图像光谱信息与原始图像变化不大，较好的反映地物的真实反射率。

4 结论与讨论

本文选取云南省永善地区SPOT-5卫星影像作为实验数据，从云雾影像自身的频域特征入手，构建了基于指数高通滤波器的同态滤波云雾去除模型，并将模型进行多次应用实验，确定了模型滤波器的各项参数，并通过定目视评价和指标分析对模型处理后的结果进行系统的评估，结果显示，基于指数高通滤波器的同态滤波去云雾模型结果能够有效地抑制云雾信息，提升影像的可读性，适用于云雾分布较为均匀、数据量较大的高分辨率遥感图像的去云雾处理，有着良好的推广前景。

【参考文献】

[1]张伟. 基于小波变换的遥感图像去云方法研究[D].电子科技大学，2013.

[2]G P ASNER. Cloud cover in Landsat observations of the Brazilian Amazon[J]. International Journal of Remote Sensing， 2001， 22（18）：3855-3862.

[3]張文君，徐文茜，白玉娜，魏新玲，吕海成.基于CLAHE的山地高原区遥感图像均匀薄云雾去除模型研究[J].数字技术与应用，2018，36（08）：24-25+28.

[4]Xingyuan He， Jianbo Hu， Wei Chen， et al. Haze removal based on advanced haze-optimized transformation （AHOT） for multispectral imagery[J]. International Journal of Remote Sensing， 2010， 31（20）： 5331-5348.

[5]Liqun Guo， Deli Yang， Zhiyuan Qin， et al. Study on dehazing and Cirrus Processing of Island Area Image[J].Hydrographic Surveying and Charting， 2010，30（6）：51-54.

[6]Bo Zhang， Minhe Ji， Qi Shen. Wavelet based Cloud Removal from High resolution Remote Sensing Data：An Experiment with QuickBird Imagery[J].Remote Sensing Information， 2011（3）：38-43.