基于加权融合的环境遥感图像增强算法

安 源，蔡朝晖，孙 涛，马英瑞，刘 春*

（大庆师范学院 计算机科学与信息技术学院，黑龙江 大庆）

引言

环境遥感在环境研究领域中起着非常重要的作用。它广泛用于自然资源调查、环境监测评价和植被提取等任务，为社会发展带了巨大的环境效益[1]。然而，原始环境遥感图像经常面临噪声引起的图像质量问题，阻碍了后续的数据处理。实证研究表明，环境遥感图像增强作为一种环境遥感图像预处理手段，促进了图像质量提升技术和图像质量评价方法的发展[2]，在提高目视解译效果[3]和植被提取精度方面发挥着重要作用[4]。因此，在植被提取前进行环境遥感图像质量提升已成为环境遥感图像处理的必要环节。

目前，环境遥感图像质量提升的研究主要集中在两个方面。一是基于直方图的对比度增强方法研究。相关研究人员基于全局或局部直方图设计灰度映射函数，以增强对比度并获取更多细节信息[5-7]。然而，这些算法存在过度增强某些区域的问题，导致图像质量下降。二是基于加权平均融合的增强方法研究。相关研究人员利用像素灰度权重系数的选择和分配来提升图像质量[8-10]，但这些增强算法缺乏统一有效的权重系数设定标准，导致权重系数和图像质量不稳定。因此，有必要结合这两个方面的相关研究基础，设计一种环境遥感图像质量提升方法，用于植被提取前的环境遥感图像预处理。

1 本文算法

为了突出植被特征，本文从同一研究区域的Landsat ETM+环境遥感图像中选取波段1 到波段4进行研究，提出了一种基于加权融合的环境遥感图像增强算法。该算法描述如下：

1.1 构造灰度变换函数

1.2 设计灰度加权系数

首先，计算每个像素对应的两个灰度。对原始单波段图像进行直方图均衡化，得到各像素点的灰度H(H= 255p)；利用公式(3)对原始单波段图像进行灰度拉伸，得到各像素点的灰度Ci。

其次，设计各像素点的灰度加权系数。利用每个像素对应的灰度Hi和Ci，得到两者的占比w1和w2。将w1作为灰度Ci的加权系数，w2作为像素灰度Hi的加权系数。

1.3 加权融合

2 实验结果与分析

本文实验数据来源于Landsat-7 卫星提供的ETM+环境遥感图像。其中，实验图像来自两个典型地区：大庆地区和浙江地区，云量均为0。这是因为大庆地处中纬度地区，以平原低地为主，土壤相对裸露，湖泊湿地众多。而浙江位于低纬度地区，以山地丘陵为主，植被葱郁，水系发达。

2.1 实验结果

对各波段图像分别进行原始波段合成、CLAHE、加权平均融合和本文方法增强。并对合成的真彩色图像分别生成灰度直方图。采用同一局部区域的图像来展示真彩色图像的细节信息，见图1 和图2。

2.2 结果分析

本文采用主观评价和客观评价两种遥感图像质量评价方法对实验结果进行分析。

2.2.1 主观评价

采用目视判读的方式进行主观评价。对图1 和图2 的真彩色合成图像分析可知：(a)图像整体亮度偏暗，目视判读困难；(b)图像亮度偏暗，局部地貌特征如植被特征对比不明显；(c)图像的整体亮度偏暗，对比不明显，对湖泊、河流、山地、植被等特征呈现偏浅灰的颜色；(d)图像的整体亮度和色彩适中，湖泊、河流、植被、山地等对比清晰、易区分，较符合真实地貌特征。对图1 和图2 中的直方图分析可知：(a)图像的灰度分布偏左侧且集中在较窄的范围内；(b)图像和(c)图像的灰度虽然在0～255 间进行了拉伸，但是灰度主要集中分布在左侧；(d)图像的灰度在0～255 间进行了较适合的拉伸，充满整个灰度级区间。可见，本文方法对图像灰度进行了较适合的拉伸，增强后的图像整体亮度适中，色彩丰富，能较清晰的反应出不同地物特征细节的反差。因此，基于本文方法增强后的图像质量更好。

图1 大庆地区真彩色图像及对应灰度直方图

图2 浙江地区真彩色图像及对应灰度直方图

2.2.2 客观评价

选择信息熵、标准差、对比度和平均梯度四个评价指标，客观评价得到的真彩色图像质量。信息熵反映了图像的信息量，可以体现图像细节信息的丰富程度。标准差反映了像素灰度值与灰度均值的离散程度，可以解释图像边缘的清晰度。而对比度能够反映出图像的清晰度和色彩，平均梯度可以有效地反映图像的层数、清晰度和边缘细节。由表1 可知，在信息熵、标准差、对比度和平均梯度评价指标方面，本文方法均优于前两种方法。

表1 信息熵、标准差、对比度和平均梯度

3 结论

为了提高环境遥感图像的质量，本文提出一种基于加权融合的环境遥感图像增强算法。该算法通过构建灰度变换函数提高图像对比度，并设计灰度加权系数实现像素灰度加权融合，从而实现图像增强。实验结果表明，该方法可以有效提高环境遥感图像质量，便于对环境研究目标进行目视解译。本文也存在一些不足之处，如每个像素灰度拉伸系数中使用的尺度因子不能根据原始图像自适应调整，这将在下一步进行研究和探讨。