王荔霞，謝維信，李利勇，裴繼紅

深圳大學(xué)信息工程學(xué)院，深圳518060

遙感多光譜圖像具有豐富的光譜特征，是遙感圖像目標(biāo)檢測和提取的重要數(shù)據(jù).然而，云霧干擾對遙感多光譜圖像的分析和應(yīng)用會產(chǎn)生較大的影響.因此，對其進(jìn)行云霧去除具有重要意義.目前，圖像去云霧方法主要包括同態(tài)濾波法［1-3］、直方圖均衡化法［4-5］、基于 retinex理論方法［6-7］和小波變換方法［8］等.這些方法將云霧看作低頻噪聲，通過提取高頻信息、抑制低頻信息達(dá)到云霧去除目的.但它們同樣也會帶來非云霧低頻成分的損失，從而造成圖像部分內(nèi)容和細(xì)節(jié)模糊不清.

近年來，由于暗通道先驗(yàn)綜合利用了多通道信息［9］，被廣泛應(yīng)用于圖像云霧去除中.現(xiàn)有的暗通道先驗(yàn)方法大多數(shù)適用于三通道彩色圖像云霧去除［9-12］.對于遙感圖像，文獻(xiàn)［13］利用簡化了的暗通道先驗(yàn)進(jìn)行云霧去除;文獻(xiàn)［14］利用大尺度高斯濾波器修正大氣成分值，并對全色遙感圖像進(jìn)行云霧去除;文獻(xiàn)［15］則用高斯低通濾波器粗略估算大氣值，并重新定義大氣透射率.這些方法均能在一定程度上去除云霧干擾，但對于具有3個以上波段的遙感圖像，只選擇其中3個波段進(jìn)行處理，其他波段信息則被丟棄掉，從而造成信息丟失.本研究將暗通道先驗(yàn)方法進(jìn)行推廣，使其適用于任意多波段的遙感多光譜圖像云霧去除，并在有效去除云霧的同時盡可能地保留原始圖像信息.

1 暗通道先驗(yàn)圖像去云霧方法簡述

暗通道先驗(yàn)源自對室外無干擾清晰圖像庫的統(tǒng)計(jì)［9］.該統(tǒng)計(jì)發(fā)現(xiàn)在絕大多數(shù)非天空局部區(qū)域里，

某些像素總是存在至少一個通道具有很低的值.對于圖像J(x，y)可描述為其中，Jdc為圖像J的暗通道圖像;c為彩色圖像中的通道標(biāo)志，其取值為 {r，g，b}中的一個，r、g、b分別為彩色圖像中紅、綠、藍(lán)通道標(biāo)志.Jc為J的某一個顏色通道;Ωr(x，y)表示以點(diǎn)(x，y)為中心，以r為半徑的鄰域.(u，v)為鄰域中的任意一個點(diǎn).

根據(jù)光傳輸特性，圖像云霧退化模型可表示為Ⅰ(x，y)=t(x，y)J(x，y)+(1-t(x，y))A (2)其中，Ⅰ(x，y)為含有云霧干擾的輸入圖像;t(x，y)為大氣光透射率;A是大氣光成分值;J(x，y)為不含云霧干擾的圖像.若已知A和t(x，y)，通過Ⅰ(x，y)就可還原得到J(x，y)，從而達(dá)到云霧去除目的.

設(shè)A已知，且全局恒定，其取值為暗通道圖像中亮度最大值［9］，

則t(x，y)的估算值為

其中，ω(0＜ω≤1)是用來增加圖像真實(shí)感的常數(shù)，通常取0.95.這樣，A和t(x，y)都已知，代入式(2)可得復(fù)原后的各通道圖像為

其中，t0為透射率 t(x，y)的閾值，用于減少圖像噪聲，通常情況下取值為0.01.

2 遙感多光譜圖像去云霧算法

對圖像云霧退化模型進(jìn)行推廣，得到遙感多光譜圖像的暗通道先驗(yàn)知識，進(jìn)而綜合各波段信息進(jìn)行云霧去除.

設(shè)大小為m×n的遙感多光譜圖像具有s個波段，可表示為 s維矢量矩陣 F(x，y)=［f(x，y)］m×n，其第q個波段對應(yīng)的灰度圖像為Fq(x，y)=［qq(x，y)］m×n，其中 qq(x，y)為像元(x，y)在第q波段的灰度值.將圖像云霧退化模型從三通道圖像推廣到多通道遙感多光譜圖像，可得

其中，F(xiàn)(x，y)表示含有云霧干擾的遙感多光譜圖像;tF(x，y)表示遙感多光譜圖像大氣光透射率;AF是遙感多光譜圖像大氣光成分值;JF(x，y)表示不含云霧干擾的遙感多光譜圖像.進(jìn)而，可計(jì)得遙感多光譜圖像的暗通道圖像為

其中，q指的是遙感多光譜的第q個波段;Ωh(x，y)表示以像元(x，y)為中心，半徑為h的鄰域.進(jìn)而，可得遙感多光譜圖像大氣成分值為

若在鄰域Ωh(x，y)內(nèi)對式(6)兩邊取s個波段中的最小值，并將等式兩邊同時除以AF，可得

其中，JFq(x，y)表示不含云霧遙感多光譜圖像JF(x，y)的第q個波段圖像.將暗通道先驗(yàn)知識推廣到遙感多光譜圖像，可得某些像元總是存在至少一個波段的灰度值具有很低的值，即

這樣可得式(9)右邊第1項(xiàng)趨于0，式(9)可為

因此，遙感多光譜圖像的大氣透光率為

其中，ωF為遙感多光譜圖像深度信息保留常數(shù).最后可得去除云霧干擾后的遙感多光譜各波段圖像為

圖1為本算法暗通道先驗(yàn)遙感多光譜圖像去云霧流程圖.

圖1 本算法流程圖Fig.1 The flow diagram for this paper

3 實(shí)驗(yàn)結(jié)果分析

本研究采用具有5個波段的中巴資源衛(wèi)星CBERS-02 CCD多光譜圖像作為實(shí)驗(yàn)數(shù)據(jù)，如圖2和圖3，分別為2組遙感多光譜圖像實(shí)驗(yàn)數(shù)據(jù).本算法參數(shù)設(shè)置式(7)中鄰域半徑取值為h=15，常數(shù) ωF=0.95.

圖4～圖7分別為采用文獻(xiàn)［13］、文獻(xiàn)［15］和本算法對兩組實(shí)驗(yàn)數(shù)據(jù)進(jìn)行云霧去除前后，不同波段組成的偽彩色圖像.從視覺上觀察，文獻(xiàn)［13］和文獻(xiàn)［15］的方法由于只考慮了其中的3個波段信息，把其他波段的信息完全丟棄掉，還原后得到的圖像信息失真較明顯.本研究方法綜合考慮了遙感多光譜圖像各個波段信息，在云霧去除的同時，盡可能地保證了圖像信息的完整性.

同時，本研究還通過標(biāo)準(zhǔn)差(S)、對比度(C)、化平均梯度(gav)及信息熵(H)等對實(shí)驗(yàn)結(jié)果進(jìn)行分析評價.這些指標(biāo)值越大，說明圖像質(zhì)量越好.表1和表2分別給出兩組實(shí)驗(yàn)數(shù)據(jù)云霧去除前后的指標(biāo)值.可見利用文獻(xiàn)［13］、文獻(xiàn)［15］和本算法處理后，圖像各指標(biāo)值都有一定程度上的提高.而在大多數(shù)指標(biāo)上，本研究方法都比文獻(xiàn)［13］和文獻(xiàn)［15］的方法要高，尤其是在平均梯度和信息熵兩個指標(biāo)上.因此，利用本研究方法進(jìn)行云霧后的各波段圖像內(nèi)容信息更豐富，可分辨性更強(qiáng).

圖2 遙感多光譜圖像實(shí)驗(yàn)數(shù)據(jù)1 Fig.2 Experimental images data 1

圖3 遙感多光譜圖像實(shí)驗(yàn)數(shù)據(jù)2 Fig.3 Experimental images 2

圖4 實(shí)驗(yàn)數(shù)據(jù)1去云霧前后波段431合成的RGB偽彩色圖像Fig.4 False-color images combined by bands 431 of experimental images data 1 and its recovered results

圖5 實(shí)驗(yàn)數(shù)據(jù)1去云霧前后波段452合成的RGB偽彩色圖像Fig.5 False-color images combined by bands 452 of experimental images data 1 and its recovered results

圖6 實(shí)驗(yàn)數(shù)據(jù)2去云霧前后波段431合成的RGB偽彩色圖像Fig.6 False-color images combined by bands 431 of experimental images data 2 and its recovered results

圖7 實(shí)驗(yàn)數(shù)據(jù)2去云霧前后波段452合成的RGB偽彩色圖像Fig.7 False-color images combined by bands 452 of experimental images 2 and its recovered results

表1 實(shí)驗(yàn)數(shù)據(jù)1云霧去除前后客觀評定指標(biāo)值Table1 The values of quality evaluations for experimental images 1 and its recovered results

表2 實(shí)驗(yàn)數(shù)據(jù)2云霧去除前后客觀評定指標(biāo)值Table2 The values of quality evaluations for experimental images 2 and its recovered results

結(jié) 語

針對基于暗通道先驗(yàn)知識的云霧去除法僅適用3個通道可見光RGB彩色圖像的局限，對霧天圖像退化模型和暗通道先驗(yàn)知識進(jìn)行推廣，提出一種可用于多通道遙感多光譜圖像云霧去除的暗通道先驗(yàn)方法.該方法充分融合了遙感多光譜圖像各個波段的信息，適于任意多個波段遙感多光譜圖像的云霧去除.實(shí)驗(yàn)證明，本算法能在有效去除遙感多光譜圖像薄云薄霧干擾的同時，盡可能地保留了更多的圖像灰度信息和細(xì)節(jié)信息，還原后的各波段圖像內(nèi)容更清晰可辨.

/References:

［1］Li Hongli，Shen Huanfeng，Du Bo，et al.A high-fidelity method of removing thin cloud from remote sensing digital images based on homomorphic filtering［J］.Remote Sensing Application，2011，10(1):41-44.(in Chinese).李洪利，沈煥鋒，杜 博，等.一種高保真同態(tài)濾波遙感影像薄云去除方法 ［J］.遙感應(yīng)用，2011，10(1):41-44.

［2］Cai Wenting，Liu Yongxue，Li Manchun，et al.A selfadaptive homomorphic filter method for removing thin cloud［C］//Proceedings of the 19th IEEE International Conference on Geoinformatics.Shanghai(China):IEEE Press，2011:1-4.

［3］Ren Huan，Li Liangchao，Jin Lanhai，et al.Study on cloud processing with MODIS data and application［C］//Proceedings of the 10th IEEE International Symposium on Antennas，Propagation ＆ EM Theory(ISAPE).Xi'an(China):IEEE Press，2012:583-586.

［4］Kim T K，Paik J K，Kang B S.Contrast enhancement system using spatially adaptive histogram equalization with temporal filtering［J］.IEEE Transactions on Consumer Electronics，1998，44(1):82-86.

［5］Inampud R B，Purimetla T N，Satyanarayana P G.Contrast degradation for improving quality of an image［J］.Geoscience and Remote Sensing Symposium，2002，6:3408-3410.

［6］Shi Wenxuan，Li Jie.Research on algorithms in defog of remote sensing image［J］.Spacecraft Recovery＆ Remote Sensing，2010，31(6):46-51.(in Chinese)石文軒，李 婕.遙感圖像去霧算法研究 ［J］.航天返回與遙感，2010，31(6):46-51.

［7］Parthasarathy S，Sankaran P.A retinex based haze removal method［C］//Proceedings of the 7th IEEE International Conference on Industrial and Information Systems(ICIIS).Chennai(India):IEEE Press，2012:1-6.

［8］Ma Yunfei，He Wenzhang.Foggy day image enhancement method based on wavelet transform［J］.Computer Applications and Software，2011，28(2):71-73.(in Chinese).馬云飛，何文章.基于小波變換的霧天圖像增強(qiáng)方法［J］.計(jì)算機(jī)應(yīng)用與軟件，2011，28(2):71-73.

［9］He Kaiming，Sun Jian，Tang Xiao'ou.Single image haze removal using dark channel prior［J］.IEEE Transactions on Pattern Analysis and Machine Intelligence，2011，33(12):2341-2353.

［10］He Renjie，Wang Zhiyong，Xiong Hao，et al.Single image dehazing with white balance correction and image decomposition［C］//Proceedings of the International Conference on Digital Image Computing Techniques and Applications(DICTA).Fremantle(Australia):IEEE Press，2012:1-7.

［11］Yang Hungyu，Chen Peiyin，Shiau Yeuhorng，et al.Low complexity underwater image enhancement based on dark channel prior［C］//Proceedings of the Second International Conference on Innovations in Bio-inspired Computing and Applications. Shenzhen(China):IEEE Press，2011:17-20.

［12］Jin Wenbo，Mi Zengyuan，Wu Xiaotian，et al.Single image de-haze based on a new dark channel estimation method［C］//Proceedings of the IEEE International Conference on Computer Science and Automation Engineering(CSAE).Zhangjiajie(China):IEEE Press，2012，2:791-795.

［13］Wang Shizhen，Shi Huiqiong，Zeng Lingsha，et al.Haze removal methods of remote sensing image using dark channel prior［J］.Journal of Geomatics Science and Technology，2011，28(3):182-186.(in Chinese)王時震，石惠瓊，曾令沙，等.應(yīng)用暗通道先驗(yàn)規(guī)律的遙感影像去霧技術(shù) ［J］.測繪科學(xué)技術(shù)學(xué)報，2011，28(3):182-186.

［14］Zhou Liya，Qin Zhiyuan.Uneven cloud and fog removing for satellite remote sensing image［C］//Proceedings of the 2nd International Conference on Mechanic Automation and Control Engineering(MACE).Hohhot(China):IEEE Press，2011:5485-5488.

［15］Long Jiao，Shi Zhenwei，Tang Wei，et al.Single remote sensing image dehazing［J］.IEEE Geoscience and Remote Sensing Letters，2013，11(1):59-63.