張文君 徐文茜 白玉娜 魏新玲 呂海成

摘要：中國(guó)西南山地高原區(qū)氣候濕潤(rùn)、多云多雨，因此光學(xué)遙感數(shù)據(jù)極易受到云霧干擾而出現(xiàn)質(zhì)量下降，也給該地區(qū)的遙感技術(shù)應(yīng)用制造了困難。而且山地高原區(qū)由于海拔較高，氣候特殊等原因，均勻分布的薄云霧最為常見(jiàn)。因此，本文選取云南省永善地區(qū)SPOT-5遙感影像作為實(shí)驗(yàn)數(shù)據(jù)，基于云霧圖像的統(tǒng)計(jì)直方圖建立了限制對(duì)比度的自適應(yīng)直方圖均衡化去云霧模型（CLAHE），并將模型加以改進(jìn)后通過(guò)應(yīng)用實(shí)驗(yàn)從定性及定量?jī)煞矫鎸?duì)模型實(shí)驗(yàn)結(jié)果進(jìn)行了評(píng)估。結(jié)果表明，CLAHE法能有效的提高均勻云霧覆蓋下的影像質(zhì)量，適用于山地高原區(qū)遙感影像中均勻薄云霧的去除。

關(guān)鍵詞：山地高原區(qū)；均勻薄云霧去除；CLAHE

中圖分類號(hào)：TP751 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1007-9416（2018）08-0024-02

1 引言

目前，我們獲取的遙感數(shù)據(jù)中很大一部分是光學(xué)遙感數(shù)據(jù)，其應(yīng)用范圍也最為廣泛[1][2]。但是，由于光學(xué)遙感傳感器主要獲取的是可見(jiàn)光及近紅外波段，極易受到云霧吸收和反射的影響，尤其在我國(guó)西南多云多雨的山地高原區(qū)，云霧干擾造成的圖像紋理模糊、地物細(xì)節(jié)不清、對(duì)比度差、等一系列影像降質(zhì)的問(wèn)題尤為突出，大大降低了遙感圖像的可讀性和可利用性[3]給遙感技術(shù)的推廣應(yīng)用帶來(lái)一定的困難。因此，本文選取具有山地高原典型特征的永善地區(qū)為研究區(qū)，從山地高原區(qū)均勻薄云霧遙感影像的特征入手，通過(guò)CLAHE法對(duì)地物信息進(jìn)行適當(dāng)增強(qiáng)，提高遙感影像的有效性，具有重要的現(xiàn)實(shí)意義[4]。

2 研究方法

2.1 實(shí)驗(yàn)數(shù)據(jù)

本文選取的實(shí)驗(yàn)數(shù)據(jù)為云南省永善地區(qū)的SPOT-5衛(wèi)星數(shù)據(jù)（分辨率：2.5m），該數(shù)據(jù)包含B1（綠光波段）、B2（紅光波段）、B3（近紅外波段）共3個(gè)波段。該影像被均勻分布的薄云霧覆蓋，整體呈現(xiàn)灰色，云霧下的地物隱約可見(jiàn)，但對(duì)比度低，地物細(xì)節(jié)較為模糊（圖1）。

2.2 研究方法及其原理

CLAHE法，即限制對(duì)比度的自適應(yīng)直方圖均衡化法，是在傳統(tǒng)直方圖均衡化的基礎(chǔ)上通過(guò)計(jì)算直方圖裁剪閾值對(duì)傳統(tǒng)直方圖對(duì)比度進(jìn)行限幅，超出限幅的像元?jiǎng)t進(jìn)行裁剪和再分配，這就減少了累計(jì)直方圖的變換函數(shù)斜率，不僅有效提升了圖像的對(duì)比度，而且彌補(bǔ)了傳統(tǒng)直方圖均衡化處理后影像色彩失真、噪聲放大的缺點(diǎn)[5-7]。但對(duì)直方圖進(jìn)行裁剪及再分配的運(yùn)算，需要對(duì)影像中的每個(gè)像元進(jìn)行操作，在應(yīng)用于高分辨率的海量遙感衛(wèi)星數(shù)據(jù)時(shí)，就顯得極其耗時(shí)。

所以，本文在對(duì)影像進(jìn)行子塊分割的基礎(chǔ)上，通過(guò)遞歸算法計(jì)算子塊中心像元限制對(duì)比度均衡化后的數(shù)值，并探索了利用雙線性插值對(duì)其他像元進(jìn)行賦值的方法，最終得到無(wú)云霧影像。該方法提升了運(yùn)算效率，具體流程步驟如下所示。

（1）CLAHE模型屬于局部直方圖均衡化的改進(jìn)，需要對(duì)像元進(jìn)行鄰域范圍的確定，因此根據(jù)實(shí)驗(yàn)影像的大小將SPOT-5影像分割成8×8個(gè)連續(xù)不重疊的子塊；

（2）計(jì)算子塊直方圖的對(duì)比度限幅：

式中，C為該子塊的直方圖對(duì)比度限幅；a為設(shè)定的系數(shù)，根據(jù)影像特征選取系數(shù)為0.02；Nv為各灰度級(jí)上的平均像元個(gè)數(shù)。

（3）根據(jù)得到的對(duì)比度限幅對(duì)子塊直方圖進(jìn)行裁剪，超過(guò)對(duì)比度限幅的像元重新進(jìn)行分配，其分配原則是將剩余像元平均分配到各個(gè)灰度級(jí)中。但像元分配后可能會(huì)出現(xiàn)某些灰度值再次超過(guò)限幅，因此需要采用遞歸循環(huán)語(yǔ)句對(duì)該部分剩余像元重復(fù)進(jìn)行再分配，直到?jīng)]有剩余像元出現(xiàn)。

（4）通過(guò)以上像元分配及再分配過(guò)程后，得到各子塊新的變換函數(shù)，并應(yīng)用新變換函數(shù)計(jì)算各子塊的中心像元灰度值。

（5）為節(jié)省模型運(yùn)算時(shí)間，對(duì)于非中心點(diǎn)像元灰度值，則采用插值計(jì)算得到，其插值公式如下：

式中，G（i）為所求像元的灰度值；a為求值點(diǎn)距離樣本點(diǎn)的水平距離系數(shù)，b為求值點(diǎn)距離樣本點(diǎn)的垂直距離系數(shù)；G1（i）、G2（i）、G3（i）和G4（i）分別為求值點(diǎn)四個(gè)方向上的樣本點(diǎn)。邊緣區(qū)域像元點(diǎn)采用相鄰2個(gè)樣本點(diǎn)進(jìn)行線性插值；中間區(qū)域的像元點(diǎn)采用相鄰4個(gè)樣本點(diǎn)進(jìn)行雙線性插值；影像的角點(diǎn)則采用臨近樣本點(diǎn)進(jìn)行賦值計(jì)算。

3 模型應(yīng)用結(jié)果

基于薄云霧均勻分布的SPOT-5衛(wèi)星數(shù)據(jù)的統(tǒng)計(jì)特征構(gòu)建了CLAHE的去云霧模型，并將該模型在MATLAB平臺(tái)上加以實(shí)現(xiàn)，得到的模型應(yīng)用結(jié)果和原始影像對(duì)比如圖2所示。

4 結(jié)果評(píng)價(jià)

4.1 主觀評(píng)價(jià)

對(duì)于有均勻薄云霧分布的SPOT-5遙感數(shù)據(jù)，通過(guò)CLAHE模型處理后其視覺(jué)效果有了明顯提升，幾乎沒(méi)有云霧殘留，而且地物細(xì)節(jié)凸顯，亮度、色彩等影像特征更為符合肉眼觀察特性，地物信息判讀的準(zhǔn)確性都有較大的提升。

4.2 客觀評(píng)價(jià)

本文選取均值、標(biāo)準(zhǔn)差、熵、平均梯度和偏差指數(shù)5個(gè)定量指標(biāo)，分別計(jì)算各波段不同方法的客觀定量評(píng)價(jià)值。評(píng)價(jià)結(jié)果值如表1所示。

根據(jù)上表，可以發(fā)現(xiàn)，CLAHE模型處理后的遙感影像除綠光波段均值變化不大，紅光和近紅外波段亮度均值有所下降，說(shuō)明因云霧干擾造成的亮度過(guò)高被有效抑制；各波段的標(biāo)準(zhǔn)差和圖像熵值在模型處理后均有所升高，說(shuō)明圖像對(duì)比度上升、地物信息得以凸顯；平均梯度的增幅較大，說(shuō)明圖像的清晰度提高，且各波段偏差指數(shù)均為0.2，可見(jiàn)該模型在削弱云霧干擾的同時(shí)也保證圖像不至于失真，這也與目視評(píng)價(jià)的結(jié)果基本一致。

5 結(jié)論與討論

本文研究針對(duì)山地高原區(qū)較為常見(jiàn)的均勻分布的云霧分布特征，選取云南省永善地區(qū)SPOT-5衛(wèi)星影像作為實(shí)驗(yàn)數(shù)據(jù)，從云霧影像自身的統(tǒng)計(jì)特征入手，構(gòu)建了CLAHE去云霧模型并且探索性的采用插值方法提升了模型運(yùn)算效率，并將改進(jìn)后的模型進(jìn)行應(yīng)用實(shí)驗(yàn)，并從定性的目視評(píng)價(jià)和定量的指標(biāo)評(píng)價(jià)兩方面對(duì)結(jié)果進(jìn)行評(píng)定。結(jié)果顯示，構(gòu)建的CLAHE去云霧模型結(jié)果較為理想，適用于云霧分布較為均勻、數(shù)據(jù)量較大的高分辨率遙感影像的去云霧處理，在山地高原區(qū)遙感影像的均勻薄云霧處理中有著良好的推廣前景。

參考文獻(xiàn)

[1]張偉.基于小波變換的遙感圖像去云方法研究[D].成都：電子科技大學(xué)計(jì)算機(jī)應(yīng)用技術(shù)，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]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.

[4]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.

[5]Rosenman J， Roe C A， Cromartie R， et al. Portal film enhancement：technique and clinical utility [J]. International Journal of Radiation Oncology， Biology， Physics， 1993， 25（2）：333-338.

[6]Pu Zhang， Ying Wang， Susu Wang. Low Contrast Image Enhancement Algorithms Based on the Improved CLAHE Transform[J]. Journal of Qingdao University（Engineering & Technology Edition）. 2011， 26（4）：57-60.

[7]S. M. Pizer， E. P. Amburn， J. D. Austin， et al. Adaptive Histogram Equalization and Its Variations. Computer Vision， Graphics， and Image Processing. 39 （1987）：355-368.