張文君　徐文茜　白玉娜　魏新玲　呂海成

【摘 要】在遙感衛(wèi)星成像過程中，云霧作為一種噪聲時常導致傳感器接收到的地物輻射與真實值之間存在差距，是影像降質的主要原因。本文以均勻薄云霧覆蓋下的SPOT-5遙感圖像為研究對象，基于其頻域中云霧的低頻特征，建立了同態(tài)濾波云霧去除模型，并從主觀評價及客觀分析兩方面對比評估了該模型的應用效果。結果表明，基于指數(shù)高通濾波器構建的同態(tài)濾波去云霧模型能夠有效地提升云霧遮蓋下的影像質量。

【關鍵詞】遙感影像;去云霧;同態(tài)濾波

中圖分類號： TP751.1文獻標識碼： A文章編號： 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，隨著遙感成像技術的飛速發(fā)展，光學遙感圖像的應用遍及各個行業(yè)領域[1-3]。但是，由于大氣氣溶膠的反射和散射作用，時常導致遙感傳感器拍攝的圖像受到云霧噪聲的干擾，而出現(xiàn)一系列的清晰度下降、紋理細節(jié)模糊、地物對比度降低、色彩失真等等圖像質量降低的問題，在光譜分析、地物判讀、影像制圖等實際應用中難以滿足其精度需求[4]，也給光學遙感技術的推廣帶來不利的影響。

因此，本文依靠ENVI強大的遙感圖像處理建模功能，從均勻薄云霧覆蓋下的遙感圖像的頻率域特征入手，以同態(tài)濾波理論為基礎[5]，通過構造合理的高通濾波器對受干擾的圖像進行相應的處理，濾除低頻云霧信息，加強高頻地物信息，提高原始圖像的可視性，并從主觀和客觀兩方面證明基于同態(tài)濾波的單幅圖像去云方法具有一定的現(xiàn)實意義。

1 研究方法

1.1 實驗數(shù)據(jù)

本文選取的實驗數(shù)據(jù)為整體被均勻薄云霧覆蓋的SPOT-5遙感衛(wèi)星圖像（時相：2013年3月8日，分辨率：2.5m），該圖像包含綠光、紅光以及近紅外共3個波段。圖像平均灰度值偏高，云霧下的地物細節(jié)模糊，對比度低，甚至部分地物色彩出現(xiàn)偏差，整體可視性較差。

1.2 研究方法及其原理

遙感圖像中，云霧通常體現(xiàn)出亮度值偏高、對比度較低、紋理結構單一模糊、色彩過渡平緩等一系列特征，而地物信息則與之相反。因此，通過傅里葉變換將云霧遮蓋的遙感影像轉換到頻率域，云霧信息一般分布在低頻部分，而地物信息主要分布于高頻部分，所以云霧的干擾突出了圖像的低頻信息，卻抑制了圖像的高頻信息，導致有用信息的損失。根據(jù)以上遙感圖像的特點，可以在頻率域中基于同態(tài)濾波理構建高通濾波函數(shù)來篩選濾除低頻的云霧信息，增強地物的高頻信息，從而達到去除云霧的目的[6]。

一幅遙感圖像的亮度值可以看作云霧照射分量和地物反射分量的乘積，因此該模型首先需要通過對數(shù)運算將其進行初步分離，然后利用傅里葉變換把遙感圖像由空間域轉換到頻率域中，通過構建指數(shù)高通濾波器以及設置相應的參數(shù)（截止頻率為15，系數(shù)為3）對云霧信息集中分布的低頻區(qū)域進行篩選和抑制，削弱云霧信息，最后通過傅里葉逆變換把處理后的圖像還原到空間域，再經(jīng)指數(shù)運算復原原始圖像，最終得到去除云霧干擾后的遙感圖像（上圖1）。

2 模型應用結果

基于薄云霧均勻分布的SPOT-5衛(wèi)星數(shù)據(jù)的頻率域特征，采用指數(shù)型高通濾波器構建同態(tài)濾波去云霧模型，并通過以上模型對實驗數(shù)據(jù)進行去云霧處理，其結果對比如下圖所示。

3 模型評價

3.1 主觀評價

通過圖2可以看出，對于云霧分布比較均勻的SPOT-5遙感衛(wèi)星圖像，同態(tài)濾波模型處理后的結果可以較為明顯地提高影像整體的亮度、對比度和飽和度的階梯差異，云霧遮蓋下的地物信息的可利用性都有較大的提升，有效地消除了云霧的干擾。

3.2 客觀評價

本文研究選取遙感圖像的均值、標準差、熵、平均梯度和偏差指數(shù)5個定量指標，作為客觀評價各波段模型應用結果的標準。評價結果如表1所示。

從表1可以看出，對于云霧分布均勻的遙感衛(wèi)星圖像，同態(tài)濾波模型處理后的圖像亮度均值略有上升，而反映影像細節(jié)信息的標準差有所升高，說明去云霧模型有效抑制了云霧的干擾，增強了地物的細節(jié)紋理特征。另外，在同態(tài)濾波云霧去除模型處理后的圖像中，圖像信息熵也有所提升，說明模型處理后的影像包含了更多的地物信息;模型處理后的圖像平均梯度值有較大提升，說明影像更為清晰、更易于目視解譯和判讀。各波段偏差指數(shù)均在0.2以下，說明模型處理后的圖像光譜信息與原始圖像變化不大，較好的反映地物的真實反射率。

4 結論與討論

本文選取云南省永善地區(qū)SPOT-5衛(wèi)星影像作為實驗數(shù)據(jù)，從云霧影像自身的頻域特征入手，構建了基于指數(shù)高通濾波器的同態(tài)濾波云霧去除模型，并將模型進行多次應用實驗，確定了模型濾波器的各項參數(shù)，并通過定目視評價和指標分析對模型處理后的結果進行系統(tǒng)的評估，結果顯示，基于指數(shù)高通濾波器的同態(tài)濾波去云霧模型結果能夠有效地抑制云霧信息，提升影像的可讀性，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圖像的去云霧處理，有著良好的推廣前景。

【參考文獻】

[1]張偉. 基于小波變換的遙感圖像去云方法研究[D].電子科技大學，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，呂海成.基于CLAHE的山地高原區(qū)遙感圖像均勻薄云霧去除模型研究[J].數(shù)字技術與應用，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.