楊顯瓊，秦榮波

（1.長安大學(xué) 地球科學(xué)與資源學(xué)院，陜西 西安 710054；2.貴州省第一測繪院，貴州 貴陽 550025）

1 概述

隨著空間對地觀測技術(shù)的發(fā)展，遙感技術(shù)逐漸成為獲取空間分布信息及其時空變化狀況的重要手段[1]。然而，遙感影像極易受到惡劣天氣的影響，導(dǎo)致影像飽和度低，色彩失真，細(xì)節(jié)模糊等問題。直接影響影像目視解譯、光譜分析、特征提取等后續(xù)工作。

目前，遙感影像去霧算法大致分為：（1）基于影像復(fù)原方法。利用影像退化的先驗知識來對有霧遙感影像進(jìn)行復(fù)原。該類方法以He[2]的暗通道先驗規(guī)律為代表。江政遠(yuǎn)等[3]將有霧遙感影像的霧度劃分為輕度薄霧區(qū)域、中度薄霧區(qū)域以及重度濃霧區(qū)域。并采用改進(jìn)暗通道算法，分別對三個區(qū)域進(jìn)行去霧處理。（2）基于影像增強(qiáng)的方法。該方法不考慮影像退化的物理機(jī)制，而只需根據(jù)特定的需求，改善圖像的視覺效果，增強(qiáng)影像亮度和對比度，突出重要信息，實現(xiàn)影像去霧。邵振峰等[4]通過色彩空間轉(zhuǎn)換，將RGB 空間轉(zhuǎn)換為HSI 空間，在HSI 空間上利用多尺度Retinex 算法對亮度分量進(jìn)行調(diào)整，有效增強(qiáng)低照度遙感影像的視覺效果。

2 改進(jìn)暗通道去霧方法

暗通道先驗規(guī)律與大氣散射模型相結(jié)合已被證明是簡單有效的去霧方法。但是，暗通道先驗最初是根據(jù)無霧的自然圖像的統(tǒng)計方法開發(fā)的，由于其成像距離不同，這些自然圖像與遙感影像有很大差異。分別對幾組含霧的自然圖像和遙感影像做灰度直方圖處理，經(jīng)統(tǒng)計對比發(fā)現(xiàn)，遙感影像相對于自然圖像具有向右平移的特性[5]。因此，為了使暗通道先驗規(guī)律能夠適用于遙感影像，需要將遙感影像暗通道的灰度直方圖向左平移[5]，這意味著需要從He[2]的暗通道先驗規(guī)律的兩側(cè)減去一個C 項，將改進(jìn)的暗通道定義為：

式中C 是從無霧遙感影像的統(tǒng)計量中得出的，（J（x）-C）dark是表示有霧影像的暗通道，c 表示像素點的 r，g，b 三個顏色通道，Ω（x）是以x 為中心的矩形鄰域。

3 Retinex 理論

文采用單尺度Retinex 算法對復(fù)原后影像進(jìn)行增強(qiáng)，是為了減少因透射率的錯誤估算而可能導(dǎo)致的同物異譜的問題。使增強(qiáng)后的影像更加符合人類視覺特性，影像細(xì)節(jié)更加明顯。單尺度Retinex 算法影像增強(qiáng)的原理是：通過減少亮度分量 I（x，y），增加反射分量 R（x，y），突出影像的重要信息，達(dá)到平均亮度和色彩的目的。單尺度Retinex 算法公式為：

圖1 Landsat8 實驗結(jié)果對比

式中ri（x，y）是處理后的反射分量影像；Fi（x，y）是第i 個顏色通道中所輸入的原始有霧影像；* 是卷積運算符；i 是影像中的第i 個顏色通道；Si（x，y）為濾波函數(shù)。

4 實驗結(jié)果與分析

4.1 主觀評價

本文選用1 幅分辨率為30m 的Landsat8 有霧遙感影像作為數(shù)據(jù)源，大小均為500 像素×500 像素，如圖1所示。實驗采用He 算法、改進(jìn)暗通道算法、直方圖均衡化算法、SSR 算法以及本文算法，分別對有霧遙感影像進(jìn)行去霧處理，同時進(jìn)行實驗結(jié)果的對比分析。由圖1 可知：改進(jìn)暗通道算法與He 算法均為影像復(fù)原方法，相比較而言，改進(jìn)暗通道算法對濃霧區(qū)的去霧效果更為明顯，改善了傳統(tǒng)暗通道先驗規(guī)律去霧后影像亮度偏暗的問題；直方圖均衡化算法與SSR 算法均為影像增強(qiáng)方法，相比較而言，直方圖均衡化算法去霧效果較差，且出現(xiàn)白色光暈現(xiàn)象；SSR 算法得到的影像邊緣模糊，色彩失真；本文提出的融合改進(jìn)暗通道和Retinex 的遙感影像去霧增強(qiáng)算法，改善了上述算法中存在的問題，不僅去霧效果突出，而且影像的亮度、對比度更加清晰，地物細(xì)節(jié)、紋理特征更加明顯，更加符合人眼視覺特性。

4.2 客觀評價

在客觀評價中，本文采用平均梯度、均方誤差、峰值信噪比、信息熵等四個指標(biāo)對5 種算法進(jìn)行比較。影像質(zhì)量評價指標(biāo)的客觀評價數(shù)據(jù)如表1 所示。

平均梯度（Average gradient），該指標(biāo)反映影像的清晰度、紋理變化的程度。平均梯度越大，說明影像越清晰。本文算法的平均梯度均高于其他算法，由此說明本文算法不僅有效去霧，還可以有效的提高影像的清晰度。均方誤差（MSE）的值越小，說明影像質(zhì)量越好。改進(jìn)暗通道算法的MSE 值相較He 算法要小，說明改進(jìn)通道算法的去霧效果在傳統(tǒng)暗通道先驗規(guī)律的基礎(chǔ)上有所改善，能夠有效的應(yīng)用于遙感影像。峰值信噪比（PNSR），反映待評價影像與參考影像之間顏色失真的情況。PSNR 值越大，說明顏色失真較小，影像質(zhì)量較好。改進(jìn)暗通道算法的PSNR 值相較He 算法要大，表明改進(jìn)通道算法去霧后影像失真較小。信息熵（Entropy）反映影像信息的豐富程度，信息熵越大，說明影像信息量越豐富，質(zhì)量也就越好。本文算法信息熵值均高于其他算法，表明本文算法能夠有效的提高影像的紋理細(xì)節(jié)，便于后期的目視解譯處理。通過實驗結(jié)果對比分析發(fā)現(xiàn)，本文算法對霧度分布不均的遙感影像處理效果不論是從平均梯度、均方誤差、峰值信噪比還是信息熵，都有較好的表現(xiàn)。

表1 客觀評價數(shù)據(jù)

5 結(jié)論

綜上所述，雖然影像復(fù)原和影像增強(qiáng)是影像處理中兩種不同的研究方向，但都是以提高影像質(zhì)量為最終目的，因此兩者是交織并存的。影像去霧增強(qiáng)就是這兩種技術(shù)的交叉產(chǎn)物，既能達(dá)到有效的去霧處理，又能解決影像去霧后亮度偏暗的問題。因此，本文針對霧度分布不均的有霧遙感影像，提出了一種融合改進(jìn)暗通道和Retinex 的遙感影像去霧增強(qiáng)算法。該算法改善了傳統(tǒng)去霧算法中存在的問題，不僅去霧效果顯著，而且影像的亮度、對比度更加清晰，地物細(xì)節(jié)更加明顯，更加符合人眼視覺特性。通過對遙感影像進(jìn)行去霧預(yù)處理，從而實現(xiàn)對有霧遙感影像的再利用。不僅避免了資源浪費，還降低了惡劣氣象條件對光學(xué)遙感的影響。有利于影像后續(xù)的目視解譯、識別分類以及地物提取等工作的順利進(jìn)行，能夠很好的滿足實際的應(yīng)用需求。通過主觀評價和平均梯度、均方誤差、峰值信噪比、信息熵等影像質(zhì)量評價指標(biāo)驗證了本文算法的有效性和可行性。