论文部分内容阅读
近年来,随着遥感设备的不断进步和普及,遥感技术逐步成熟,被广泛应用于空间探索、全球环境监测、农作物产量估算、地理绘制、气象预测及军事侦察等方向。遥感影像携带有大量的高分辨率信息,但很容易被诸如雾霾和云等恶劣天气因素影响,影像上的部分地物信息被遮蔽,给遥感影像的有效利用带来极为严重的干扰。如果能消除遥感图像上的云层,就可以恢复遥感影像的潜在信息,提高它们的传输利用率及利用价值。云消除过程指的是针对一幅输入的被云层覆盖的遥感图像,消除图像上的云层干扰,恢复被遮挡的地物信息,本质上属于图像复原问题。云的形状和特征受不同的气候及季节影响,在不同时期、不同地点会表现出相关迥异的纹理和浓度。现有的云消除技术大多需要搭载特殊传感器的遥感设备接收的多种频段信息作为输入,输入冗杂烦琐而且处理过程极为复杂,很难应用于一般的RGB图像。虽然现有的使用多光谱或多时间图像的云消除算法已经获得令人满意的结果,但是依赖于单幅图像的云消除技术更有优势。如果只有单幅RGB图像作为输入,要想完全地消除整幅图像上的云雾信息非常困难,因为图像几乎没有为被厚云遮挡的地物提供任何信息,所以本文研究内容是尽可能地消除单幅遥感图像上的薄云。本文针对单幅RGB遥感图像上的云雾去除过程中出现的一系列问题,提出了一种新的基于物理成像模型的图像薄云消除方法。使用本文的方法可以得到云层干扰明显降低的遥感图像,有效地恢复出图像上被遮蔽的部分地物信息,从而提高图像整体的感观效果。本文算法的关键是设计了一个变化的大气光图,可以根据云的浓度自适应地调整大气光的值。首先,根据薄云的浓度构造出显著性图,基于该显著性图,可以生成粗糙的大气光估计图,粗糙大气光图的优化过程使用基于L1范数的正则化方法;然后,基于暗通道先验使用输入图像和估计出的大气光图估计出透射率图,使用导向滤波可以消除透射率图上的块效应;最后,结合输入图像和估计出的大气光图及透射率图可以得到恢复图像。为了加快算法速度,本文还为部分输入图像使用了一种粗略的云检测方法作为算法的蒙板,只处理蒙板上的像素可以保持非云区的像素值及图像的整体色调。本文的主要贡献如下三个方面:1.本文提出了一个自适应的算法,不需要额外的波段信息和用户交互操作。2.本文的算法灵活地结合了云检测技术,借助云检测操作可以在有效地减少算法时间的同时保持非云区地物的原貌。3.本文设计了随空间变化的大气光图,并且首次将其应用于薄云消除领域。本文对薄云图像消除的相关工作展开了深入的研究,并且提供了大量的实验对比结果。经过多组图像的实验,结果充分证明了本文的薄云消除算法的可行性与有效性。