一种有效的去除可见光遥感图像中薄雾的方法

1、一种有效的去除可见光遥感图像中薄云的方法云雾是图像中的低频信息，水也是特殊的低频信息，因此去除云雾时要对图像中的水体部分作特殊处理，以此区分二者。此方法只对含云雾区域的像素进行处理，因此效率比较高。文章选取不同种类的地表覆盖类型来验证该方法的有效性，并和其他已经提出的方法进行对比分析。方法分为：1.基于模型的方法：需要知道比较精确的传感器状态和大气属性（比较困难）2.基于图像的方法2.1基于多图像的处理方法原理：通过融合其他时刻或者其他传感器获得的图像的互补信息来修正含云像素的亮度。以无云图像作为参考数据，利用数据融合的策略来修正含云图像。一种比较简单的方法就是用清晰像素替换含云的像素。缺点：

2、1.含云图像应该与参考图像正相关，否则融合将会中断或出现错误。.多张图像中的云不能覆盖相同的区域，否则就没有可用的信息来补充地面信息。.几何和辐射校正是必要的预处理，校准的精度直接影响到融合的结果。.2基于单图像的处理方法图像增强方法：直方图匹配法应用最为广泛。一种典型的基于图像的大气校正方法是对所有像素一视同仁的暗对象相减（DOS）方法。局限性：云是一种局部现象而不是全球性现象，因此DOS法能够消除全局路径辐射的影响，但无法去除局部薄云。因此又有人提出基于等级的DOS方法，此方法将云/霾分为若干个等级，然后通过霾的优化转换进行校正。局限性：此方法是一个监督分类过程，需要获取足够多的无云图像作

3、为样本，所以结果取决于样本的选取。以上都是基于空间域的。也有人提出基于频域的方法，薄云是图像中的低频部分，可以通过合理的低通滤波器提取图像。小波分析和同态滤波法已经被应用于去除薄云。缺点：小波分析法在选择波基时比较复杂，同态滤波法是全局操作，会影响图像中不含云的部分，从而造成更加严重的辐射失真。文章方法：提出基于HF（homomorphicfilter）的可见光遥感图像薄云去除方法。HF方法思想：遥感观测图像f(x,y)由两个辐射分量构成，分别是反射分量R(x,y)和散射分量S(x,y),散射分量也叫路径辐射。因此观测图像可以表示为f(x,y)=R(x,y)+S(x,y)，在实际应用中，路径辐

4、射通常被忽略。可得观测模型：f(x,y)=i(x,y)*r(x,y)其中i(x，y)为光照分量，r(x，y)为反射分量。薄云主要由大颗粒的大气散射形成的,包括灰尘,烟雾和水滴。在增强高频信息的同时,抑制低频信息可以消除薄云。传统HF算法流程：Algorithm1.ThincloudremovalviathehomomorphicfilterInput:obsei-vedimageLogarithm:式.y)=In欣y)=In+InFouriertraiisformjtion:=/(In-F/Inr(x,y)tsimplifiedas:Z(%仍三同u,v)+v),where月,力and&乩廿)r

5、epresenttheFouriertransformationofIn收y)andInr(篦y),Filtering:usefilterH(n,u)tosuppressthelow-frequencyinformationincludingtherhinclouds,andmeanwhileenhancethehigh-frequencyinformationincludingthelandcover:S(mtv)-H(u,u)Z(u,v)=H(u,叫切十H(耳切双片v).InverseFouriertransformation:s(%y)=v).Exponent:敏x,y)=exps(x,

6、y),Alternativestep:keepthedynamicrangeoftheoutputconsistentwiththatoftheinputbylinearstretching:giy)=ao+1三祟值(尤y)-口)(2)wherea().boisthedynamicrangeoftheinput,anda.bisthedynamicrange0f4x,y).Output:filteredimagegi(xty).在HF方法中需要确定截止频率，截止频率是用于区分高频和低频信息。云的干扰程度取决于波长，所以截止频率应该随波长的变化而变化。因此，截止频率是一个通道依赖变量，很难确定。

7、但它直接关系到薄云去除效果。文章中提出了基于HF的高保真的去云方法：方法分为三个阶段.截止频率的确定每个通道的截止频率是通过频率和梯度之间的关系半自动确定的。D和G的乘积是常数。.薄云的去除先检测薄云，再利用基于HF的方法进行去云，同时保留无云的部分。截止频率的确定和薄云的去除操作都是在整个场景的多云子集上进行的。.子图象的拼接方法详细步骤：.截止频率确定波长越短，大气散射越强，截止频率也就越高。半自动是指对于多光谱图像，一旦确定了一个通道的截止频率，则可以考虑信道之间的相关性来其它通道的截止频率。在此方法中先确定蓝色通道的截止频率。平均梯度：I1-FG+1,出产+-F依,+1)2TOC o

8、1-5 h z1)与引2X(1=1,23)(3)M和N是图像的宽度和高度，Fi(x,y)代表在i通道(x，y)处的DN值。平均梯度归一化：而产事G=1,2,3)(4)Bi为被处理图像的亮度，Br为参考图像的亮度。三个可见光通道的截止频率和平均梯度的乘积C大致相等。)6可1七6恍*几6川3-C(5)C确定之后，每个通道的截止频率可以估计出来。在实际中，第一个通道作为参考通道，它的截止频率将通过手动调谐确定。其他通道的截止频率可以根据参考通道的C和自身的平均梯度求得。所以此种方法也叫做半自动确定截止频率。.高保真薄云去除此方法仅限于薄云的去除，在厚云下没有地表信息包括三个步骤：云的检测检测方法可以

9、分为两类：基于阈值的方法和基于变换的方法。这些方法都是基于空间域的，但文中所用的方法都是基于频率域的。因此为了构造一个统一的框架，文章提出一种基于HF的云识别方法。假设e（x，y）为初始像素值f（x，y）和利用HF法计算出来的像素值gL（x,y）的插值，即：e（x，y）=f（x，y）-gL（x,y）如果e（x,y）0，该像素是含云的；否则，该像素是不含云的。这种方法是逐像素操作的，没有考虑邻域，可能会造成一些离群值得出现。采用窗口模板进行处理：如果中心像素的差值为负，且8邻域的像素差值都为正，则认为中心像素为含云的像素。此方法确保了含云区域的连续性。自适应同态滤波基于云雾识别后的图像,不含云的

10、区域分配原始值f，含云的区域分配经HF法处理过的值G；可表示为：if(x.y)e口雨时任if(XeQeiaudy可选步骤：线性拉伸：输入与输出的动态范围保持一致。得到含云图像后，基于无云像素计算静态值，此外，此外，在统计中排除了前2%个最大值和最小值的像素，以避免离群值的影响。最终的结果可以写成：JFfxifl助区外if(XJ)QEI水面识别和校正湖泊和河流这种面积大且比较均匀的区域，经过HF方法处理后，可能会出现和含云区域一样的结果。根据水的物理性质，如果水体比较清澈，含有较少的悬浮物，辐射就会比较低；相反地，水体比较浑浊，充满悬浮物，辐射就会比较高。HF算法对清澈的水体影响较小，对浑浊的水

11、体影响比较大。水体表面检测利用监督分类的方法分离浑浊水体和其他表面，由于光谱矢量的方向对云不敏感，所以采用光谱角作为距离度量。因为水面上可能也有云，所以在处理水面之前，含云的像素和不含云的像素应该被区分开来。对于水体表面，清澈水体的平均亮度值为丽明1，未知像素的平均亮度值为，如果在所有通道中，则该像素含云；如果在所有通道中，则该像素不含云；否则该像素不确定。对于这三类水体像素所采用的处理方法也不同。水面校正对于清晰的像素，保留其初始亮度值。对于含云的像素，使用矩匹配法校正其亮度值。矩匹配法适用于辐射均匀分布区域。利用统计信息，通过以下表达式，可以将多云像素的分布调整为参考清晰像素的分布：DN*DMvl闻+川(8)DNWi为第i通道目标像素的校正后的DN值。和为含云像素的均值和标准差。乩和为清澈水体样本的均值和方差。对于不确定的像素，输出的亮度是通过加权计算的，初始亮度，校正之后的亮度为，权重分别为t和ItFw,i=tDNw一(1一f),DNwa(9)假设多光谱图像有N个通道，如果有n个通道满足DNiWDM,则t=n/N；.子图象的拼接镶嵌比较重要的步骤是是拼接的部分变得平滑，需要设置调整宽度L,距离拼接线小于L的像素大小都要调