一種基于直方圖變換的光學(xué)遙感影像自動增強方法

劉新顏，柳稼航，延軍平

(1.陜西師范大學(xué) 旅游與環(huán)境學(xué)院,陜西 西安　710119；2.中國科學(xué)院 西安光學(xué)精密機械研究所 遙感與智能信息系統(tǒng)研究室，陜西 西安　710119)

?

·環(huán)境科學(xué)·

一種基于直方圖變換的光學(xué)遙感影像自動增強方法

劉新顏1，柳稼航2，延軍平1

(1.陜西師范大學(xué) 旅游與環(huán)境學(xué)院,陜西 西安710119；2.中國科學(xué)院 西安光學(xué)精密機械研究所 遙感與智能信息系統(tǒng)研究室，陜西 西安710119)

對比度、清晰度等視覺效果是影響圖像質(zhì)量的重要因素。針對光學(xué)遙感圖像對比度和清晰度改善問題,提出了一種新的視覺效果自動增強模型。首先對輸入圖像的直方圖采用非線性變換,在保持灰度級有效分布的前提下充分壓縮灰度分布范圍,從而獲得優(yōu)化的變換系數(shù),然后再利用線性拉伸算法將圖像灰度擴展至整個灰度域。實驗和對比結(jié)果表明,所提出的增強模型在很小的信息熵損失條件下能較大幅度地提高圖像的對比度和清晰度,獲得比目前主要算法更好的增強結(jié)果且效果穩(wěn)定,可適用于全色圖像和彩色圖像視覺效果的全自動化增強處理。

直方圖優(yōu)化；對比度增強；清晰度增強；視覺效果改善；自適應(yīng)增強

圖像的清晰度、對比度等視覺特征是圖像質(zhì)量的重要因素。由于遙感成像受大氣、霧、光照等因素的影響,造成大多數(shù)遙感圖像影像對比度低、清晰度不足,直接影響后續(xù)工作[1-5]。經(jīng)過有效增強處理后的圖像,對遙感應(yīng)用分析具有很好的促進作用[6]。因而,在進行應(yīng)用分析之前對遙感圖像的對比度、清晰度、色彩等質(zhì)量因素實施適當?shù)脑鰪娞幚硎欠浅１匾摹?/p>

遙感圖像增強在遙感圖像處理中占有重要地位[7]。增強的目的是為了改善圖像的清晰度、對比度等視覺效果,從而提高圖像的可讀性和信息解譯能力。針對圖像增強問題,目前已有灰度線性拉伸、直方圖均衡、Contourlet變換[8]、Retinex增強方法[4-5,7]、灰度世界[9]等多種增強方法。線性拉伸在實際應(yīng)用中使用最為廣泛,但該方法對于灰度分布嚴重不均的圖像增強效果有限。直方圖均衡的目的是通過變換使得均衡后的圖像灰度在每一個灰度級上等概率分布[10],從而提高圖像對比度。這種方法雖能增加圖像對比度,但處理后的圖像視覺效果往往生硬、不夠柔和,甚至質(zhì)量惡化[4],在遙感圖像處理中較少應(yīng)用。直方圖截斷增強方法將直方圖兩端累積概率分別達到2%時所有灰度級分別合并,然后再利用線性變換實現(xiàn)灰度拉伸。這種方式較好地壓縮了原始圖像的分布范圍,因而具有相對較好的增強效果,在遙感圖像實際應(yīng)用處理中被廣泛采用。但是，這種方法會造成灰度值較高和較低的區(qū)域丟失圖像細節(jié),而且對于直方圖兩端均具有較高概率分布的圖像,常常達不到增強的目的。

Retinex理論[11]由Land于20世紀70年代提出,目前已經(jīng)發(fā)展了單尺度算法(SSR)、多尺度算法(MSR)等多種算法。這種方法主要用于彩色圖像增強處理,且需要人工給出合適的參數(shù)才能取得較好的增強效果,否則容易產(chǎn)生過增強、灰度化和色彩失真等不足[5,7]?；叶仁澜缢惴ㄕJ為一幅有著大量色彩變化的圖像,R，G，B三分量的平均值趨于相等。這種方法計算簡單,在彩色圖像增強中應(yīng)用廣泛。但當圖像中顏色數(shù)量較少或出現(xiàn)大塊單一顏色時,該算法常會失效[9]。

針對遙感圖像對比度、清晰度等視覺效果增強存在的問題,本文提出了一種新的自適應(yīng)增強算法,該方法將圖像增強過程轉(zhuǎn)化為以優(yōu)化圖像直方圖為核心的變換過程,在兼顧線性變換、截斷拉伸等方法優(yōu)勢的同時又克服了不足,從而獲得更好、更加穩(wěn)健的增強效果。

1　算法原理

1.1直方圖與圖像質(zhì)量

直方圖特性與圖像的質(zhì)量緊密相關(guān)。一幅理想的圖像,其亮度分布應(yīng)充滿整個灰度級范圍,且每個灰度級等概率出現(xiàn)。具有這種直方圖的圖像,信息量大、對比度好、明暗合適、層次豐富、視覺效果好。這也是直方圖均衡增強方法的根本依據(jù)。

對于遙感圖像,全局的增強方法比局部的方法更加適合[6]。線性拉伸是一種全局性的操作,它不但能保持灰度變化的一致性,而且算法簡潔、效率高,適合于處理遙感圖像這類特殊的應(yīng)用。為了保證好的視覺效果,增強后的遙感圖像灰度級應(yīng)充滿[0,255]整個區(qū)間范圍。由于線性拉伸直接使用原始圖像的灰度分布范圍,故而在實際應(yīng)用中的增強效果不佳,尤其對于灰度分布范圍接近整個[0,255]區(qū)間的圖像，其增強效果十分有限。因此,有效壓縮原始圖像的分布范圍,是提升增強效果的重要途徑。

1.2基于直方圖優(yōu)化的增強算法

在實際應(yīng)用中,常常有大量像素的灰度值密集地分布在一個較小的范圍內(nèi),而少量像素的灰度分布卻占據(jù)很大的灰度區(qū)間。這種現(xiàn)象除極少數(shù)下墊面非常均一、本身反差極小的區(qū)域而外,對于絕大部分遙感圖像而言顯然是不合理的。此外,直方圖上零概率灰度級的存在與否對圖像的信息熵沒有任何影響,但如果零概率灰度級處于最大灰度級和最小灰度級之間,那么對圖像灰度的實際分布范圍卻有影響。線性拉伸變換和截斷增強方法對上述這種普遍存在的問題并沒有有效解決,從而造成實際應(yīng)用增強效果不穩(wěn)定甚至失效。

基于這一認識,我們提出了一種以優(yōu)化原始圖像直方圖為核心的自適應(yīng)增強方法。該算法首先對原始圖像的直方圖進行濾波處理,有效壓縮原始圖像的灰度分布范圍,從而增大變換系數(shù),達到增強的目的。具體算法描述如下:

Step 1生成原始圖像f(x,y)的直方圖,并計算圖像的灰度均值M;

Step 2以M為起點,分別向直方圖兩端搜索,尋找頻度小于某一閾值T的灰度級LSta;

Step 3以LSta為起點,繼續(xù)向前搜索下一個灰度級并記錄搜索過的灰度級;

Step 4計算以LSta為起點到當前搜索灰度級的累積概率分布,直到該累積概率大于或者等于規(guī)定的閾值T時停止搜索,記停止搜索時的灰度級為LEnd,將從Lsta到LEnd之間的所有灰度級映射到灰度級LSta;

Step 5將LEnd賦值給LSta,重復(fù)Step 3～5,直到搜索完整個直方圖;

Step 6根據(jù)灰度映射,對原始圖像f(x,y)重新賦值,輸出新圖像g0(x,y);

Step 7查找g0(x,y)圖像灰度的實際最小值A(chǔ)和最大值B;

Step 8將A和B作為線性拉伸參數(shù)計算變換系數(shù),并輸出增強圖像g(x,y)。

頻度閾值T描述了用戶可容忍的多大比例的像素值可以與相鄰灰度級保持一致,可依據(jù)不同的應(yīng)用而定。

2　實驗分析與比較評價

根據(jù)上述算法,分別利用灰度圖像和彩色圖像進行效果驗證,并采用主觀評價和客觀相結(jié)合的方式對不同增強結(jié)果進行評價?？陀^評價方面,我們采用平均亮度、標準差、平均梯度、信息熵等普遍采用的方法[12，15]進行。在方法比較方面,這里采用線性拉伸、截斷增強、Retinex、灰度世界4種主要算法進行比較。

(a)及線性拉伸；(b)截斷拉伸；(c)和本文算法；(d)(T=0.000 5)的增強圖1　Ikonos影像Fig.1　Ikonos image

圖1(a)為Ikonos影像,大小為772×568像素,灰度分布范圍為[37, 255],但87%的像素值分布在[46,107]范圍內(nèi)的62個灰度級上,13%的像素分布在[108,255]的148個灰度級上,圖像清晰度差,對比度低。圖2(a)是一幅航空遙感圖像,大小為789×756像素,灰度分布范圍為[9,255]。很明顯,圖像對比度低、清晰不夠,有一定的蒙霧。圖1(b)和圖2(b)，1(c)和2(c)，1(d)和2(d)是對圖1(a)和圖2(a)分別采用直接線性變換、截斷拉伸和本文方法增強后的結(jié)果。就主觀評價而言,圖1(b)和圖1(c)雖然圖像在清晰度上有所提升,但圖像整體偏暗,對比度依然較差,沒有達到整體增強的預(yù)期效果。對于采用直接線性拉伸處理的圖2(b),對比度略有提升。采用截斷拉伸處理的圖2(c),對比度得到提升,但圖像整體偏暗,暗區(qū)細節(jié)損失較多。而采用本文算法的增強結(jié)果,圖像視覺效果在整體上都比原圖有較大的提升。

表1給出了3種方法增強效果的定量比較。其中MB表示平均亮度,SD表示標準方差,MG表示平均梯度,IE表示圖像的信息熵。表1中,從平均亮度來看,原始圖像的平均亮度最大,這主要是原始圖像最小灰度級不為零，從而抬高了基準灰度值造成的。3種增強圖像灰度的基準值均為0。若將原圖的灰度級整體左移,使其最小灰度為零,此時圖1和圖2的平均亮度為41.82和109.37。依此進行計算,整體亮度、對比度、清晰度、信息熵4個量化指標上,本文算法相對于對圖1(a)和圖2(a)的處理結(jié)果中分別提升63%，32%，57%，-2.2%和0%，30%，39%，-0.8%。在對應(yīng)指標上,高出線性拉伸48%，15%，40%，-2.2%和-3%，26%，35%，-0.8%,高出截斷拉伸結(jié)果75%，6%，32%，0%和20%，8%，19%，0.6%。

(a)及其采用直接線性拉伸;(b)截斷拉伸;(c)和本文算法;(d)(T=0.000 1)的增強結(jié)果圖2　航空遙感圖像Fig.2　Aerial remote sensing image

線性拉伸不會合并原始圖像的灰度級,所以變換后的圖像信息熵與原圖保持一致，但對于截斷增強和本文提出的算法均會發(fā)生灰度級合并,必然降低圖像的信息熵。但是，當信息熵損失在很小的范圍內(nèi)時,對于大部分應(yīng)用而言是完全可以接受的。由此可以得出,本文提出的算法與原始圖像相比在信息損失很小的情況下對原始圖像的整體視覺效果改善是很有效的,是3種增強方法中效果最好的。

表1　不同方法對灰度圖像增強效果的定量評價

多光譜圖像在遙感應(yīng)用處理中最為常見。多光譜圖像通常含有3個以上的波段,但由于PC機顯示的問題一般一次只能顯示3個波段,形成RGB彩色圖像。對于RGB彩色圖像,每一個波段為一幅灰度圖像。因而對于RGB彩色圖像的增強,本算法先對每一個波段進行處理,然后再合成一幅RGB彩色圖像。目前,基于灰度世界算法和Retinex算法在彩色圖像處理中使用較為廣泛,本文將這兩種方法與本文提出的方法進行對比。客觀評價中各參數(shù)值統(tǒng)一為各圖像3個波段對應(yīng)參數(shù)的算術(shù)平均值。

(a)采用灰度世界變換;(b)Retinex算法;(c)本文算法;(d)(T=0.000 1)的增強結(jié)果。其中，Retinex算法分別取20，80和240圖3　航空遙感圖像Fig.3　Aerial remote sensing image

圖3(a)為一航空遙感圖像,圖像大小為568×700像素,圖像偏色程度較嚴重,且清晰度和對比度不足,不夠亮麗。觀察原圖可以發(fā)現(xiàn),該圖像整體偏紅色,且圖像的對比度和清晰度不足。圖4(a)為Quickbird影像,大小為832×656像素,且色調(diào)整體偏藍。圖3(b)和4(b)、圖3(c)和圖4(c)、圖3(d)和圖4(d)為分別采用灰度世界、Retinex和本文算法增強處理后的結(jié)果。對于灰度世界算法,圖3(a)和圖4(a)增強結(jié)果在清晰度、對比度和亮度都沒有得到明顯增強情況下將圖像顏色由一種偏色變成了另一種偏色,圖像的視覺感受上不但沒有得到改善反而變差了。采用Retinex算法處理的結(jié)果,造成原始圖像的嚴重偏色,圖像色彩已經(jīng)完全失真。但采用本文算法的增強結(jié)果有效地克服了上面兩種算法的不足,不但有效改善了圖像的清晰度、對比度,而且保持或者改善圖像的顏色,使得處理后的圖像顏色更加自然。

(a)采用灰度世界變換;(b)Retinex算法;(c)本文算法;(d)(T=0.000 1)的增強結(jié)果。其中，Retinex算法尺度分別取20，80和240圖4　Quickbird影像Fig.4　Quickbird image

由于從主觀感受上已經(jīng)能夠充分判斷灰度世界算法、Retinex算法與本文算法在效果上的差異,因此沒有必要對3種算法進行客觀評價。這里我們僅對本文提出的算法與原始圖像進行對比,給出定量評價結(jié)果。表2為本文方法對彩色圖像增強處理結(jié)果與原始圖像的定量比較。由表2可知,經(jīng)過本文算法增強后的圖像,將圖像的整體亮度提升至較好狀態(tài)的同時,大幅度提高了圖像的對比度和清晰度,而信息熵的損失小于1%。

上述實驗結(jié)果表明,本文提出的算法對灰度圖像視覺的改善是很有效的,且明顯優(yōu)于目前常用線性拉伸、截斷增強等方法。對于彩色圖像增強,本文算法在信息熵損失極小的情況下,能大幅度提高圖像的清晰度和對比度。無論是采用主觀評價還是客觀評價,本文算法的增強結(jié)果具有明顯的優(yōu)勢,且效果穩(wěn)定。

表2　不同方法對彩色圖像增強效果的定量評價

3　結(jié)　論

本文提出了一種新的圖像自動增強方法,用以改善圖像的清晰度、對比度和顏色等視覺效果,進而提升圖像的質(zhì)量。這種方法結(jié)合了線性變換的優(yōu)點,同時以優(yōu)化直方圖為核心,在保留圖像細節(jié)層次的同時,有效壓縮原始圖像的灰度級,從而提升增強效果。實驗表明,利用該方法對灰度圖像進行增強處理時,總體上比直接線性變換和截斷拉伸效果好;在對彩色圖像增強時,其增強效果明顯好于Retinex算法和灰度世界算法的結(jié)果,且算法簡單、穩(wěn)健,可以實現(xiàn)完全自動處理。

[1]LEE E, KIM S, KANG W,et al.Contrast enhancement using dominant brightness level analysis and adaptive intensity transformation for remote sensing images [J]. IEEE Geoscience and Remote Sensing Letters，2013,10(1):62-66.

[2]JANG Jae-ho, KIM Sung-deuk, RA Jong-beom. Enhancement of optical remote sensing images by subband-decomposed multiscale retinex with hybrid intensity transfer function [J]. IEEE Geoscience and Remote Sensing Letters，2011，8(5)：983-987.

[3]HA Chang-woo, KIM Won-kyun,JEONG Je-chang.Remote sensing image enhancement based on singular value decomposition [J]. Optical Engineering，2013,52(8)：083101-01-10.

[4]趙艷飛,高清維,盧一相.基于多尺度Retinex算法的遙感圖像增強[J].計算機技術(shù)與發(fā)展,2008,18(2):70-73.

[5]李建存,周麗梅,劉軍.基于多尺度Retinex理論的遙感圖像增強算法[J].西安工業(yè)大學(xué)學(xué)報,2014, 34(1): 27-33.

[6]陳強,紀則軒,孫權(quán)森,等.基于光能分配的遙感圖像增強[J].中國圖象圖形學(xué)報,2009, 14(11):2284-2291.

[7]朱雙志,文建國,楊冬,等.基于Retinex理論的新型遙感圖像增強算法[J].遙感技術(shù)與應(yīng)用,2012,27(4): 549-554.

[8]陳志剛,尹福昌. 基于Contourlet變換的遙感圖像增強算法[J].光學(xué)精密工程, 2008, 16(10): 2030-2037.

[9]徐曉昭,蔡軼珩,劉曉民,等.改進灰度世界顏色校正算法[J].光子學(xué)報,2010,39(3):559-564.

[10] 尚晉,楊有,李曉虹.一種改進的自適應(yīng)直方圖均衡化增強檔案圖像的方法[J].計算機科學(xué),2007,34(5):237-238.

[11] LAND E H, MCCANN J J. Lightness and retinex theory [J]. Journal of the Optical Society of America, 1971, 61(1):1-11.

[12] LEWIS N W, ALLNATT J A. Subjective quality of television pictures with multiple impairments [J]. Electron Letters, 1965, 1 (7): 187-188.

[13] JONES B L, TURNER J A. Subjective assessment of cable impairments on television picture quality [J]. IEEE Transact ions on Consumer Electronics, 1992, 38(4): 850-861.

[14] 韋學(xué)輝,李均利,陳剛.基于多元線性回歸的圖像質(zhì)量評價方法[J].中國圖象圖形學(xué)報,2008,13(11):2123-2131.

[15] 高連如,張兵,張霞,等.基于局部標準差的遙感圖像噪聲評估方法研究[J].遙感學(xué)報,2007,11(2):201-208.

(編輯徐象平)

A novel automatic enhancement method for optical remotely sensed image

LIU Xin-yan1， LIU Jia-hang2, YAN Jun-ping1

(1.School of Tourism and Environmental Science, Shaanxi Normal University, Xi′an 710119，China; 2.Laboratory of Remote Sensing and Intelligent Information System, Xi′an Institute of Optics and Precision Mechanics:Chinese Academy of Sciences, Xi′an 710119，China)

The image contrast and definition of remotely sensed image are the important factors of image quality. This paper presented a novel self-adaptive enhancement method for contrast and definition. Firstly, nonlinear transformation is operated on the histogram of an input image to reduce the distribution range of the image, and then linear stretch is used to expand the grey level to full permitted range. Experiments and comparison indicate that the presented method can improve the contrast and the definition with a little loss of information entropy and the enhanced results is rather fine than current main method of enhancement. Also, the presented method can be used to both panchromatic and colorful remotely sensed image.

histogram optimization; contrast stretch; definition enhancement; vision effect improvement; self-adaptive enhancement

2015-03-16

國家自然科學(xué)基金資助項目(41171090)

劉新顏, 女,新疆庫爾勒人,博士生,從事旅游信息科學(xué)研究。

TP753

A

10.16152/j.cnki.xdxbzr.2016-03-025