基于波段權(quán)重的多尺度Retinex遙感圖像漸暈校正方法

鮑一丹，李藝健，何 勇，朱姜蓬，萬 亮，岑海燕

基于波段權(quán)重的多尺度Retinex遙感圖像漸暈校正方法

鮑一丹，李藝健，何 勇，朱姜蓬，萬 亮，岑海燕※

（浙江大學(xué)生物系統(tǒng)工程與食品科學(xué)學(xué)院，杭州 310058；農(nóng)業(yè)農(nóng)村部光譜檢測(cè)重點(diǎn)實(shí)驗(yàn)室，杭州 310058；浙江大學(xué)現(xiàn)代光學(xué)儀器國(guó)家重點(diǎn)實(shí)驗(yàn)室，杭州 310027）

針對(duì)傳統(tǒng)函數(shù)逼近法存在的校正質(zhì)量不穩(wěn)定、耗時(shí)長(zhǎng)以及Retinex算法存在的光暈、泛灰和光譜數(shù)據(jù)失真的問題，該文提出了一種帶光譜恢復(fù)的多尺度Retinex漸暈校正方法。通過對(duì)無人機(jī)遙感圖像全局亮度的估計(jì)以及光譜恢復(fù)因子的引入，實(shí)現(xiàn)無人機(jī)遙感光譜圖像的漸暈校正。利用該文方法對(duì)遙感圖像進(jìn)行處理，并與基于高斯曲面的函數(shù)逼近法和多尺度Retinex算法結(jié)果進(jìn)行對(duì)比，依據(jù)灰度分布情況、標(biāo)準(zhǔn)差、平均梯度、清晰度、光譜相關(guān)系數(shù)以及光譜角指標(biāo)進(jìn)行評(píng)價(jià)分析。試驗(yàn)結(jié)果表明，該文提出的方法可以取得較好的漸暈校正效果，結(jié)果不存在光暈、泛灰現(xiàn)象，結(jié)果的平均梯度和清晰度均值分別為0.077 4和49.33，相較原始圖像和函數(shù)逼近法以及多尺度Retinex算法處理結(jié)果，平均梯度分別提高了5.94%、5.56%和4.78%，清晰度分別提高了8.94%、6.79%和6.63%，該文方法校正圖像的對(duì)比度和清晰度更優(yōu)，方法具有較好的漸暈校正效果。

遙感；圖像處理；Retinex理論；光譜恢復(fù)；漸暈校正

0 引 言

智慧農(nóng)業(yè)通過先進(jìn)的數(shù)據(jù)采集技術(shù)和網(wǎng)絡(luò)通信技術(shù)等實(shí)現(xiàn)在整個(gè)農(nóng)業(yè)生產(chǎn)和加工過程中的自動(dòng)化生產(chǎn)[1]。其中，光譜和成像技術(shù)能夠快速無損獲取作物養(yǎng)分生理信息，并能有效地對(duì)作物長(zhǎng)勢(shì)和逆境脅迫響應(yīng)進(jìn)行動(dòng)態(tài)監(jiān)測(cè)，對(duì)實(shí)現(xiàn)農(nóng)業(yè)的精準(zhǔn)化、數(shù)字化、信息化及智能化管理和作業(yè)具有重要意義[2]。隨著無人機(jī)及小型光譜相機(jī)技術(shù)的發(fā)展，利用無人機(jī)搭載光譜成像設(shè)備獲取作物表型信息成為可能[3]。無人機(jī)近地遙感能夠快速、高通量地獲取大田作物信息。相比衛(wèi)星遙感，具有分辨率高、運(yùn)行周期、受天氣狀況影響小等優(yōu)點(diǎn)[4-5]，成為近年來的研究熱點(diǎn)。

無人機(jī)受到續(xù)航時(shí)間等限制，其搭載的光譜相機(jī)需要進(jìn)行微型化設(shè)置，導(dǎo)致鏡頭光通路受限，在成像時(shí)出現(xiàn)漸暈現(xiàn)象，即影像灰度分布出現(xiàn)中間亮，邊緣暗的情況[6]。通常光譜相機(jī)傳感器感光范圍寬，采集的光譜數(shù)據(jù)易受到二次諧波的影響，為了消除這一影響，光譜相機(jī)通常需要外加濾光片，導(dǎo)致光譜圖像的漸暈現(xiàn)象更加嚴(yán)重[7]，最終影響光譜成像數(shù)據(jù)的質(zhì)量和后期圖像拼接、特征提取、目標(biāo)檢測(cè)以及分類識(shí)別等結(jié)果[8]。

傳統(tǒng)的漸暈校正方法可以分為以下2類：查表法（look-up-table，LUT）和函數(shù)逼近法（function approximation method，F(xiàn)AM）[9]。查表法是在適當(dāng)理想的條件下采集標(biāo)準(zhǔn)圖像并獲得各個(gè)像素的衰減因子，得出各像素相應(yīng)的校正因子表，然后對(duì)圖像的對(duì)應(yīng)像素點(diǎn)進(jìn)行校正[10]。函數(shù)逼近法通過選擇合適的函數(shù)來擬合圖像中灰度值變化，以尋求一種可以解釋漸暈圖像灰度變化的漸暈?zāi)Ｐ?，根?jù)這一模型來得到各像素點(diǎn)的校正因子[11]。查表法需要特定的均勻光照條件及其他理想條件，在工程實(shí)現(xiàn)上較難。函數(shù)逼近法假定一個(gè)特定的漸暈?zāi)Ｐ?，不同圖像的特征會(huì)影響函數(shù)的擬合結(jié)果，導(dǎo)致圖像的校正質(zhì)量不穩(wěn)定[12]，且函數(shù)逼近法屬于迭代優(yōu)化算法，耗時(shí)較長(zhǎng)。

因此，為了得到更好的去漸暈效果以及更高的效率，需要尋找一種新的思路來去除遙感圖像中因漸暈導(dǎo)致的亮度不均勻現(xiàn)象。Retinex圖像增強(qiáng)算法被廣泛應(yīng)用于圖像去霧領(lǐng)域，近年來部分學(xué)者將其引入影像灰度不均勻修復(fù)領(lǐng)域[13]。如Li等[14]將多分辨率變分Retinex模型引入遙感影像處理，實(shí)現(xiàn)遙感圖像的亮度不均勻性校正。Kwok等[13]將單尺度Retinex算法改進(jìn)為邊緣提取算法，并通過非線性強(qiáng)度映射實(shí)現(xiàn)了低照度圖像的恢復(fù)。

Retinex理論可以修復(fù)圖像灰度不均勻的現(xiàn)象，但也存在一定局限性。基于以上思想，本文將其引入遙感圖像的漸暈校正方法并進(jìn)行改進(jìn)，從而實(shí)現(xiàn)圖像較好的漸暈校正效果。

1 數(shù)據(jù)與方法

1.1 低空遙感圖像的獲取

低空遙感圖像由八旋翼電動(dòng)無人機(jī)搭載的XIMEA xiQ系列 CMV2K-SSM5×5型多光譜工業(yè)相機(jī)（IMEC，Leuven，Belgium）采集，飛行高度為25m，飛行速度為2.5 m/s。該多光譜相機(jī)為基于Fabry-Pérot結(jié)構(gòu)的mosaic型光譜相機(jī)，單幀成像可采集25個(gè)波段（600～1 000 nm）的光譜圖像，單波段圖像分辨率為409×216像素，圖像位深為10 bits。

采集的遙感圖像所覆蓋區(qū)域?yàn)檎憬≈T暨市安華鎮(zhèn)三聯(lián)村糧食功能產(chǎn)區(qū)（120°6′7.99″E，29°30′55.52″N），種植作物為水稻，采集面積為6 667 m2。圖像采集的時(shí)間為2017年8月27日上午09:31-09:40，環(huán)境照度變化范圍為60 000~80 000 lx。一個(gè)架次共計(jì)200張多光譜圖像，每幅圖像均存在明顯的漸暈效應(yīng)。

1.2 帶光譜恢復(fù)的Retinex漸暈校正方法

1.2.1 Retinex理論

Edwin Land和McCann提出了以人類視覺系統(tǒng)對(duì)亮度和顏色感知模型為依據(jù)的Retinex理論[15]。Retinex理論假設(shè)圖像I由2部分組成：亮度分量和反射分量，二者的乘積即為圖像本身[16]。其基本理論模型如式（1）所示。

式中(,)為圖像中像素點(diǎn)的坐標(biāo)。反射分量描述了物體的輻射度和空間屬性，而亮度分量是圖像中漸暈效應(yīng)或其他亮度變化的原因[14]，去除亮度分量L可以實(shí)現(xiàn)對(duì)圖像中亮度不均勻的校正。

1.2.2 Retinex算法

根據(jù)Retinex理論，Retinex算法要解決的核心問題是對(duì)原圖像的亮度分量和反射分量進(jìn)行估算[17]。目前Retinex算法主要發(fā)展出了以下4種：基于路徑比較、基于迭代、基于中心/環(huán)繞和基于可變框架模型的Retinex算法[18-19]。在這4類算法中，基于中心/環(huán)繞的Retinex算法運(yùn)算過程更加簡(jiǎn)單，算法效率更高且效果表現(xiàn)更好[14]，因此單尺度Retinex算法（single scale retinex，SSR）、多尺度Retinex算法（multi-scale retinex，MSR）等基于中心/環(huán)繞的Retinex算法應(yīng)用更多。

Jobson等[20]認(rèn)為亮度分量為圖像中變化緩慢的部分，可以由環(huán)繞函數(shù)和相應(yīng)通道的亮度分量進(jìn)行卷積得到(,)分量。常用的環(huán)繞函數(shù)為高斯函數(shù)[21]，采用式（2）計(jì)算。

多尺度Retinex算法是在估計(jì)圖像亮度分量時(shí)計(jì)算多個(gè)尺度的SSR并進(jìn)行加權(quán)平均來實(shí)現(xiàn)的，其數(shù)學(xué)模型見式（3）。

式中表示尺度數(shù)目，σ表示第個(gè)尺度參數(shù)，ω為第個(gè)尺度參數(shù)的權(quán)重。

1.2.3 帶光譜校正的Retinex漸暈校正方法

基于中心/環(huán)繞的Retinex算法存在的最主要2個(gè)缺點(diǎn)[14]是：1）產(chǎn)生光暈效應(yīng)；2）不同通道的圖像灰度相關(guān)性損失，即圖像光譜信息失真。基于中心/環(huán)繞的Retinex理論假設(shè)亮度分量是平滑的，而實(shí)際在明暗突變過渡區(qū)域并非如此，這導(dǎo)致在過渡區(qū)亮度分量估計(jì)錯(cuò)誤而產(chǎn)生光暈現(xiàn)象。圖像光譜信息失真的原因是每個(gè)通道的圖像各自估計(jì)亮度分量，而沒有考慮各通道之間的相關(guān)性[14]。

為了解決以上2個(gè)缺點(diǎn)，本文提出一種帶光譜恢復(fù)的多尺度Retinex（multi-scale retinex with spectrum restoration，MSRSR）漸暈校正方法，其偽代碼及流程示意圖分別如表1和圖1所示。

表1 帶光譜恢復(fù)的多尺度Retinex（MSRSR）方法偽代碼

由于漸暈現(xiàn)象中圖像呈現(xiàn)整體亮度由中心向四周遞減的現(xiàn)象，且這一變化是平滑的，而使用SSR或MSR算法提取的亮度分量會(huì)受到物體邊緣信息和明暗突變區(qū)域的影響，這導(dǎo)致提出來的亮度分量并不符合漸暈效應(yīng)中圖像亮度平滑的變化規(guī)律。為解決這一問題，本文基于一個(gè)架次所有飛行圖像的平均圖像提取僅與漸暈效應(yīng)和環(huán)境亮度相關(guān)的全局亮度分量，這一亮度分量符合漸暈現(xiàn)象中亮度由中心向四周平滑遞減的規(guī)律。基于以上思想，為了提取造成漸暈現(xiàn)象的亮度變化分量，用集合描述一個(gè)架次飛行獲取的張遙感圖像，見式（4）。

各個(gè)波段的平均圖像meanband計(jì)算如式（5）。