融合改進暗通道和Retinex 的遙感影像去霧增強算法

楊顯瓊，秦榮波

（1.長安大學 地球科學與資源學院，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的發展，遙感技術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，導致影像飽和度低，色彩失真，細節模糊等問題。直接影響影像目視解譯、光譜分析、特征提取等后續工作。

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

2 改進暗通道去霧方法

暗通道先驗規律與大氣散射模型相結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無霧的自然圖像的統計方法開發的，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，經統計對比發現，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]的暗通道先驗規律的兩側減去一個C 項，將改進的暗通道定義為：

式中C 是從無霧遙感影像的統計量中得出的，（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 算法對復原后影像進行增強，是為了減少因透射率的錯誤估算而可能導致的同物異譜的問題。使增強后的影像更加符合人類視覺特性，影像細節更加明顯。單尺度Retinex 算法影像增強的原理是：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。

4 實驗結果與分析

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據源，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行去霧處理，同時進行實驗結果的對比分析。由圖1 可知：改進暗通道算法與He 算法均為影像復原方法，相比較而言，改進暗通道算法對濃霧區的去霧效果更為明顯，改善了傳統暗通道先驗規律去霧后影像亮度偏暗的問題；直方圖均衡化算法與SSR 算法均為影像增強方法，相比較而言，直方圖均衡化算法去霧效果較差，且出現白色光暈現象；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暗通道和Retinex 的遙感影像去霧增強算法，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，地物細節、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、信息熵等四個指標對5 種算法進行比較。影像質量評價指標的客觀評價數據如表1 所示。

平均梯度（Average gradient），該指標反映影像的清晰度、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，說明影像質量越好。改進暗通道算法的MSE 值相較He 算法要小，說明改進通道算法的去霧效果在傳統暗通道先驗規律的基礎上有所改善，能夠有效的應用于遙感影像。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，影像質量較好。改進暗通道算法的PSNR 值相較He 算法要大，表明改進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節，便于后期的目視解譯處理。通過實驗結果對比分析發現，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。

表1 客觀評價數據

5 結論

綜上所述，雖然影像復原和影像增強是影像處理中兩種不同的研究方向，但都是以提高影像質量為最終目的，因此兩者是交織并存的。影像去霧增強就是這兩種技術的交叉產物，既能達到有效的去霧處理，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暗通道和Retinex 的遙感影像去霧增強算法。該算法改善了傳統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，地物細節更加明顯，更加符合人眼視覺特性。通過對遙感影像進行去霧預處理，從而實現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遙感的影響。有利于影像后續的目視解譯、識別分類以及地物提取等工作的順利進行，能夠很好的滿足實際的應用需求。通過主觀評價和平均梯度、均方誤差、峰值信噪比、信息熵等影像質量評價指標驗證了本文算法的有效性和可行性。