一種復(fù)合域臺(tái)風(fēng)云圖增強(qiáng)算法分析

基金項(xiàng)目：南通市科技局項(xiàng)目；項(xiàng)目名稱：基于變分優(yōu)化和生成對抗網(wǎng)絡(luò)的遙感圖像pansharpening融合方法研究；項(xiàng)目編號：JCZ2022097。

作者簡介：郭彭浩（1995— ），男，助教，碩士；研究方向：計(jì)算機(jī)視覺，人工智能。

摘要：臺(tái)風(fēng)云圖增強(qiáng)是通過增加圖像的對比度和色彩，增加臺(tái)風(fēng)的可視化，為后續(xù)預(yù)測路徑和圖像分割提供準(zhǔn)確的圖像。文章提出一種有效的增強(qiáng)臺(tái)風(fēng)云圖對比度的方法，首先對輸入圖像進(jìn)行反相操作和梯度處理，獲取梯度域和取反的圖像信息，增加臺(tái)風(fēng)云圖的細(xì)節(jié)信息；其次，使用一個(gè)簡單有效改進(jìn)直方圖的模型來生成分布函數(shù)，增強(qiáng)圖像的對比度；最后，通過對增強(qiáng)后的圖像進(jìn)行融合，得到最終的增強(qiáng)臺(tái)風(fēng)云圖。與幾種增強(qiáng)方法相比，文章提出的方法獲得了更好的主觀結(jié)果和客觀評價(jià)。

關(guān)鍵詞：臺(tái)風(fēng)云圖；對比度增強(qiáng)；圖像逆處理；梯度域處理

中圖分類號：TP312" 文獻(xiàn)標(biāo)志碼：A

0" 引言

高質(zhì)量的臺(tái)風(fēng)云圖是實(shí)時(shí)臺(tái)風(fēng)預(yù)報(bào)的必要條件。但在復(fù)雜大氣條件下，臺(tái)風(fēng)云圖對比度低，細(xì)節(jié)丟失較多。對比度是從臺(tái)風(fēng)云圖中分割螺旋云帶的重要質(zhì)量因素，為了更好的信息表示和更舒適的視覺，需要對臺(tái)風(fēng)云圖進(jìn)行對比度增強(qiáng)。為了獲得高質(zhì)量的臺(tái)風(fēng)云圖像，人們開發(fā)了很多對比度增強(qiáng)方法，主要可以分為2大類：基于空間域的方法和基于變換域的方法。空間域方法直接改變圖像相鄰單元的灰度值。直方圖均衡化（Histogram Equalization，HE）［1］采用非線性拉伸來平衡直方圖，在圖像增強(qiáng)方面是有效的，但是當(dāng)輸入圖像的直方圖存在峰值時(shí)，這種方法可能會(huì)導(dǎo)致增強(qiáng)后的圖像出現(xiàn)飽和偽影和過度增強(qiáng)。變換域方法是在變換域中對圖像進(jìn)行增強(qiáng)，然后將增強(qiáng)的結(jié)果反變換到空間域中。Karantzalos等［2］把各向異性擴(kuò)散處理和交替順序?yàn)V波相結(jié)合，增強(qiáng)臺(tái)風(fēng)云圖平滑和對比度。

本文提出了一種增強(qiáng)臺(tái)風(fēng)云圖對比度和細(xì)節(jié)的方法，與以往的臺(tái)風(fēng)圖像增強(qiáng)方法相比，本文方法具有以下優(yōu)勢：（1）對臺(tái)風(fēng)圖像進(jìn)行反演，從明亮的云層中獲得較暗的區(qū)域，在增強(qiáng)云層較暗的區(qū)域，較少圖像的過度增強(qiáng)；（2）對臺(tái)風(fēng)云圖進(jìn)行梯度處理，從梯度域獲取圖像的細(xì)節(jié)信息，減少臺(tái)風(fēng)云圖在增強(qiáng)過程中的細(xì)節(jié)損耗；（3）采用包含sigmoid函數(shù)的正則化直方圖均衡化算法對反演圖像和梯度域圖像進(jìn)行處理，可以避免過度增強(qiáng)和飽和偽影，保證了較快的增強(qiáng)速度和明顯的增強(qiáng)效果。

1" 算法

本文算法分別使用取反算子和梯度算子得到原始圖像的取反圖像和梯度域圖像，然后對取反和梯度域圖像進(jìn)行增強(qiáng)。增強(qiáng)算法是修改的對比度增強(qiáng)算法，將增強(qiáng)后的梯度域和取反圖像進(jìn)行融合，得到最終的融合圖像。流程如圖1所示。

圖像取反算子定義如下：

Y=255-X（1）

其中，X 為輸入圖像，Y 為逆圖像。水平梯度算子是［1：，：-1］，垂直梯度算子是［：1，-1：］。

本文采用改進(jìn)的對比度增強(qiáng)算法對取反圖像和梯度域圖像進(jìn)行增強(qiáng)，該算法使用新的分布函數(shù)減少輸出圖像的過增和偽影，公式如下：

Yi=F（ymax-ymin）+ymin（2）

其中，Yi表示增強(qiáng)后的圖像，F(xiàn)表示累積分布函數(shù)，ymin=0，ymax=2N-1，N為輸入圖像的像素深度。F是分布函數(shù)累積結(jié)果，公式如下：

F=∑Kt=1f（t）（3）

其中，K是輸入圖像的像素?cái)?shù)量，f（t）是分布函數(shù)f（k）的歸一化，公式如下：

f（k）←f（k）/∑Kt=1f（t）（4）

圖1" 本文算法流程

其中，k = 1，…，K，分布函數(shù)f（k）公式如下：

f（k）=h（k）+s（k）（5）

h（k）表示歸一化的輸入直方圖，s（k）表示修正后sigmoid函數(shù)，具有平滑及壓縮特性，可有效避免過度增強(qiáng)和飽和偽影問題，表達(dá)式為：

s（k）=11+e-（k-1）-25（6）

圖像融合，本文采用拉普拉斯融合算法對三者進(jìn)行融合，具體過程如圖2所示，先將增強(qiáng)后的梯度域水平和豎直圖像相加，然后與取反增強(qiáng)的圖像進(jìn)行融合。公式如下：

O=0.1（Ye_h+Ye_v）+0.9Ye_o（7）

其中，Ye_h、Ye_v分別是增強(qiáng)后的梯度域圖像，Ye_o是二次取反后的增強(qiáng)圖像，O是融合后的增強(qiáng)圖像。

2" 實(shí)驗(yàn)

本文使用4種對比算法，具體如下：HE、CLAHE［3］、DWT-SVD［4］、微光圖像增強(qiáng)（LIME）［5］，使用2個(gè)定量指標(biāo)來評估不同方法的增強(qiáng)性能：離散熵（Discrete Entropy，DE）和平均梯度（Mean Gradient，MG）。DE表示圖像的組合特性，DE值越高圖像信息越豐富。MG反映細(xì)節(jié)對比度和紋理變化特征，MG值越高表示算法的增強(qiáng)效果越好。測試數(shù)據(jù)集來自 http：//www.agora.ex.nii.ac.jp /digital-typhoon/。

輸入圖像如圖3（a）所示，它們成像效果不清晰，對比度低，不利于后續(xù)的圖像分割和路徑規(guī)劃。如圖3（b）所示，HE算法增強(qiáng)臺(tái)風(fēng)云圖的對比度效果很好，但是對部分云層存在過度增強(qiáng)，不符合圖像增強(qiáng)的結(jié)果。如圖3（c）所示，CLAHE算法可以避免過度增強(qiáng)，獲得更多的細(xì)節(jié)，但增強(qiáng)圖像中出現(xiàn)較多的偽影，細(xì)節(jié)的視覺效果不如本文提出的方法。在圖3（d）中，LIME成功增強(qiáng)了臺(tái)風(fēng)圖像的全局信息，但該方法忽略了圖像高頻部分，丟失大量細(xì)節(jié)信息。如圖3（e）所示，DWT- SVD可以獲得更多的高頻信息，但是會(huì)引入一些噪聲。如圖 3（f）所示，與其他對比算法相比，本文的方法在增強(qiáng)對比度和保留局部細(xì)節(jié)方面取得了更好的結(jié)果。

表1采用30張大小為 512×512 的臺(tái)風(fēng)圖像作為實(shí)驗(yàn)對象，使用DE和MG作為增強(qiáng)圖像的評價(jià)指標(biāo)，顯示結(jié)果是30張圖像的平均值，其中用加粗文字效果表示最好的結(jié)果，用下劃線效果表示第二好的結(jié)果。如表1所示，本文提出的方法在客觀評估方面優(yōu)于其他競爭方法。

3" 結(jié)語

本文提出了一種新的臺(tái)風(fēng)云圖的增強(qiáng)方法。首先對輸入圖像進(jìn)行反向處理和梯度化，獲得臺(tái)風(fēng)云圖的更多細(xì)節(jié)；然后采用正則化直方圖均衡化方法對它們進(jìn)行增強(qiáng)，避免過度增強(qiáng)和飽和偽影。最終的主客觀結(jié)果表明，該方法可以減少偽影，獲得高對比度和更多細(xì)節(jié)的增強(qiáng)圖像。

參考文獻(xiàn)

［1］PLATANIOTIS K N， VENETSANOPOULOS A N. Color image processing and applications［J］. Springer Science amp; Business Media， 2001（12）：2.

［2］KARANTZALOS K G. Combining anisotropic diffusion and alternating sequential filtering for satellite image enhancement and smoothing［J］.Proceedings of Spie the International Society for Optical Engineering， 2004（5238）：461-468.

［3］ZHANG C J， WANG X D. Typhoon cloud image enhancement and reducing speckle with genetic algorithm in stationary wavelet domain［J］.IET Image Processing，2009（4）： 200-216.

［4］DEMIREL H， OZCINAR C， ANBARJAFARI G. Satellite image contrast enhancement using discrete wavelet transform and singular value decomposition［J］. IEEE Geoscience and Remote Sensing Letters， 2010（2）： 333-337.

［5］GUO X J. LIME：a method for low-light image enhancement［C］.Amsterdam： MM’16： ACM Multimedia Conference，Association for Computing Machinery， 2016： 87-91.

（編輯" 王雪芬）

Analysis of a composite domain typhoon cloud map enhancement algorithm

Guo" Penghao， Chen" Feifei

（School of Computer and Information， Nantong Institute of Technology， Nantong 226001， China）

Abstract：" Typhoon cloud map enhancement is to increase the visualization of typhoon by increasing the contrast and color of images， to provide accurate image for the subsequent prediction path and image segmentation. This paper proposes an effective method to enhance the contrast of typhoon cloud map， first， the input image for reverse phase operation and gradient processing， obtain the gradient domain and reverse image information， increase the detail information of the typhoon cloud map; then use a simple and effective improvement model to generate the distribution function， enhance the contrast of the image; through the enhanced image fusion， to obtain the final enhanced typhoon cloud map. The proposed method achieves better subjective results and objective evaluation than several enhancement methods.

Key words： typhoon cloud map; contrast enhancement; image inverse processing; gradient domain processing