本發(fā)明涉及圖像處理領(lǐng)域，更具體地，涉及一種高光譜圖像的陰影檢測(cè)與光譜恢復(fù)的方法及裝置。

背景技術(shù)：

目前，高光譜圖像區(qū)別于傳統(tǒng)rgb圖像的關(guān)鍵在于成像波段范圍內(nèi)的光譜分辨率達(dá)到納米級(jí)，這使得本來(lái)在常規(guī)遙感中不能識(shí)別的地物，在高光譜遙感中就能得到有效的識(shí)別和定量反演。

然而，高光譜遙感定量反演中，高光譜圖像陰影的存在嚴(yán)重削弱了影像的空間和光學(xué)特征，直接影響定量反演的精度，因此如何去除陰影的影響，恢復(fù)高光譜圖像的空間和光譜信息是提高定量遙感反演的主要內(nèi)容之一。

目前關(guān)于圖像陰影的檢測(cè)與補(bǔ)償往往是基于rgb圖像的，這些算法也不能直接應(yīng)用于高光譜圖像的陰影檢測(cè)與圖像恢復(fù)。因此亟需研究發(fā)明一種新的技術(shù)用于實(shí)現(xiàn)高光譜圖像的陰影檢測(cè)與恢復(fù)。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明提供一種克服上述問(wèn)題或者至少部分地解決上述問(wèn)題的高光譜圖像的陰影檢測(cè)與光譜恢復(fù)的方法及裝置。

根據(jù)本發(fā)明的一個(gè)方面，提供一種高光譜圖像的陰影檢測(cè)與光譜恢復(fù)的方法，包括：

s1，基于預(yù)定義的生長(zhǎng)準(zhǔn)則，對(duì)高光譜圖像進(jìn)行陰影檢測(cè)，獲得陰影圖像g；

s2，基于所述陰影圖像g，利用腐蝕運(yùn)算和膨脹運(yùn)算獲取非緩沖區(qū)圖像gs與緩沖區(qū)圖像gbuffer；

s3，利用矩匹配法對(duì)所述非緩沖區(qū)圖像gs進(jìn)行光譜恢復(fù)，以及利用點(diǎn)擴(kuò)散函數(shù)法對(duì)所述緩沖區(qū)圖像gbuffer進(jìn)行光譜恢復(fù)。

根據(jù)本發(fā)明的另一個(gè)方面，還提供一種高光譜圖像的陰影檢測(cè)與光譜恢復(fù)的裝置，包括：

陰影檢測(cè)模塊，用于基于預(yù)定義的生長(zhǎng)準(zhǔn)則，對(duì)高光譜圖像進(jìn)行陰影檢測(cè)，獲得陰影圖像g；

緩沖區(qū)提取模塊，用于基于所述陰影圖像g，利用腐蝕運(yùn)算和膨脹運(yùn)算獲取非緩沖區(qū)圖像gs與緩沖區(qū)圖像gbuffer；

光譜恢復(fù)模塊，用于利用矩匹配法對(duì)所述非緩沖區(qū)圖像gs進(jìn)行光譜恢復(fù)，以及利用點(diǎn)擴(kuò)散函數(shù)法對(duì)所述緩沖區(qū)圖像gbuffer進(jìn)行光譜恢復(fù)。

本申請(qǐng)?zhí)岢鲆环N高光譜圖像的陰影檢測(cè)與光譜恢復(fù)的方法，根據(jù)高光譜圖像的特點(diǎn)定義了一種區(qū)域生長(zhǎng)準(zhǔn)則，選取合適的種子點(diǎn)對(duì)所述高光譜圖像進(jìn)行陰影檢測(cè)；根據(jù)陰影檢測(cè)的結(jié)果進(jìn)行腐蝕運(yùn)算和膨脹運(yùn)算，獲取非緩沖區(qū)即陰影區(qū)和緩沖區(qū)即光照區(qū)與陰影區(qū)的過(guò)渡帶；采用不同的方法分別對(duì)這兩種區(qū)域進(jìn)行光譜恢復(fù)，使陰影所覆蓋地物的空間和光譜信息得到更多的恢復(fù)，從而提高影像質(zhì)量，為后續(xù)的圖像處理提供更加有效輸入。

附圖說(shuō)明

圖1為本發(fā)明一種高光譜圖像的陰影檢測(cè)與光譜恢復(fù)的方法流程圖；

圖2為本發(fā)明實(shí)施例中8鄰域的鄰接性示意圖；

圖3為本發(fā)明實(shí)施例陰影區(qū)原始圖像與恢復(fù)后圖像對(duì)比示意圖；

圖4為本發(fā)明實(shí)施例陰影區(qū)原始圖像與恢復(fù)后圖像對(duì)比示意圖；

圖5為本發(fā)明實(shí)施例陰影區(qū)植被原始光譜曲線與恢復(fù)后光譜曲線對(duì)比示意圖。

具體實(shí)施方式

下面結(jié)合附圖和實(shí)施例，對(duì)本發(fā)明的具體實(shí)施方式作進(jìn)一步詳細(xì)描述。以下實(shí)施例用于說(shuō)明本發(fā)明，但不用來(lái)限制本發(fā)明的范圍。

如圖1所示，一種高光譜圖像的陰影檢測(cè)與光譜恢復(fù)的方法，包括：

s1，基于預(yù)定義的生長(zhǎng)準(zhǔn)則，對(duì)高光譜圖像進(jìn)行陰影檢測(cè)，獲得陰影圖像g；

s2，基于所述陰影圖像g，利用腐蝕運(yùn)算和膨脹運(yùn)算獲取非緩沖區(qū)圖像gs與緩沖區(qū)圖像gbuffer；

s3，利用矩匹配法對(duì)所述非緩沖區(qū)圖像gs進(jìn)行光譜恢復(fù)，以及利用點(diǎn)擴(kuò)散函數(shù)法對(duì)所述緩沖區(qū)圖像gbuffer進(jìn)行光譜恢復(fù)。

由于現(xiàn)有技術(shù)中，針對(duì)rgb圖像的圖像陰影的檢測(cè)與補(bǔ)償?shù)乃惴ú荒苤苯討?yīng)用于高光譜圖像的陰影檢測(cè)與圖像恢復(fù)中，本發(fā)明為解決這一問(wèn)題，提出一種高光譜圖像的陰影檢測(cè)與光譜恢復(fù)的方法，根據(jù)高光譜圖像的特點(diǎn)定義了一種區(qū)域生長(zhǎng)準(zhǔn)則，選取合適的種子點(diǎn)對(duì)所述高光譜圖像進(jìn)行陰影檢測(cè)；根據(jù)陰影檢測(cè)的結(jié)果進(jìn)行腐蝕運(yùn)算和膨脹運(yùn)算，獲取非緩沖區(qū)即陰影區(qū)和緩沖區(qū)即光照區(qū)與陰影區(qū)的過(guò)渡帶；采用不同的方法分別對(duì)這兩種區(qū)域進(jìn)行光譜恢復(fù)，使陰影所覆蓋地物的空間和光譜信息得到更多的恢復(fù)，從而提高影像質(zhì)量，為后續(xù)的圖像處理提供更加有效輸入。

具體的，s1中所述預(yù)定義的生長(zhǎng)準(zhǔn)則為：當(dāng)所述高光譜圖像的像元的模與種子點(diǎn)的模的差異小于等于預(yù)定閾值時(shí)，確定為陰影像元。

本發(fā)明利用區(qū)域生長(zhǎng)法進(jìn)行高光譜圖像陰影檢測(cè)，所述區(qū)域生長(zhǎng)法陰影檢測(cè)的基本原理是根據(jù)預(yù)先定義的生長(zhǎng)準(zhǔn)則，從一組“種子點(diǎn)”開(kāi)始，將滿足生長(zhǎng)準(zhǔn)則的相鄰像素或區(qū)域添加到該種子上來(lái)形成生長(zhǎng)區(qū)域，種子點(diǎn)和閾值的設(shè)置、8鄰域區(qū)域生長(zhǎng)和區(qū)域合并。

本發(fā)明中，假設(shè)高光譜圖像有n個(gè)波段，每個(gè)像元可視為n維空間中的一個(gè)點(diǎn)，則像元在n維空間中的模記為m，利用像元的模圖像進(jìn)行區(qū)域生長(zhǎng)陰影檢測(cè)。

生長(zhǎng)準(zhǔn)則的定義有多種方式，本發(fā)明所述預(yù)定義的生長(zhǎng)準(zhǔn)則為：像素的模與種子點(diǎn)的模的差異(d)小于等于預(yù)先設(shè)定的閾值(t)時(shí)，生成陰影檢測(cè)結(jié)果(即陰影圖像g，也即二值圖像)，陰影像元值為1，光照像元值為0。

作為一個(gè)可選的實(shí)施例，所述s1進(jìn)一步包括：

s1.1，在所述高光譜圖像上選擇若干個(gè)較大陰影區(qū)域的質(zhì)心點(diǎn)作為種子點(diǎn)，并設(shè)置所述預(yù)定閾值；

s1.2，獲取所述高光譜圖像中像元的模，并與種子點(diǎn)的模值進(jìn)行比較，二者差異小于等于所述預(yù)定閾值的像元為陰影像元；

s1.3，基于所述陰影像元，利用8鄰域區(qū)域生長(zhǎng)與合并算法進(jìn)行陰影區(qū)的識(shí)別與提取，獲得陰影圖像g。

本實(shí)施例，s1.1中根據(jù)區(qū)域生長(zhǎng)法選擇種子點(diǎn)并設(shè)置預(yù)定閾值。由于高光譜圖像的成像條件差異大，難以直接給出種子點(diǎn)的模值，需要在圖像上選擇若干個(gè)較大陰影區(qū)域的質(zhì)心點(diǎn)作為種子點(diǎn)。s1.2中根據(jù)預(yù)定義的生長(zhǎng)準(zhǔn)則獲取陰影像元，則需要先獲取高光譜圖像中像元的模，利用像元的模與種子點(diǎn)的模進(jìn)行比較，s1.2中所述二者差異是指所述高光譜圖像中像元的模與所述種子點(diǎn)的摸的差異，當(dāng)這二者的差異小于等于預(yù)定閾值時(shí)可確定為陰影像元。

確定陰影像元后，還需要進(jìn)一步利用8鄰域區(qū)域生長(zhǎng)與合并算法進(jìn)行陰影區(qū)的識(shí)別與提取，獲得陰影圖像g。其中，8鄰域的鄰接性如圖2中矩陣連接線所示。當(dāng)某像元與被生長(zhǎng)的區(qū)域的某個(gè)像元具有鄰接性，則該像元連接到被生長(zhǎng)區(qū)域。當(dāng)高光譜圖像中某個(gè)區(qū)域中至少有一個(gè)像元與被生長(zhǎng)區(qū)域內(nèi)某一像元具有鄰接性，則該區(qū)域合并到被生長(zhǎng)區(qū)域，s1.3對(duì)s1.2中獲取的陰影像元進(jìn)一步進(jìn)行8鄰域區(qū)域生長(zhǎng)與合并，獲得陰影圖像g。

作為一個(gè)可選的實(shí)施例，所述s2進(jìn)一步包括：

s2.1，利用m×m的結(jié)構(gòu)元素對(duì)所述陰影圖像g進(jìn)行掃描，對(duì)所述第一結(jié)構(gòu)元素及其所覆蓋的陰影圖像g做邏輯“與”運(yùn)算，獲得腐蝕結(jié)果ge；

s2.2，利用m×m的結(jié)構(gòu)元素對(duì)所述陰影圖像g進(jìn)行掃描，對(duì)所述結(jié)構(gòu)元素及其所覆蓋的陰影圖像g做邏輯“或”運(yùn)算，獲得膨脹結(jié)果gd；

s2.3，通過(guò)所述腐蝕結(jié)果ge直接獲得非緩沖區(qū)圖像gs，以及通過(guò)所述膨脹結(jié)果gd與所述腐蝕結(jié)果ge的差值獲得緩沖區(qū)圖像gbuffer。

本實(shí)施例對(duì)s1中獲取的陰影圖像g進(jìn)行精確識(shí)別，分出緩存區(qū)圖像gbuffer和非緩沖區(qū)圖像gs，其中所述非緩沖區(qū)圖像gs為陰影區(qū)，所述緩存區(qū)圖像gbuffer為陰影區(qū)與光照區(qū)的過(guò)渡帶。區(qū)分這兩個(gè)區(qū)域是為了后續(xù)的光譜恢復(fù)做準(zhǔn)備，以便對(duì)不同的區(qū)域采用不同的光譜恢復(fù)方法。

本實(shí)施例中，腐蝕后的結(jié)果為非緩沖區(qū)圖像，即陰影區(qū)，膨脹后的結(jié)果與腐蝕后的結(jié)果的差值為緩沖區(qū)圖像，即陰影區(qū)與光照區(qū)的過(guò)渡帶；可以通過(guò)下面的表示式獲得：

gs＝ge，

gbuffer＝gd-ge。

具體的，s2.1中所述結(jié)構(gòu)元素中m為奇數(shù)；優(yōu)選的，m為1、3、5或7等。在一次腐蝕運(yùn)算和膨脹運(yùn)算中，具體選用多大的矩陣結(jié)構(gòu)根據(jù)實(shí)際情況而定，本實(shí)施例對(duì)此不做限定。

作為一個(gè)可選的實(shí)施例，所述s3中，所述利用矩匹配法對(duì)所述非緩沖區(qū)圖像gs進(jìn)行光譜恢復(fù)進(jìn)一步包括：

逐波段統(tǒng)計(jì)所述非緩沖區(qū)圖像gs的陰影區(qū)均值rs與標(biāo)準(zhǔn)差δs，以及光照區(qū)均值rl與標(biāo)準(zhǔn)差δl；

利用下式分別對(duì)各波段圖像進(jìn)行光譜恢復(fù)：

其中，b*gs為陰影區(qū)像元的dn值或輻亮度值，badjusted為陰影區(qū)恢復(fù)后的像元值，rs為陰影區(qū)的均值，δs為陰影區(qū)的標(biāo)準(zhǔn)差，rl為光照區(qū)的均值，δl為光照區(qū)的標(biāo)準(zhǔn)差。

本實(shí)施例對(duì)非緩沖區(qū)圖像gs即陰影區(qū)進(jìn)行光譜恢復(fù)。假設(shè)高光譜某波段數(shù)據(jù)為b，非緩沖區(qū)陰影二值圖像為gs，光照區(qū)二值圖像為gl，i是所有元素值為1的矩陣。b、gs、gl、i為s×t大小的矩陣，則可以通過(guò)下面的公式獲得陰影區(qū)均值rs與標(biāo)準(zhǔn)差δs，以及光照區(qū)均值rl與標(biāo)準(zhǔn)差δl：

gl＝i-gs

最后利用下面的公式對(duì)該波段圖像進(jìn)行信息恢復(fù)。

作為一個(gè)可選的實(shí)施例，所述s3中，所述利用點(diǎn)擴(kuò)散函數(shù)法對(duì)所述緩沖區(qū)圖像gbuffer進(jìn)行光譜恢復(fù)包括：

利用高斯點(diǎn)擴(kuò)散函數(shù)依次對(duì)所述緩沖區(qū)圖像gbuffer中的每個(gè)像元進(jìn)行光譜恢復(fù)，所述高斯點(diǎn)擴(kuò)散函數(shù)如下：

其中，r為擴(kuò)散半徑，a由傳感器增益系統(tǒng)決定，i，j表示像元的行列坐標(biāo)。

本實(shí)施例對(duì)對(duì)緩沖區(qū)圖像gbuffer即陰影區(qū)與光照區(qū)的過(guò)渡帶進(jìn)行光譜恢復(fù)，如果緩沖區(qū)也采用矩匹配方法會(huì)導(dǎo)致緩沖區(qū)計(jì)算的像元值過(guò)高，在圖像上顯示為明顯的高亮度像元，因此這里需要對(duì)緩沖區(qū)進(jìn)行單獨(dú)處理。而點(diǎn)擴(kuò)散函數(shù)方法充分考慮了周圍像元對(duì)中心像元的影像，符合高光譜遙感的成像規(guī)律，因此本案里采用高斯點(diǎn)擴(kuò)散函數(shù)。

具體的，所述擴(kuò)散半徑r為3、5或7。通常在遙感數(shù)據(jù)處理中將數(shù)字信號(hào)轉(zhuǎn)換為輻射值時(shí)已經(jīng)考慮了系統(tǒng)的增益，因此可以使a＝1。

本發(fā)明對(duì)高光譜圖像的光譜恢復(fù)效果示意圖如圖3和圖4所示，圖5為本發(fā)明實(shí)施例陰影區(qū)植被原始光譜曲線與恢復(fù)后光譜曲線對(duì)比示意圖。

作為一個(gè)可選的實(shí)施例，所述s1.2進(jìn)一步包括：

s1.2.1，基于所述高光譜圖像的像元的光譜，利用下式獲取所述像元的模：

所述像元的光譜為：p＝[xi，j，1，xi，j，2，……xi，j，n]，

所述像元的模為：

其中，i，j為像元的行列坐標(biāo)，n為所述高光譜圖像的波段數(shù)，xi，j，1，xi，j，2，……xi，j，n為所述像元每個(gè)波段對(duì)應(yīng)的dn值，mi，j，p為像元的模；

s1.2.2，利用下式獲得閾值比較結(jié)果：

其中，

di，j＝abs(mi，j，p-mp，s)，

ti，j＝di，j*k，

t為閾值，mp，s為種子點(diǎn)的模，k為系數(shù)；g為判斷結(jié)果，若g＝1滿足生長(zhǎng)準(zhǔn)則，所述像元屬于陰影，否則所述像元屬于光照區(qū)域。

本實(shí)施例給出了高光譜圖像的像元光譜表達(dá)式及像元的模的表達(dá)式，從而奠定了所述預(yù)定義的生長(zhǎng)準(zhǔn)則的基礎(chǔ)；根據(jù)所定義的表達(dá)式依次獲取所述高光譜圖像中各個(gè)像元的模，利用預(yù)定義的生長(zhǎng)準(zhǔn)則進(jìn)行比較，通過(guò)s1.2.2中的表達(dá)式獲得比較結(jié)果，即獲取陰影像元。

本發(fā)明還提供一種高光譜圖像的陰影檢測(cè)與光譜恢復(fù)的裝置，包括：

陰影檢測(cè)模塊，用于基于預(yù)定義的生長(zhǎng)準(zhǔn)則，對(duì)高光譜圖像進(jìn)行陰影檢測(cè)，獲得陰影圖像g；

緩沖區(qū)提取模塊，用于基于所述陰影圖像g，利用腐蝕運(yùn)算和膨脹運(yùn)算獲取非緩沖區(qū)圖像gs與緩沖區(qū)圖像gbuffer；

光譜恢復(fù)模塊，用于利用矩匹配法對(duì)所述非緩沖區(qū)圖像gs進(jìn)行光譜恢復(fù)，以及利用點(diǎn)擴(kuò)散函數(shù)法對(duì)所述緩沖區(qū)圖像gbuffer進(jìn)行光譜恢復(fù)。

本發(fā)明通過(guò)高光譜圖像陰影檢測(cè)、緩沖區(qū)設(shè)置與提取、非緩沖區(qū)陰影圖像與光譜信息恢復(fù)、緩沖區(qū)陰影圖像與光譜信息恢復(fù)，能夠?qū)崿F(xiàn)高光譜圖像的陰影檢測(cè)、陰影去圖像空間和光譜信息的恢復(fù)，數(shù)據(jù)處理結(jié)果使陰影所覆蓋地物的空間和光譜信息得到更多的恢復(fù)，從而提高影像質(zhì)量，可用于高光譜遙感的定量分析，解決了現(xiàn)有技術(shù)中陰影檢測(cè)與恢復(fù)算法不能應(yīng)用于高光譜圖像的問(wèn)題，具有良好的應(yīng)用前景。

最后，本申請(qǐng)的方法僅為較佳的實(shí)施方案，并非用于限定本發(fā)明的保護(hù)范圍。凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。