本發(fā)明涉及遙感探測技術和計算機圖像處理計算，尤其涉及一種利用圖像處理獲取遙感圖像云霧信息的探測方法。
背景技術：
：在當今社會中霧霾和PM2.5污染是中國絕大部分城市區(qū)域的重點治理問題。然而各個城市采用了種種減排措施，包括汽車單雙號限行，減少碳排放等，然而整體的大氣質量并沒有隨之改變。而究其原因就是在大氣污染治理過程中的監(jiān)測和執(zhí)法力度不夠。通常對于霧霾等大氣污染的檢測，往往采用地面監(jiān)測點的連續(xù)觀測來進行監(jiān)測。然而大氣成分特性等存在豐富的動態(tài)特性，光光靠幾個監(jiān)測點的數(shù)據(jù)，很難掌握大范圍的空氣污染的詳細情況和空間分布特性。同時大氣流動也會導致，連續(xù)觀測的數(shù)據(jù)受周邊環(huán)境污染的可能，從而使得監(jiān)測難以確定空氣污染源的準確位置。因此如何有效地掌握大氣污染源的位置和強度，并對不同城市的霧霾成因進行分析，是當前社會環(huán)境監(jiān)測的重要需求。技術實現(xiàn)要素：本發(fā)明要解決的技術問題是提供一種技術手段，針對一定天氣條件的高分辨率衛(wèi)星圖像，獲取其相應的高分辨率的大氣云霧強度和空間分布信息。為解決上述技術問題，本發(fā)明采用的技術方案為：一種遙感圖像的云霧信息探測技術，其實施步驟如下：(1)輸入一張遙感圖像，利用低通濾波器和導向濾波器獲取粗糙云霧估計圖。(2)利用暗原色先驗獲取圖像場景的粗糙透過率圖和場景的大氣天光值，基于該粗糙透過率結合步驟(1)中估計的粗糙云霧估計圖，利用導向濾波器獲取精細透過率圖。(3)基于步驟(1)中濾波處理后的輸入圖和步驟(2)中得到的精細透過率值和天光值，根據(jù)大氣多次散射圖像模型可以計算出恢復圖像的同時，也能夠提起出模型中的大氣分量將該分量同步驟(1)中獲取的粗糙云霧估計信息疊加，就是從遙感圖像提取出來的云霧空間強度分布信息。(4)依據(jù)遙感圖像場景中地面觀測點得到的觀測數(shù)據(jù)和步驟(3)中獲取的云霧空間強度分布圖中對應點的數(shù)值，利用對數(shù)函數(shù)進行數(shù)據(jù)擬合，從而獲取實際場景所需探測物理量和云霧空間強度分布信息之間的映射關系，實現(xiàn)云霧大氣信息的定量化測量。進一步地，所述步驟(1)中的詳細步驟包括：a)輸入一張遙感圖像，對其進行傅里葉變換，獲取其頻譜圖，同時構建以下低通濾波器對圖像進行濾波處理：式中H(u,v)是濾波器函數(shù)，u，v是頻率坐標，σ0是截止頻率。濾波輸出的非均勻云霧背景如下：其中Bcloud是輸入圖像的低頻信息，I是輸入圖像，和分別是傅里葉變換和傅里葉反變換兩個運算符。b)對初步估計的云霧分布信息圖像進行對比度擴展，其相應的調整公式如下：其中是調整公式的閾值，max(Bcloud)和min(Bcloud)分別是初步估計的非均勻云層背景圖像的最大值和最小值，而k1，k2和λ是調整公式的參量。并對其進行零頻補償，獲取最終的初步的估計大氣云霧分布信息，其補償公式如下：B′cloud＝Bcloud-offset(4)其中offset是零頻補償?shù)难a償常量，然后利用輸入圖像作為引導圖，利用導向濾波器對獲得的大氣云霧分布圖進行處理，獲取一個保邊平滑的初步云霧空間分布估計圖。c)從輸入圖像中去除初步估計的大氣云霧分布信息：I'(x,y)＝I(x,y)-B′cloud(x,y)(5)利用得到的圖像在接下來的處理中進一步優(yōu)化大氣云霧分布信息提取結果。進一步地，所述步驟(2)中的詳細步驟包括：a)依據(jù)暗原色先驗知識提取步驟1中最后得到的圖像的暗通道：其中Idark為獲取的圖像暗通道，Ic表示圖像的各顏色通道分量，Ω(x)表示以x像素位置為中心的局部鄰域。b)從上述的圖像暗通道中提取部分前0.1％最亮區(qū)域像素，計算該區(qū)域各通道的像素均值作為天光值A。c)根據(jù)暗原色通道的性質對于無霧區(qū)域其值接近于0。因此圖像初始透過率計算如下：其中t'為計算得到的初始透過率，ω是常數(shù)系數(shù)，Ac為天光值的通道分量。d)利用步驟(1)中計算的初步云霧空間分布估計圖作為引導圖，利用導向濾波器對得到的初始透過率，進行精細化優(yōu)化獲取精細高分辨的場景透過率圖。進一步地，所述步驟(3)中根據(jù)大氣多次散射模型，其形式如下：其中I為輸入圖像減去初步云霧分布估計后的圖像，A和t為步驟2中獲得的天光值和透過率圖像。APSFo和APSFa分別是大氣點擴散函數(shù)和天光點擴散函數(shù)，利用廣義的高斯分布來進行求解，其形式如下：其中x,y為圖像坐標位置，Γ(.)是伽馬函數(shù)，p和σ為和大氣參量，分別計算如下：p＝kT(10)式中T為大氣光學厚度，依據(jù)透過率和大氣光學厚度關系t＝e-T解算而出，k是參數(shù)常量，q為前向散射因子，是一個同天氣條件相關的常量。對于大氣點擴散函數(shù)來說其光學厚度值為-log(t)，對于天光點擴散函數(shù)來說其光學厚度值為-log(1-t)。所以我們可以計算出模型中的大氣分量：最終結合步驟1中獲取的初步大氣分布信息，我們可以獲取最終的大氣云霧分布信息圖：B″′cloud＝B′cloud+B″cloud(13)進一步地，所述步驟(4)中根據(jù)輸入遙感圖像，根據(jù)其場景成像范圍，獲取相應地面觀測點在遙感圖像成像期間實際大氣測量數(shù)據(jù)(如PM2.5濃度，空氣質量指數(shù)等)作為樣本數(shù)據(jù)Y，然后取步驟(3)中的獲取的云霧空間強度分布圖中的相應點作為樣本數(shù)據(jù)X，利用下面形式的指數(shù)函數(shù)，對上述獲取的數(shù)據(jù)進行擬合：y＝-Alog(B(1-x))+C(14)其中y是大氣測量數(shù)據(jù)值，x是獲取的云霧信息探測圖數(shù)據(jù)值，A,B,C是需要擬合得到的參數(shù)。獲取擬合參數(shù)后，對步驟(3)中獲取的圖像進行逐點映射，最終獲取定量化的大氣測量數(shù)據(jù)分布圖。本發(fā)明的有益效果是：本發(fā)明提出了一種遙感圖像的云霧信息探測方法，實現(xiàn)了通過輸入一定大氣條件下的遙感圖像，來獲取相應場景的云霧分布信息。在本發(fā)明中，只需要簡單的輸入遙感圖像，無需引入其他測量參數(shù)，通過數(shù)字圖像處理的算法，在使遙感圖像變清晰的同時，獲取到大氣的云霧分布信息。附圖說明圖1為本發(fā)明實施例的流程示意圖。圖2為本發(fā)明實施例的原始圖像。圖3為本發(fā)明實施例獲取的去除初步云霧分布的遙感圖像。圖4為本發(fā)明實施例提取得到的優(yōu)化后的圖像透射率。圖5為本發(fā)明實施例得到的大氣云霧空間強度分布結果。圖6為本發(fā)明實施例地面觀測站假定位置圖。圖7為本發(fā)明實施例中與地面數(shù)據(jù)點的擬合曲線。具體實施方式下面結合附圖和具體實施例對本發(fā)明作進一步詳細說明。如圖1所示，本實施例非均勻云霧條件下的遙感圖像去霧方法的實施步驟如下：(1)輸入一副遙感圖像(見圖2)，選定截止頻率參數(shù)為σ0＝1.7，構建低通濾波器對輸入圖像進行低通濾波操作。設定調整公式的參量k1＝5，k2＝5(針對8位圖)和λ＝2，對低通濾波器的輸出圖像進行調整：對調整函數(shù)輸出的圖像進行零頻補償，獲取最終的初步的估計大氣云霧分布信息，其補償公式如下：B′cloud＝Bcloud-offset其中offset是零頻補償?shù)难a償常量，其值為輸入圖像各通道均值，然后利用輸入圖像作為引導圖，利用導向濾波器對獲得的大氣云霧分布圖進行處理，獲取一個保邊平滑的初步云霧空間分布估計圖。同時獲取去除了粗步云霧分布去除的遙感圖像I'(x,y),其結果圖如圖3所示。(2)對步驟1中的得到的遙感圖像I'(x,y)，依據(jù)暗原色先驗知識提取圖像的暗通道：其中Idark為獲取的圖像暗通道，Ic表示圖像的紅綠藍通道分量，Ω(x)表示以x像素位置為中心的局部鄰域。從上述的圖像暗通道中提取部分前0.1％最亮區(qū)域像素，計算該區(qū)域各通道的像素均值作為天光值A，本實施例中為AR＝255,AG＝254,AB＝250。根據(jù)暗原色通道的性質對于無霧區(qū)域其值接近于0。因此圖像初始透過率計算如下：其中t'為計算得到的初始透過率，ω是常數(shù)系數(shù)，Ac為天光值的通道分量。利用步驟(1)中計算的初步云霧空間分布估計圖作為引導圖，利用導向濾波器對得到的初始透過率，進行精細化優(yōu)化獲取精細高分辨的場景透過率圖，見圖4。(3)然后利用大氣多次散射模型，其形式如下：其中I’為輸入圖像減去初步云霧分布估計后的圖像，A和t為步驟2中獲得的天光值和透過率圖像。APSFo和APSFa分別是大氣點擴散函數(shù)和天光點擴散函數(shù)，利用廣義的高斯分布來進行求解，其形式如下：其中x,y為圖像坐標位置，Γ(.)是伽馬函數(shù)，p和σ為和大氣參量，分別計算如下：p＝kT(17)式中T為大氣光學厚度，依據(jù)透過率和大氣光學厚度關系t＝e-T解算而出，k取0.5，q為前向散射因子，其值如下表所示，本實施例中取為0.7。0.0-0.20.2-0.70.7-0.80.8-0.850.85-0.90.9-1.0AirAerosolsHazeMistFogRain對于天光點擴散函數(shù)來說其光學厚度值為-log(1-t)。所以我們可以計算出模型中的大氣分量：最終結合步驟1中獲取的初步大氣分布信息，我們可以獲取最終的大氣云霧分布信息圖，如圖5所示：B″′cloud＝B′cloud+B″cloud(19)(4)如圖6所示，假設在輸入的遙感圖區(qū)域內存在A,B,C三處地面大氣參量觀測點，其在衛(wèi)星成像期間探測到的空氣質量指數(shù)(AQI)數(shù)值分別為170,142,155。其在步驟3中得到的大氣云霧分布信息圖中相應點位置的數(shù)據(jù)分別為0.4826,0.3518,0.4132。利用下面形式的對數(shù)函數(shù)，對上述數(shù)據(jù)進行擬合：y＝-Alog(B(1-x))+C(20)擬合得到的參數(shù)分別為A＝124.0137,B＝15.1922,C＝425.8834。其擬合的結果如圖7所示?；谠摂M合出來的對數(shù)函數(shù)我們可以計算遙感圖像場景范圍內任意位置的空氣質量指數(shù)，如D處的空氣質量指數(shù)為142(計算結果取整)，E處的結果為152。相較于傳統(tǒng)的方法，本方法不需要衛(wèi)星探測其他數(shù)據(jù)，僅僅通過數(shù)字圖像處理技術實現(xiàn)圖像的云霧層提取，從而實現(xiàn)在使遙感圖像變清晰同時，得到高分辨率的云霧空間分布和強度圖。同時如果配備有地面觀測點數(shù)據(jù)就可以進一步將其從定性觀測轉變?yōu)槎坑^測。當前第1頁1 2 3