航空影像预处理研究

2022-09-11

从影像 (图像) 获取信息是人类获得知识的主要来源之一。进入信息时代, 如何自动处理、认知和解释海量图像数据是在整个社会信息化过程中面临的重要问题。

从航空遥感影像中自动提取人造物体不仅是摄影测量与遥感领域的难题, 也是计算机视觉与图像理解研究的重点之一。因为从实际应用角度来说, 实现航空影像中目标的自动识别能够满足由航空影像制图、地理信息系统的数据获取与自动更新的需要;从理论研究角度出发, 由子航空影像中目标的高度多样性和复杂性, 成功的地物自动识别系统将为其它类型的影像理解问题提供具有普遍指导意义的理论和方法。因此这一问题吸引了大量的研究力量, 取得了大量的研究成果。本文对近十年来有关影像前期预处理 (特别是影像增强) 的研究进展作一个简单的介绍和评述。

1 影像预处理概念

遥感影像在获取过程中, 存在由各种因素引发的一些缺陷, 如几何形变、辐射量失真、色彩失真和对比度或亮度偏低等。这些缺陷影响了影像的质量和应用, 必须通过一定的预处理措施予以校正。几何形变是指影像上的像元在影像坐标系中的坐标与其在地图坐标系等参考坐标系中坐标之间的差异, 为了获取正确的物体位置量测, 必须矫正几何形变, 消除这种差异的过程称为几何校正 (Geometric Correction) 。利用传感器观测目标的反射或辐射能量时, 传感器得到的测量值与目标的光谱反射率或光谱辐射亮度等物理量是不一致的, 这是因为测量值中包含了太阳位置和角度条件、薄雾等大气条件所引起的失真。为了正确评价物体的反射或辐射特性, 必须清除这些失真。消除影像数据中依附在辐射亮度中的各种失真的过程称为辐射量校正 (Radiometric Correction) 。色彩失真和对比度或亮度偏低则产生于遥感影像成像过程中摄影器材的性能、薄雾等大气条件和一些噪声等, 它影响了影像的视觉观感和基于影像的特征提取和物体识别, 必须加以改善。这一过程称为影像增强 (I m a g e Enhancement) 。为了突出重点, 本文将主要研究影像增强, 其它两类预处理方法则不在本文讨论范围之内。

2 影像增强

实际上, 影像增强是计算机视觉研究领域中的一个广泛而重要的问题。其目的是增强在混浊条件下 (薄雾、烟雾、阴履和雨雪天气等) 获取的数字图像的真实感, 以接近或超过人眼直接观察所通常获得的较好的清晰度。实际的影像获取过程不可避免地存在气象条件干扰、器材动态范围有限、以及光谱变化等不利影响, 造成影像噪声、阴影或光强较弱区域细节和色彩不清楚、以及色彩失真等现象。因此, 影像增强算法应该具有图像去噪、动态范围压缩、以及色彩和亮度保真度等性能。现有的影像增强方法按其计算过程可分为线性变换和非线性变换两大类, 按操作对象可分为点运算、局部运算和全局运算三类。

(1) 线性变换较为简单直接, 其中最常用的方法是一种增益补偿法 (G a i n a n d O f f s e t) , 该方法按比例拉伸原图像的动态范围, 是一种线性点运算。它能使图像充满显示设备的动态范围, 使输出图像直方图的两端达到饱和, 但这并不意味着该方法能提供原图像良好的视觉表现。

(2) 非线性的点运算方法有伽马校正 (Gamma Correction) 、对数变换和平方根变换等, 这些方法可以增强图像较暗区域的可见度, 但同时却付出降低较亮区域可见度的代价。

(3) 全局运算方法通常都是非线性的, 主要有直方图均衡和同态滤波等。以直方图均衡为例, 它将随机分布的图像直方图修改为均匀分布的输出图像直方图。其结果使较暗的区域亮度得以提高, 较亮的区域亮度降低, 这一方法对于单峰或弱双峰直方图图像 (很亮或很暗) 较为有效, 但却不适合强双峰直方图图像 (同时具有很亮和很暗区域) 。

(4) 为了兼顾图像中同时有较亮和较暗区域的情况 (动态范围较大) , 研究人员又提出了一些局部运算的方法。简单的有基于邻域像元的平滑和锐化算法, 但这两种方法显然各有优缺点。

除此之外, 针对多重 (多光谱、多时段、多传感器) 影像的融合增强方法是当前遥感影像增强的重要方法之一, 但这一部分内容不在本文的研究范围之内。上述方法均有各自的优缺点, 但最重要的一点是它们均无法同时具有去噪、动态范围压缩、以及色彩保真等功能。因此, 有必要研究能有效去噪、压缩现实场景中如阴影和非阴影区域这样的大动态范围变化, 并具有相当色彩保真性的影像增强算法, 为航空影像的解释 (如特征提取) 以及一些对影像视觉效果要求较高的应用 (如虚拟城市漫游等) 提供良好的初始数据。

3 阴影检测与消除

阴影是由于阳光等直射光线被遮挡造成的, 它形成了大幅度的光照条件 (包括光强和光谱) 变化, 其处理是对影像增强算法动态范围压缩和色彩亮度保真的综合考验。阴影降低了覆盖区域的亮度和对比度, 不利于这些区域内的特征提取和目标识别, 但同时阴影又提供了高大物体如建筑物存在的直接证据, 因此有必要将阴影检测出来并对其进行补偿或消除。另外, 由某一场景的一幅像片再现该场景在不同光照条件和视觉角度下的情景在一些实际应用中 (如虚拟城市漫游) 日显重要, 阴影的消除是解决这一类问题的重要步骤。

然而, 以往航空影像较低的分辨率和计算硬件的限制使得像片中的阴影问题并不突出, 因此在已有的文献中, 有关阴影检测与消除的研究相对于航空影像处理的其它主题 (如分割、识别等) 较为少见。近年来, 随着影像分辨率的提高以及有关数字城市等方面的应用研究飞速发展, 这一方面的研究才逐渐得到重视。已有的阴影检测方法大致可分为两类:一类基于模型, 另一类则基于阴影的性质。第一类方法中, 模型是指有关场景、目标的三维几何结构和光源的己知信息, 由此计算阴影区域。但光源和场景的三维结构并不容易得到, 因此这类方法局限性较大。第二类方法则更具普遍性, 通过分析阴影在亮度、几何结构和色彩等方面的性质来识别阴影。通常认为, 阴影是由直射光线被遮挡造成的, 因此阴影势必较暗, 较小的亮度被作为阴影检测的重要手段;阴影可分为半阴影区和全阴影区, 来源于直射光线的部分遮挡和全部遮挡, 因此阴影的边缘是一种“软”边缘, 这种几何结构可用于区分阴影边缘和非阴影边缘;彩色图像含有比灰度图像更多的信息, 因此有必要分析阴影的色彩特征, 一些研究证进行了这方面的工作, 并用于彩色图像中的阴影检测。然而, 上述方法大都需要满足一定的假设条件 (或者说针对某一种实际情况) , 比如场景中仅有一个光源, 阴影位于相对平坦的区域, 阴影区域内灰度方差较小, 有某种光度彩色不变量可以不因阴影而改变等等。

摘要：本文从笔者多年工作经验出发, 在参考国内外大量相关文献的基础上, 对航空影像预处理进行了研究探讨, 总结了国内外的研究成果, 尤其对影像增强进行了详细的分析研究, 相信对从事相关工作的同行有着重要的参考价值和借鉴意义。

关键词：航空影像,预处理,图像增强