技術(shù)領(lǐng)域

本發(fā)明涉及遙感圖像處理技術(shù)領(lǐng)域，具體涉及一種基于多尺度圖像分割和顏色傳遞的遙感圖像彩色增強方法。

背景技術(shù)

在一幅灰度圖像中，人眼中只能區(qū)分出由黑到白的二十多種灰度級，而人眼可以分辨的彩色則可達到幾百種甚至上千種。如果對原始灰度圖像進行彩色化處理，可以使人類視覺系統(tǒng)對圖像的細節(jié)有更豐富的認識，從而大大提高圖像的可判讀性，更容易提取所需的信息。

現(xiàn)有技術(shù)中，解決圖像彩色化大致有兩類處理方法：一類是利用人機交互來進行的，以軟件BlackMagic和基于優(yōu)化的彩色化(colorizat?ion?using?optimization)為代表，另一類是非交互的,以偽彩色化(pse?udo-coloring)和彩色變換(color?transfer)為代表。

目前對于遙感影像彩色化，主要采用的是基于偽彩色化的多光譜圖像融合方法。多光譜圖像融合是指將從多光譜探測器獲得的同一場景的多譜圖像的信息特征組合到一起，利用它們在時空上的相關(guān)性及信息上的互補性，得到對景物更全面、清晰的描述。彩色空間變換是最普遍使用的一種遙感信息融合方法。HIS（Hue、Intensity、Saturati-on，色度、強度、飽和度）變換是這類方法中最常用的顏色空間變換，將顏色從RGB（Red、Green、Blue，紅、綠、藍）空間變換到HIS顏色空間，多用于高分辨率的SPOT（Satellite?Positioning?and?Tracking，人造衛(wèi)星定位及跟蹤）圖與低分辨率的彩色TM（Thematic?Mapper，專題測圖儀）圖之間的融合，得到的結(jié)果圖像既具有SPOT圖的高分辨率，又具有TM圖豐富的顏色細節(jié)。

基于偽彩色化的多光譜圖像融合技術(shù)，其最主要的優(yōu)點是：能提高目標(biāo)探測能力，對同一景物進行多光譜觀察，可以揭示出目標(biāo)在單一傳感器觀察時無法探測或不易探測的特征，從而提高目標(biāo)識別的速度和準(zhǔn)確度。但這種方法也有著自身難以克服的缺陷：（1）不同數(shù)據(jù)源、不同傳感器、不同時段的數(shù)據(jù)在圖像配準(zhǔn)時經(jīng)常會出現(xiàn)矛盾；（2）由于利用偽彩色技術(shù)所得到的融合圖像反映的并不是場景的真實色彩，所以融合圖像的色彩往往不自然，會產(chǎn)生感官的錯亂和失真。

而在圖像融合中，最重要的問題就是圖像配準(zhǔn)，圖像配準(zhǔn)是指對取自不同時間、不同傳感器或不同視角的同一景物的兩幅圖像或多幅圖像進行匹配、疊加的過程。雖然國內(nèi)外在圖像配準(zhǔn)方面已開展了許多研究工作，但仍存在著不少難以解決的問題，主要包括：（1）配準(zhǔn)精度直接影響融合的結(jié)果，但在實際操作中由于噪聲等因素影響，很難實現(xiàn)高精度的圖像配準(zhǔn)，這樣就會影響結(jié)果的精度；（2）對于性質(zhì)完全不同的傳感器圖像，或在波段、分辨率、景物特征等差別大的圖像之間，以及存在大比例變化、旋轉(zhuǎn)或平移，存在大的圖像非線性畸變，或存在嚴重的幾何校正殘余誤差等情況下，很難或無法進行圖像配準(zhǔn)；（3）需要人工交互，很難實現(xiàn)自動配準(zhǔn)；（4）目前圖像配準(zhǔn)的處理速度，仍無法滿足快速和實時的要求。

綜上所述，現(xiàn)有技術(shù)中還沒有一種能夠快速有效實現(xiàn)遙感圖像全自動的彩色增強的方法。

發(fā)明內(nèi)容

（一）要解決的技術(shù)問題

本發(fā)明的目的在于提供一種在不需要圖像配準(zhǔn)的情況下，能夠?qū)y理結(jié)構(gòu)相對較簡單、亮度反差較大的遙感圖像有效實現(xiàn)全自動彩色增強的方法。

（二）技術(shù)方案

本發(fā)明技術(shù)方案如下：

一種基于多尺度圖像分割和顏色傳遞的遙感圖像彩色增強方法，包括步驟：

S1.對目標(biāo)灰度圖像進行小波降噪預(yù)處理；

S2.根據(jù)多尺度歸一化切分方法分割預(yù)處理后的目標(biāo)灰度圖像；

S3.結(jié)合參考圖像，對目標(biāo)灰度圖像各個子區(qū)域進行亮度匹配；

S4.選取屬性相近的子區(qū)域進行映射和顏色傳遞。

優(yōu)選的，所述步驟S1包括：

根據(jù)分頻帶高斯模型，以復(fù)數(shù)小波包為小波基，采用軟閾值方法對目標(biāo)灰度圖像進行小波降噪預(yù)處理。

優(yōu)選的，所述步驟S1包括：

S101.輸入圖像為X，添加彩色噪聲C后獲得的帶噪圖像為Z，即ZX+C；每個復(fù)數(shù)小波包頻帶中噪聲為高斯分布，均值為0，方差為

S102.結(jié)合單尺度快速估計方法以及軟閾值濾波修正，由Z對C進行估計；

S103.根據(jù)所述步驟S102中估算值進行分頻帶計算；

S104.將步驟S103中得到的復(fù)數(shù)小波包變換系數(shù)逆變換至空間域。

優(yōu)選的，所述步驟S3包括：

S301.將參考圖像以及目標(biāo)灰度圖像各個子區(qū)域轉(zhuǎn)換為lαβ顏色空間；