本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，具體涉及一種遙感圖像增強(qiáng)方法。

背景技術(shù)：

隨著信息技術(shù)的快速發(fā)展，人類對(duì)遙感的認(rèn)知以及科學(xué)發(fā)展的迫切需求，提高分辨率和深入應(yīng)用逐漸成為遙感科學(xué)技術(shù)發(fā)展的重大需求。然而，由于機(jī)器設(shè)備自身的不足及光照等環(huán)境因素造成遙感圖像模糊，圖像質(zhì)量粗糙。因此，一種有效的遙感圖像增強(qiáng)算法對(duì)于模糊的圖像變得清晰具有重要作用。

傳統(tǒng)的圖像增強(qiáng)算法采用均值濾波法和直方圖均衡化方法，但是均值濾波方法易造成圖像模糊，直方圖均衡化方法雖然可以使圖像的對(duì)比度增強(qiáng)，但也易在目標(biāo)圖像邊界區(qū)域產(chǎn)生噪聲。

針對(duì)相關(guān)技術(shù)中的問(wèn)題，目前尚未提出有效的解決方案。

技術(shù)實(shí)現(xiàn)要素：

針對(duì)相關(guān)技術(shù)中的上述技術(shù)問(wèn)題，本發(fā)明提出一種遙感圖像增強(qiáng)方法，能夠有效的增加遙感圖像對(duì)比度，改善圖像的質(zhì)量。

為實(shí)現(xiàn)上述技術(shù)目的，本發(fā)明的技術(shù)方案是這樣實(shí)現(xiàn)的：

一種遙感圖像增強(qiáng)方法，包括以下步驟：

S1對(duì)原始遙感圖像進(jìn)行采樣并進(jìn)行歸一化處理，得到歸一化采樣圖像；

S2將圖像像素相關(guān)性與量子信號(hào)處理相結(jié)合以定義像素的黑白概率來(lái)構(gòu)造增強(qiáng)算子，得到預(yù)增強(qiáng)圖像；

S3根據(jù)預(yù)增強(qiáng)圖像的最大信息熵原則自適應(yīng)確定增強(qiáng)算子的最優(yōu)灰度閾值；

S4根據(jù)最優(yōu)灰度閾值，再次利用增強(qiáng)算子得到增強(qiáng)圖像。

進(jìn)一步的，所述步驟S1包括：

S11對(duì)原始圖像進(jìn)行隔點(diǎn)采樣，得到采樣后的圖像I；

S12初始化灰度閾值T、圖像最大信息熵E以及最大信息熵所對(duì)應(yīng)的閾值T_opt；

S13根據(jù)灰度閾值T，定義圖像的歸一化變換，得到歸一化圖像。

進(jìn)一步的，在步驟S12中，初始化灰度閾值T＝L_min+1，圖像最大信息熵E＝0，及最大信息熵所對(duì)應(yīng)的閾值T_opt＝0；其中，L_min表示圖像的最小灰度值。

進(jìn)一步的，在步驟S13中，定義圖像的歸一化變換為：

其中，f(m，n)∈[0，1]且f(m，n)表示當(dāng)前像素為(m，n)的歸一化灰度值，g(m，n)表示原始圖像的像素，L_max表示最大灰度閾值。

進(jìn)一步的，所述步驟S2包括：

S21在3x3窗口中，將圖像像素灰度的相關(guān)性與量子比特相結(jié)合定義增強(qiáng)算子如下:

其中，ENT(m，n)的灰度值范圍為[0,1]；

S22根據(jù)增強(qiáng)算子，得到預(yù)增強(qiáng)圖像ENTZ。

進(jìn)一步的，所述步驟S3包括：

S31在步驟S2對(duì)應(yīng)的當(dāng)前T的取值下，計(jì)算圖像的信息熵，根據(jù)圖像信息熵最大化原則，將最大的信息熵存放在E中，不斷更新E和T_opt；

S32令T＝T+1，再次執(zhí)行步驟S13到步驟S31，直到當(dāng)灰度閾值T取值為圖像最大灰度閾值L_max時(shí)停止，求出最大熵所對(duì)應(yīng)的閾值T_opt。

進(jìn)一步的，在步驟S31中，計(jì)算圖像的信息熵的公式為：

其中，p(i)表示在ENTZ圖像中，灰度值為i的出現(xiàn)概率。

進(jìn)一步的，在步驟S4中，令T＝T_opt，根據(jù)圖像的歸一化變換對(duì)原始圖像歸一化，再通過(guò)增強(qiáng)算子得到最終的增強(qiáng)圖像ENTZ2。

本發(fā)明的有益效果：本發(fā)明引入量子比特表達(dá)方式表示圖像像素出現(xiàn)黑白的概率，具有較強(qiáng)的適應(yīng)性。根據(jù)增強(qiáng)后得到的預(yù)增強(qiáng)圖像信息熵最大化原則，自適應(yīng)的確定最佳灰度閾值，避免人為的不斷調(diào)試，綜合考慮了圖像的全局與局部信息，有效地增強(qiáng)了圖像的對(duì)比度，一定程度上抑制了噪聲干擾，改善了圖像的質(zhì)量。

附圖說(shuō)明

為了更清楚地說(shuō)明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對(duì)實(shí)施例中所需要使用的附圖作簡(jiǎn)單地介紹，顯而易見(jiàn)地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來(lái)講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1是根據(jù)本發(fā)明實(shí)施例所述的遙感圖像增強(qiáng)方法的流程圖；

圖2是根據(jù)本發(fā)明實(shí)施例的城市航拍圖；

圖3是根據(jù)本發(fā)明實(shí)施例的均值濾波結(jié)果圖；

圖4是根據(jù)本發(fā)明實(shí)施例所述的遙感圖像增強(qiáng)方法的圖像增強(qiáng)效果圖。

具體實(shí)施方式

下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。

如圖1-4所示，根據(jù)本發(fā)明實(shí)施例所述的一種遙感圖像增強(qiáng)方法，包括以下步驟：

S1對(duì)如圖2所示的城市航拍圖像進(jìn)行采樣并進(jìn)行歸一化處理，得到歸一化采樣圖像；

S2將圖像像素相關(guān)性與量子信號(hào)處理相結(jié)合以定義像素的黑白概率來(lái)構(gòu)造增強(qiáng)算子，得到預(yù)增強(qiáng)圖像；

S3根據(jù)預(yù)增強(qiáng)圖像的最大信息熵原則自適應(yīng)確定增強(qiáng)算子的最優(yōu)灰度閾值；

S4根據(jù)最優(yōu)灰度閾值，再次利用增強(qiáng)算子得到增強(qiáng)圖像。

其中，所述步驟S1進(jìn)一步包括：

S11對(duì)如圖2所示的城市航拍圖像進(jìn)行隔點(diǎn)采樣，得到采樣后的圖像I；

S12初始化灰度閾值T、圖像最大信息熵E以及最大信息熵所對(duì)應(yīng)的閾值T_opt；

S13根據(jù)灰度閾值T，定義圖像的歸一化變換，得到歸一化圖像。

其中，在所述步驟S12中，初始化灰度閾值T＝L_min+1，圖像最大信息熵E＝0，及最大信息熵所對(duì)應(yīng)的閾值T_opt＝0；其中，L_min表示圖像的最小灰度值。

其中，在步驟S13中，定義圖像的歸一化變換為：

其中，f(m，n)∈[0，1]且f(m，n)表示當(dāng)前像素為(m，n)的歸一化灰度值，g(m，n)表示原始圖像的像素，L_max表示最大灰度閾值；f(m，n)和1-f(m，n)可看成圖像在(m,n)取值為“1”和“0”的概率。引入量子比特表達(dá)形式為兩個(gè)基態(tài)|0＞和|1＞表示灰度值為黑點(diǎn)“0”和白點(diǎn)“1”的狀態(tài)。

其中，所述步驟S2進(jìn)一步包括：

S21在3x3窗口中，相鄰圖像像素灰度關(guān)聯(lián)性強(qiáng)，以0°，45°，90°，135°方向作為增強(qiáng)算子方向構(gòu)建增強(qiáng)算子，與量子比特相結(jié)合定義增強(qiáng)算子如下：

其中，ENT(m，n)的灰度值范圍為[0,1]，F(xiàn)_i表示歸一化后的灰度閾值參數(shù)T；

S22根據(jù)增強(qiáng)算子，得到預(yù)增強(qiáng)圖像ENTZ。

其中，所述步驟S3進(jìn)一步包括：

S31在步驟S2對(duì)應(yīng)的當(dāng)前T的取值下，計(jì)算圖像的信息熵，根據(jù)圖像信息熵最大化原則，將最大的信息熵存放在E中，不斷更新E和T_opt；

S32令T＝T+1，再次執(zhí)行步驟S13到步驟S31，每更新一次灰度閾值T，將當(dāng)前灰度閾值為T時(shí)所對(duì)應(yīng)的信息熵與E比較，若當(dāng)前灰度閾值時(shí)的信息熵大于E，則用變量T_opt保存當(dāng)前的T值，T∈[L_min+1，L_max]，直到當(dāng)灰度閾值T取值為圖像最大灰度閾值L_max時(shí)停止，求出最大熵所對(duì)應(yīng)的閾值T_opt。

其中，在步驟S31中，計(jì)算圖像的信息熵的公式為：

其中，p(i)表示在ENTZ圖像中，灰度值為i的出現(xiàn)概率。

其中，在S4中，令T＝T_opt，根據(jù)圖像的歸一化變換對(duì)原始圖像歸一化，再通過(guò)增強(qiáng)算子得到最終的增強(qiáng)圖像ENTZ2，圖像增強(qiáng)效果圖如圖4所示。

對(duì)城市航拍圖進(jìn)行仿真實(shí)驗(yàn)，對(duì)比圖3和圖4可以發(fā)現(xiàn)，圖4增強(qiáng)后的圖像其各街道的邊緣，建筑物的邊緣都得到了顯著的加強(qiáng)，較之原圖像中模糊的邊緣效果，增強(qiáng)后的圖像邊緣基本上都達(dá)到了可辨的程度。本發(fā)明的遙感圖像增強(qiáng)方法，綜合利用了量子力學(xué)中理論，圖像像素相關(guān)性，并引入量子比特像素表達(dá)方式，增強(qiáng)圖像的對(duì)比度，改善了圖像質(zhì)量，同時(shí)有效的抑制了噪聲的產(chǎn)生。

本發(fā)明首先對(duì)遙感圖像進(jìn)行采樣并歸一化，引入量子力學(xué)中兩個(gè)基態(tài)|0＞和|1＞表示灰度值為“0”和“1”的狀態(tài)，0態(tài)和1態(tài)的概率幅表示該灰度值為黑點(diǎn)和白點(diǎn)的概率；在3x3窗口中，將其與相鄰像素灰度間關(guān)聯(lián)性相結(jié)合，以0°，45°，90°，135°方向作為增強(qiáng)算子方向構(gòu)建增強(qiáng)算子；依據(jù)圖像最大信息熵原則，自適應(yīng)確定圖像灰度閾值，再次利用增強(qiáng)算子對(duì)原始遙感圖像進(jìn)行增強(qiáng)，得到最終增強(qiáng)后的遙感圖像。

綜上所述，借助于本發(fā)明的上述技術(shù)方案，本發(fā)明引入量子比特表達(dá)方式表示圖像像素出現(xiàn)黑白的概率，具有較強(qiáng)的適應(yīng)性。根據(jù)增強(qiáng)后得到的預(yù)增強(qiáng)圖像信息熵最大化原則，自適應(yīng)的確定最佳灰度閾值，避免人為的不斷調(diào)試，綜合考慮了圖像的全局與局部信息，有效地增強(qiáng)了圖像的對(duì)比度，一定程度上抑制了噪聲干擾，改善了圖像的質(zhì)量。

以上所述僅為本發(fā)明的較佳實(shí)施例而已，并不用以限制本發(fā)明，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)。