本發(fā)明涉及計算機(jī)圖像處理領(lǐng)域,尤其涉及一種多光譜圖像的漸暈校正方法。
背景技術(shù):
在精細(xì)農(nóng)業(yè)中,作物長勢信息的快速獲取是進(jìn)行農(nóng)業(yè)精準(zhǔn)作業(yè)的前提和基礎(chǔ)。采用微小型無人機(jī)進(jìn)行作物長勢信息的遙感獲取,具有不需要專用機(jī)場、起降靈活、運(yùn)行成本低、受到運(yùn)行周期、天氣狀況的影響比較小、時效性好等特點。
但是,微小型無人機(jī)獲取的低空遙感圖像通常存在像幅較小、單次成像所覆蓋到的面積有限、數(shù)量較多等一系列問題。要對大面積的遙感圖像進(jìn)行分析,需要將多個小幅值的圖像進(jìn)行無縫拼接。
由于光學(xué)成像系統(tǒng)中光闌的存在,光在傳輸路徑中會發(fā)生幾何光學(xué)徑向衰減,導(dǎo)致影像中間亮,邊緣暗,這叫做圖像的漸暈現(xiàn)象。圖像的漸暈現(xiàn)象會增大圖像拼接過程中圖像配準(zhǔn)的難度,同時導(dǎo)致圖像拼接的結(jié)果存在較嚴(yán)重的拼接痕跡。
漸暈現(xiàn)象在多光譜圖像數(shù)據(jù)中尤為嚴(yán)重。因此,對多光譜圖像的漸暈現(xiàn)象進(jìn)行校正是圖像拼接前至關(guān)重要的一步。
漸暈校正的關(guān)鍵是對圖像中每個像素補(bǔ)償系數(shù)的確定。目前,工程上用的比較多的補(bǔ)償系數(shù)的確定方法是利用特定的光照均勻的場景獲取已知反射率的均勻標(biāo)定板。這要求補(bǔ)償系數(shù)場景與實際作業(yè)場景相同。
但是,由于微小型無人機(jī)作業(yè)高度為幾十米甚至上百米,因此實際工程中很難找到一塊足夠大的均勻標(biāo)定板,所以這種方式對于無人機(jī)多光譜圖像的漸暈復(fù)原受到很大的限制,此方法在工程中實際應(yīng)用成本很高。
技術(shù)實現(xiàn)要素:
本發(fā)明的目的在于提供一種多光譜圖像的漸暈校正方法,不需要對相機(jī)進(jìn)行標(biāo)定,實現(xiàn)對多光譜圖像的漸暈校正。
一種多光譜圖像的漸暈校正方法,包括以下步驟:
(1)采用遺傳算法,將多光譜圖像所有區(qū)域的像素值進(jìn)行高斯曲面擬合,得到校正擬合曲面;
(2)根據(jù)所述校正擬合曲面計算多光譜圖像上每個像素點的漸暈校正系數(shù);
(3)利用所述漸暈校正系數(shù)分別對每個波段的多光譜圖像進(jìn)行漸暈校正得到校正后的多光譜圖像。
本發(fā)明的多光譜圖像的漸暈校正方法根據(jù)多光譜圖像具有多個波段的特定,采用遺傳算法完成高斯曲面的擬合,能夠準(zhǔn)確地得到校正擬合曲面的參數(shù),生成每個像素點的漸暈校正系數(shù),提高漸暈校正的效果。
步驟(1)中高斯曲面擬合的公式如下:
式中,z為擬合像素值,x、y為像素點位置坐標(biāo),a、x0、y0、a為待求系數(shù)。
遺傳算法是模擬生物在自然環(huán)境中遺傳和進(jìn)化過程而形成的一種自適應(yīng)全局化概率搜索算法。遺傳算法對包含可能解的群體反復(fù)使用遺傳學(xué)的基本操作,不斷生成新的群體,使種群不斷進(jìn)化,同時以全局并行搜索技術(shù)來搜索優(yōu)化群體,以取得滿足要求的最優(yōu)個體,得到滿足要求的最優(yōu)解。本發(fā)明的漸暈校正方法采用遺傳算法對多光譜圖像的像素值進(jìn)行高斯曲面擬合,求得參數(shù)a、x0、y0、a的最優(yōu)值。
適應(yīng)度函數(shù)的選取直接影響到遺傳算法的收斂速度以及能否找到最優(yōu)解。為了適應(yīng)多光譜圖像具有多個波段的點,作為優(yōu)選,遺傳算法的適應(yīng)度函數(shù)yfit為:
式中,n為多光譜圖像波段數(shù);z(x,y)表示在點(x,y)處的擬合像素值;i(x,y,p)表示在多光譜圖像第p個波段的圖像在點(x,y)處的像素值;w、l分別表示多光譜圖像在寬度方向和在長度方向上像素點的個數(shù)。
上述適應(yīng)度函數(shù)適用于多光譜圖像的處理,可提高遺傳算法的整體性能。
作為優(yōu)選,遺傳算法的參數(shù)設(shè)置:變異概率為0.0001~0.2,交叉概率為0.4~0.99。
在采用遺傳算法時,種群大小和最大代數(shù)過小,得出的結(jié)果不準(zhǔn)確,過大則導(dǎo)致計算量過大。進(jìn)一步優(yōu)選的,遺傳算法的參數(shù)設(shè)置:種群大小不小于300,最大代數(shù)不小于300。
得到校正擬合曲面后,根據(jù)校正擬合曲面計算每個像素點的漸暈校正系數(shù),作為優(yōu)選,步驟(2)中,每個像素點的漸暈校正系數(shù)的計算公式如下:
式中,k(x,y)表示在點(x,y)處的漸暈校正系數(shù),z(x,y)表示在點(x,y)處的擬合像素值,z(x0,y0)表示在點(x0,y0)處的擬合像素值,x0、y0為步驟(1)中通過遺傳算法求得的系數(shù)。
最后,將每個波段的多光譜圖像的每個像素點的像素值乘以該像素點的漸暈校正系數(shù),得到校正后的該像素點的像素值,最終得到校正后的多光譜圖像。
與現(xiàn)有技術(shù)相比,本發(fā)明的有益效果為:
(1)本發(fā)明的漸暈校正方法根據(jù)多光譜圖像自身特征及漸暈現(xiàn)象的特點,生成每個像素點的漸暈校正系數(shù),而不需要對相機(jī)進(jìn)行標(biāo)定,為經(jīng)常應(yīng)用于微小型無人機(jī)低空遙感的多光譜相機(jī)提供了一種較為漸變的漸暈校正方法;
(2)本發(fā)明的漸暈校正方法采用遺傳算法完成高斯曲面與漸暈曲面擬合,適應(yīng)多光譜圖像具有多個波段的特點,能夠比較準(zhǔn)確地得到校正擬合曲面的參數(shù),從而得到更加精確的漸暈校正系數(shù),提高了漸暈校正的效果。
附圖說明
圖1為本發(fā)明的漸暈校正方法的流程示意圖;
圖2為原始多光譜圖像中其中一個波段的灰度圖;
圖3為原始多光譜圖像中其中一個波段的像素值分布圖;
圖4為得到的校正擬合曲面的示意圖;
圖5為漸暈校正后的多光譜圖像中其中一個波段的灰度圖;
圖6為漸暈校正后的多光譜圖像中其中一個波段的像素值分布圖。
具體實施方式
下面結(jié)合附圖和實施例對本發(fā)明作進(jìn)一步詳細(xì)描述,需要指出的是,以下所述實施例旨在便于對本發(fā)明的理解,而對其不起任何限定作用。
本發(fā)明的漸暈校正方法的流程如圖1所示,在實施例中,本發(fā)明的漸暈校正方法采用matlab2014b軟件編程實現(xiàn)。
在實施例中,原始多光譜圖像為八旋翼無人機(jī)搭載的25波段工業(yè)級多光譜相機(jī)采集的多光譜圖像,八旋翼無人機(jī)的飛行高度為50m,飛行速度為3m/s。
原始多光譜圖像中其中一個波段的灰度圖如圖2所示,從圖中可以看出該圖像存在較嚴(yán)重的漸暈現(xiàn)象。
原始多光譜圖像中其中一個波段的像素值分布圖如圖3所示。
漸暈校正通過以下步驟實現(xiàn):
(1)采用遺傳算法將多光譜圖像所有區(qū)域的像素值進(jìn)行高斯曲面擬合,得到校正擬合曲面;
高斯曲面擬合的公式如下:
式中,z為擬合像素值,x、y為像素點位置坐標(biāo),a、x0、y0、a為待求系數(shù)。
通過遺傳算法計算a、x0、y0、a的最優(yōu)值,遺傳算法參數(shù)設(shè)置如下:種群大小300;變異概率0.1;交叉概率0.8;最大代數(shù)300,為了適應(yīng)多光譜圖像具有多個波段的特點,適應(yīng)度函數(shù)yfit設(shè)計如下:
式中,n為多光譜圖像波段數(shù);z(x,y)表示在點(x,y)處的擬合像素值;i(x,y,p)表示在多光譜圖像第p個波段的圖像在點(x,y)處的像素值;w、l分別表示多光譜圖像在寬度方向和在長度方向上像素點的個數(shù)。
通過遺傳算法計算,得到a=264.00,x0=194.04,y0=124.46,a=237.84,最終得到的校正擬合曲面的公式為:
校正擬合曲面的圖像如圖4所示;
(2)根據(jù)校正擬合曲面計算每個像素點的漸暈校正系數(shù),漸暈校正系數(shù)的計算公式如下:
式中,k(x,y)表示在點(x,y)處的漸暈校正系數(shù),z(x,y)表示在點(x,y)處的擬合像素值,z(x0,y0)表示在點(x0,y0)處的擬合像素值,x0、y0是步驟(1)中求得的系數(shù)。
(3)將每個波段的多光譜圖像的每個像素點的像素值乘以該像素點的漸暈校正系數(shù)k(x,y),得到校正后的該像素點的像素值,最終得到校正后的多光譜圖像。
經(jīng)過本發(fā)明的漸暈校正方法進(jìn)行漸暈校正后的多光譜圖像的其中一個波段的灰度圖如圖5所示,校正后圖像其中一個波段的像素值分布如圖6所示。
從圖5和圖6中可以看出,經(jīng)過漸暈校正后的多光譜圖像像素值整體分布已近均勻,漸暈現(xiàn)象基本消除。
以上所述的實施例對本發(fā)明的技術(shù)方案和有益效果進(jìn)行了詳細(xì)說明,應(yīng)理解的是以上所述僅為本發(fā)明的具體實施例,并不用于限制本發(fā)明,凡在本發(fā)明的原則范圍內(nèi)所做的任何修改、補(bǔ)充和等同替換等,均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。