结合曲率滤波的HTM算法去除遥感影像云雾

目的遥感卫星幅宽较大,成像区域内的薄云和雾很难区分,云雾降低了遥感影像的解译精度和对目标地物判别的准确性。传统的云雾去除方法是通过调整图像的对比度和饱和度来提高重建图像的质量,对不均匀分布云雾的适应性不强。为此,本文以"高分二号"(GF-2)遥感数据为例,提出一种结合高斯曲率滤波的雾度图(haze thickness map,HTM)求解算法。方法采用遥感影像的红波段进行HTM求解,首先通过不重叠的滑动窗口对整幅图像取暗像素,得到HTM估计值,利用高斯曲率滤波对其进行平滑,减少噪声干扰,保持地物边缘特征,并通过插值运算恢复到原图尺寸;然后利用改进的2维最大熵自动确定分割阈值,提取HTM中白色区域并抑制,对边缘处的像素值进行校正;最后通过HTM结果恢复出清晰影像。结果由目视判读结合评价指标进行评价,将改进的暗原色先验法、传统的HTM算法与本文改进的方法在不同地区含云雾的遥感影像上进行对比实验。本文改进方法所得结果与传统方法相比,灰度均值降低约34.96%,平均梯度提升约18.48%,信噪比提升约34.77%,对比度提升约39.41%,对于不均匀遮挡的云雾去除具有较好效果。结论改进的方法能够去除云雾干扰,有效改善影像数据的视觉效果,同时能够保留大量的细节信息,较传统方法更优。