Способ комплексирования цифровых многоспектральных изображений земной поверхности

Изобретение относится к средствам обработки локационных изображений земной поверхности. Техническим результатом является повышение четкости объектов сцены на изображении. В способе определяют наиболее информативное изображение вычислением собственной энтропии каждого изображения, вычисляют морфологическую форму наиболее информативного изображения на основе гистограммной сегментации с заданным количеством мод гистограммы, вычисляют морфологические проекции остальных изображений на форму наиболее информативного изображения. Затем проводят комплексирование путем суммирования яркостей пикселей наиболее информативного изображения, которое принимают за базовое, и проекций остальных изображений на форму этого изображения. 7 ил.

 

Настоящее изобретение относится к пассивному дистанционному зондированию и радиолокации, а именно к обработке локационных изображений земной поверхности.

Из существующего уровня техники известен способ формирования изображения, описанный в патенте RU 2171499 (опубл. 27.07.2001), который включает сканирование наблюдаемой поверхности с использованием нескольких ПЗС-линеек, имеющих взаимное перекрытие в полосе обзора, получение нескольких цифровых полутоновых изображений, выбор пары изображений, одно из которых принимается в качестве базового, а другое является дополнительным, выделение одноименных объектов на изображениях и объединение изображения путем образования общих областей.

Техническим результатом является формирование с увеличенной полосой обзора путем высокоточного бесшовного геометрического и фотометрического совмещения отдельных изображений, получаемых от различных ПЗС-линеек.

Недостатком данного способа является необходимость выделения областей одноименных объектов, что требует дополнительных вычислительных затрат, а также получение ПЗС-линейками изображений в одних и тех же диапазонах электромагнитного излучения.

Прототипом данного изобретения является способ комплексирования цифровых многоспектральных полутоновых изображений, описанный в патенте RU 2342701 (опубл. 27.12.2008), который включает получение исходных изображений, разложение каждого исходного изображения на низкочастотные (НЧ) и высокочастотные (ВЧ) компоненты, улучшение характеристик компонент изображений, представляющее собой адаптивную фильтрацию и адаптивную коррекцию яркости и контраста, раздельную обработку НЧ- и ВЧ-компонент изображений, комплексирование компонент изображений, основанное на принципе взвешенного суммирования для каждого пикселя, формирование результирующего изображения. Техническим результатом является получение изображения повышенного качества, содержащего информативные элементы изображений одной и той же сцены, полученных в различных спектральных диапазонах.

Технический результат достигается тем, что каждое исходное изображение подвергают многоуровневой декомпозиции вейвлетом Хаара путем быстрого дискретного стационарного двумерного вейвлет-преобразования с целью получения аппроксимирующей составляющей, представляющей из себя НЧ-компоненту изображения, и семейства детализирующих составляющих, являющихся ВЧ-компонентами изображения.

Недостатком указанного способа является необходимость разделения исходного изображения с каждого канала на низкочастотные и высокочастотные компоненты путем декомпозиции вейвлетом Хаара, которая неизбежно приводит к потерям информации и искажениям при резких перепадах яркостей пикселей изображения в виде ступенек разной яркости размером в несколько пикселей.

Технический эффект, на решение которого направлено заявляемое изобретение, заключается в получении более информативного изображения, содержащего элементы исходных изображений одной и той же сцены, полученных в различных спектральных диапазонах.

Указанный технический эффект от реализации предложенного изобретения достигается за счет того, что в способе комплексирования цифровых многоспектральных изображений земной поверхности, включающем получение исходных изображений, комплексирование компонент, основанное на принципе взвешенного суммирования для каждого пикселя, после получения изображения определяют наиболее информативное изображение путем вычисления собственной энтропии каждого изображения, проводят вычисление морфологической формы наиболее информативного изображения на основе гистограммной сегментации с заданным количеством мод гистограммы, вычисляют морфологические проекции остальных изображений на форму наиболее информативного изображения, а комплексирование изображений проводят с использованием наиболее информативного изображения, которое принимается за базовое, и проекций остальных изображений на форму этого изображения.

Способ реализуется путем измерения информативности исходных изображений для последующего выбора опорного изображения, для этого вычисляют собственные энтропии каждого изображения по формуле

$$E\left(X\right)=-{\displaystyle \sum _{k=1}^K{w}_k\left(X\right)\cdot {\log }_2\left[w_k\left(X\right)\right]},\left(1\right)$$

где w_k(X) - одномерная плотность вероятности изображения X, которая характеризует распределение яркости пикселей по площади изображения.

Изображение, которое характеризуется наибольшим значением E(X), является более информативным.

Прежде чем вычислить морфологическую форму, изображения необходимо определить вспомогательные функции. Модель изображения в однородном поле зрения X представляет собой кусочно-постоянную функцию

$$f\left(x\right)={\displaystyle \sum _{i=1}^N{c}_i\cdot {\chi }_i\left(x\right),x\in X.\left(2\right)}$$

При этом поле зрения X разбито на области A_i∈X, i=1, 2, …, N. Все точки A_i имеют одинаковую яркость c_i,

$${\chi }_i\left(x\right)=\{\begin{array}{l}\mathrm{1,}x\in A_i,\\ \mathrm{0,}x\notin A_i,\end{array}\left(3\right)$$

- индикаторная функция множества A_i, A_i∩A_j=⌀ при i≠j, i=1, 2, …, N; $${\displaystyle \underset{i=1}{\overset{N}{\cup }}{A}_i=X}$$ .

От числа уровней разбиения N зависит точность определения границ областей разбиения. Тогда разбиение изображения на множества одинаковой яркости можно назвать формой изображения и вычислить ее следующим образом:

$$V_f=\left\{f\left(x\right)={\displaystyle \sum _{i=1}^N{c}_i\cdot {\chi }_i\left(x\right),x\in X,c_i=\left(-\infty ,\infty \right)},i=\mathrm{1,2,}\dots ,N\right\}.\left(4\right)$$

Далее проводится вычисление морфологических проекций остальных изображений на форму наиболее информативного изображения:

$$P_{V_f}g\left(x\right)={\displaystyle \sum _{i=1}^N\frac{\left(g,{\chi }_i\right)}{{\Vert {\chi }_i\Vert }^2}{\chi }_i}.\left(5\right)$$

Ортогональная проекция $$P_{V_f}g$$ изображения g на форму V_f является изображением из множества V_f, наиболее близким к g, которая показывает различия по форме двух изображений f и g.

При этом (g, χ_i) в выражении (5) представляет собой скалярное произведение двух функций по координатам {x₁, …x_K):

$$\left(g,{\chi }_i\right)={\displaystyle \sum _{k=1}^{K}g\left(x_k\right)\cdot \chi \left(x_k\right),\left(6\right)}$$

a $$\Vert {\chi }_i\Vert$$ - норма индикаторной функции:

$$\Vert {\chi }_i\Vert ={\left({\displaystyle \sum _{k=1}^K{\chi }^2}\left(x_k\right)\right)}^{\raisebox{1ex}{$1$}\!\left/ \!\raisebox{-1ex}{$2$}\right.}.\left(7\right)$$

Расстояние между изображениями f и g определяется нормой разности f-g:

$$\rho \left(f,g\right)=\Vert f-g\Vert ={\left({\displaystyle \sum _{k=1}^K{\left[f\left(x_k\right)-g\left(x_k\right)\right]}^2}\right)}^{\raisebox{1ex}{$1$}\!\left/ \!\raisebox{-1ex}{$2$}\right.}.\left(8\right)$$

Алгоритм комплексирования основан на принципе взвешенного суммирования пикселей изображения каждого из каналов. Количество каналов N должно быть не менее двух. К наиболее информативному изображению добавляются проекции остальных изображений на форму этого изображения. Каждое дополнительное слагаемое определяет вклад одного из оставшихся каналов в результирующее изображение. Весовыми коэффициентами для одного канала являются расстояния $$\Vert f-P_{V_f}g\Vert$$ для других каналов.

$$\begin{array}{l}{f}_c\left(x\right)=f_1\left(x\right)+P_{f_1}{f}_2\left(x\right)\cdot \Vert f_2\left(x\right)-P_{f_1}{f}_2\left(x\right)\Vert +\dots \\ \dots +P_{f_1}{f}_N\left(x\right)\cdot \Vert f_N\left(x\right)-P_{f_1}{f}_N\left(x\right)\Vert .\left(9\right)\end{array}$$

В результате комплексирования формируется более информативное изображение повышенного качества.

Работа алгоритма поясняется структурной схемой на чертеже (фиг.1).

После получения исходных двумерных цифровых полутоновых изображений (Img₁, Img₂, …, Img_N) проводится процедура определения наиболее информативного изображения 1, далее проводится вычисление морфологической формы V наиболее информативного изображения 2, а также вычисление морфологических проекций остальных изображений (P_Img1, P_Img2, P_ImgN) на форму наиболее информативного изображения Img_i 3, затем наиболее информативное изображение, а также морфологические проекции остальных изображений на форму наиболее информативного изображения подвергаются процедуре комплексирования 4, основанной на принципе взвешенного суммировании с весовыми коэффициентами, в качестве которых выступают расстояния между базовым изображением и морфологическими проекциями остальных изображений на форму базового изображения.

Технический эффект, достигаемый от предложенного изобретения, заключается в повышении информативности изображений за счет комплексирования измерительной информации от нескольких спектральных каналов на основе спектрозональных различий объектов на изображении.

В качестве примера рассмотрим полутоновые изображения оптического диапазона электромагнитного излучения в трех спектральных поддиапазонах - красном (R), зеленом (G) и синем (B) соответственно. Данный алгоритм был реализован с помощью пакета MATLAB.

Исходные изображения в трех различных диапазонах R, G и B приведены на фиг.2а, б, в.

Информативности изображений равны E(R)=7,66; E(G)=7,35; E(B)=6,12, в результате самым информативным является изображение диапазона R.

При расчетах весь диапазон яркостей был разбит на несколько поддиапазонов A_i (A_i=8), для которых рассчитывались индикаторные функции, формы и проекции. Результат выделения отличий на сценах по форме $$f_G-P_{f_R}{f}_G$$ и $$f_B-P_{f_R}{f}_B$$ приведен на фиг.3а, б.

Комплексирование проводится по следующей формуле:

$$f_c\left(x\right)=f_R\left(x\right)+P_{f_R}{f}_G\left(x\right)\cdot \Vert f_G\left(x\right)-P_{f_K}{f}_G\left(x\right)\Vert +P_{f_K}{f}_B\left(x\right)\cdot \Vert f_B\left(x\right)-P_{f_R}{f}_B\left(x\right)\Vert$$ .

Синтезированное изображение показано на фиг.4.

Полученное изображение имеет информативность, равную 7,73, что превосходит информативности каждого из исходных изображений и дает возможность более четко наблюдать объекты сцены при регистрации в различных диапазонах электромагнитного излучения.

Предложенный способ комплексирования позволяет повысить информативность изображений и более эффективно использовать данные дистанционного зондирования при дальнейшей обработке и анализе.

Способ комплексирования цифровых многоспектральных изображений земной поверхности, включающий получение исходных изображений, комплексирование компонент, основанное на принципе взвешенного суммирования для каждого пикселя, отличающийся тем, что после получения изображения определяют наиболее информативное изображение путем вычисления собственной энтропии каждого изображения, проводят вычисление морфологической формы наиболее информативного изображения на основе гистограммной сегментации с заданным количеством мод гистограммы, вычисляют морфологические проекции остальных изображений на форму наиболее информативного изображения, а комплексирование проводят путем суммирования яркостей пикселей наиболее информативного изображения, которое принимают за базовое, и проекций остальных изображений на форму этого изображения.