(一)技术领域：
[0001] 本
发明涉及一种基于暗通道先验的遥感图像雾霾仿真方法，属于
图像处理的技术领域。(二)背景技术：
[0002] 卫星遥感是空间信息网络的重要平台，作为国家实时获取和处理空间信息的重要
基础设施，是安全监视、应急救援、军事作战等重大领域中场景信息获取的关键手段。目前，遥感技术已广泛应用于环境、
水文、气象、地质、军事等领域。随着遥感影像的几何级增加，其
质量评价的重要性也日益增长。根据遥感图像的不同质量，选择不同的在轨处理方式及下传的优先等级，可有效提高遥感数据的在轨处理和实时传输能
力，同时也有利于提高遥感数据自动解译的准确性。在影响遥感图像质量的各种因素中，雾霾遮挡问题严重影响着人眼对图像数据的判读，同时也影响了遥感数据的自动解译。本发明针对遥感图像的雾霾遮挡问题进行研究，现阶段对带有雾霾的遥感图像的研究大都集中于如何有效的去除雾，而对雾霾程度的评价问题却鲜有提及。在遥感图像的获取中，由于没有无雾图像进行参考，各种去雾
算法的验证一般是通过人眼观察来完成。而对于雾霾程度评价方面的研究更是受困于没有雾浓度的真实值。
[0003] 本发明将用于图像去雾领域的暗通道先验引入雾霾仿真体系中，首先通过雾天成像模型和暗通道先验提取雾霾图像的透射图，然后以该透射图为基础，适当调整参数，代入到雾天成像模型中即可产生带有不同程度雾霾的遥感图像。由本发明仿真出来的雾霾图像，与实际雾霾图像在视觉上极为相似，而且提供了雾霾的真值，既可用于去雾算法的有效性评估，也可用于雾浓度评价方法的研究和验证。(三)发明内容：
[0004] 1、目的：本发明的目的在于提供一种基于暗通道先验的遥感图像雾霾仿真方法，为遥感图像雾霾去除以及雾霾程度评价提供参考真值。该方法可以仿真得到不同分布以及不同程度的雾霾遥感图像，可以定量的评估质量评价方法的优劣以及去雾算法的好坏，在雾霾图像质量评价以及去雾方法的研究中起着至关重要的作用。
[0005] 2、技术方案：本发明通过以下技术方案实现。
[0006] 描述雾天成像的模型为：
[0007] I(x)＝J(x)t(x)+A(1-t(x))
[0008] 其中，I(x)是获取的图像，为雾霾图像，J(x)为雾霾图像对应的清晰图像，A是全局大气光，t(x)描述的是进入相机未被散射的光线，即为透射图，x表示
像素的在图像中的
位置。在图像去雾方法中，已知I(x)，通过先验知识估计全局大气光A和透射图t(x)，然后对雾天成像模型推导得到：
[0009]
[0010] 最后将I(x)，A和t(x)代入即可得到去雾后的图像。与此相反，雾霾图像仿真则是已知清晰图像，通过调整大气光和估计透射图，然后代入到雾天成像模型从而得到不同分布和不同程度的雾霾图像。因此，在雾霾图像仿真中，关键在于估计透射图，而透射图的估计则需要先对全局大气光进行估计，本发明是一种基于暗通道先验的遥感图像雾霾仿真方法，该方法包括如下个步骤：
[0011] 步骤1：遥感图像数据获取
[0012] 本步骤中，遥感图像均截取自谷歌地球(Google Earth)。具体操作如下：
[0014] ②单击文件→保存→保存图像，即可获得遥感图像。
[0015] 在谷歌地球中按上述操作截取若干清晰图像和雾霾图像，其中雾霾图像包括不同分布的雾以及不同程度的雾，图像尺寸统一即可，本发明中，图像尺寸均为600×500。
[0016] 步骤2：计算图像的暗通道图
[0017] 对于R、G、B三个通道的遥感图像，暗通道图计算方法如下：
[0018] ①对于每一个像素，比较它的R、G、B三个通道的值，将最小值作为该像素处的值，对整幅图像操作后得到灰度图；
[0019] ②在这个灰度图中，用一个15×15的滑动窗口作为局部区域从图像的左上到右下进行遍历，计算该区域的最小值，以该值作为整个区域的值便可得到暗通道图。
[0020] 步骤3：全局大气光A的估计
[0021] 根据暗通道先验，每一个局部区域都很有可能存在至少一个
颜色通道的
亮度值很低甚至接近于0。在暗通道图中取灰度值最大的前300个像素，一般为图像总像素数的0.1％，在这些像素对应的原图即I(x)的位置中，分别挑选出R通道，G通道和B通道的最大值，然后取这三个值的均值记作A0，那么全局大气光A可通过下式进行估计：
[0022]
[0023] 步骤4：透射图提取
[0024] ①透射图粗略估计。利用暗通道先验即每一个局部区域都很有可能存在至少一个颜色通道的亮度值很低甚至接近于0，再结合雾天成像模型推导出透射图估计公式：
[0025]
[0026] 式中，Ic表示雾霾图像R、G、B三个通道中的任一通道，Ω(x)为局部区域。根据该公式，代入已估计出的全局大气光和已知的雾霾图像I，即可求得粗略的透射图；
[0027] ②透射图精细化。通过步骤①估计的透射图具有
块效应，为了去除块效应使透射图更加精细，在本发明中我们使用了引导滤波，其滤波核为：
[0028]
[0029] 其中I为引导图，可以是灰度图，也可以用彩色图像，ωk表示以像素k为中心的窗口，|ω|表示该窗口内的像素数量，μk和 分别为引导图像I在窗口ωk内的均值和方差，ε为调整参数。在本发明中，引导图I为没有任何信息的灰度值为0的图像，目的是为了避免原图像中地物纹理的影响。用Wij(I)对粗略估计出的透射图进行滤波，则经过滤波后的透射图不再有块效应，同时又能反映雾霾的分布。
[0030] 步骤5：雾霾遥感图像的仿真
[0031] 透射图提取后便可根据雾天成像模型进行雾霾图像仿真，即从实际的带雾图像中估计出透射图t，将其与一幅清晰的图像J一同代入雾天成像模型，并调整全局大气光A，即可在清晰图上加入雾霾，得到雾霾仿真图。遥感图像中的雾霾有不同的分布以及不同的浓度，因此在仿真的图像可以分为两类，根据实际需求选择即可。具体实施过程如下：
[0032] (1)同一分布不同浓度的雾霾图像仿真
[0033] 在雾天成像模型中，清晰图像J已知，透射图为从现有雾霾遥感图像中估计得到的，它决定了仿真图像中雾霾的大致分布，在该步骤中是固定不变的。全局大气光A则决定了仿真图像中雾霾的浓度，在本步骤中为变量，取值范围为[180,255]。通过调整全局大气光A值的大小从而得到带有不同浓度雾的图像。
[0034] (2)不同分布的雾霾图像仿真
[0035] 在透射图提取步骤中，可以从现有的多个雾霾遥感图像中提取出不同的透射图，由于透射图反映了雾霾的分布情况，因此在这一步中，只需固定同一幅清晰图像，而将不同的透射图代入到雾天成像模型中，即可在同一幅清晰图中加入不同分布的雾。需要注意的是，全局大气光A在这里可设为固定值，也可根据需求进行调整，一般A取220。
[0036] 3、优点及功效
[0037] 本发明的优点是：通过仿真雾霾遥感图像，可以使雾霾浓度等级已知，无需通过人工辨识进行分类，从而为图像质量评价以及去雾算法研究提供雾霾真值，简单有效，省时省力。
[0038] 根据不同需求，通过调整全局大气光A和透射图t可以仿真出各种具有不同分布和不同浓度的雾霾遥感图像，这些仿真雾霾图像与真实雾霾图像在视觉上极为相似，可用于图像质量评价、评估去雾算法性能等研究。(四)
附图说明
[0039] 图1本发明所述仿真方法的
流程图。(五)具体实施方式
[0040] 为了更好地理解本发明的技术方案，以下结合附图对本发明的实施方式作进一步描述：
[0041] 本发明在MATLAB 2013a编程环境下实现，本发明的流程图如图1所示。计算机配置采用：Intel Core i5-2400处理器，主频3.1GHz，内存2GB，
操作系统为32位Windows7。本发明是一种基于暗通道先验的遥感图像雾霾仿真方法，具体包括以下步骤：
[0042] 步骤1：在MATLAB 2013a环境下读入截取自谷歌地球的雾霾遥感图像；
[0043] 本步骤中，遥感图像均截取自谷歌地球(Google Earth)。具体操作如下：
[0044] ①打开谷歌地球软件，选定截图区域；
[0045] ②单击文件→保存→保存图像，即可获得遥感图像。
[0046] 在谷歌地球中按上述操作截取若干清晰图像和雾霾图像，其中雾霾图像包括不同分布的雾以及不同程度的雾，图像尺寸统一即可，本发明中，图像尺寸均为600×500。
[0047] 步骤2：计算图像的暗通道图
[0048] 对于R、G、B三个通道的遥感图像，暗通道图计算方法如下：
[0049] ①对于每一个像素，比较它的R、G、B三个通道的值，将最小值作为该像素处的值，对整幅图像操作后得到灰度图；
[0050] ②在这个灰度图中，用一个15×15的滑动窗口作为局部区域从图像的左上到右下进行遍历，计算该区域的最小值，以该值作为整个区域的值便可得到暗通道图；
[0051] 步骤3：全局大气光A的估计
[0052] 在暗通道图中取灰度值最大的前300个(总像素数的0.1％)像素，在这些像素对应的原图即I(x)的位置中，分别挑选出R通道，G通道和B通道的最大值，然后取这三个值的均值记作A0，那么全局大气光可通过下式进行估计：
[0053]
[0054] 步骤4：透射图提取
[0055] ①透射图粗略估计。利用暗通道先验以及雾天成像模型推导出透射图估计公式：
[0056]
[0057] 根据该公式，代入已估计出的全局大气光和已经计算出的暗通道图即可求得粗略的透射图；
[0058] ②透射图精细化。通过步骤①估计的透射图具有块效应，为了去除块效应使透射图更加精细，在本发明中我们使用了引导滤波，其滤波核为：
[0059]
[0060] 其中引导图I使用的是没有任何信息的灰度值为0的图像，目的是为了避免原图像中地物纹理的影响。用Wij(I)对粗略估计出的透射图进行滤波，滤波半径设为20，调整参数-3设为10 ，这样经过滤波后的透射图不再有块效应，同时又能反映雾霾的分布。
[0061] 步骤5：雾霾遥感图像的仿真
[0062] 透射图提取后便可根据雾天成像模型进行雾霾图像仿真，即从实际的带雾图像中估计出透射图t，将其与一幅清晰的图像J一同代入雾天成像模型，并调整全局大气光A，即可在清晰图上加入雾霾，得到雾霾仿真图。遥感图像中的雾霾有不同的分布以及不同的浓度，因此在仿真的图像可以分为两类，根据实际需求选择即可。具体实施过程如下：
[0063] (1)同一分布不同浓度的雾霾图像仿真
[0064] 在雾天成像模型中，清晰图像J已知，透射图为从现有雾霾遥感图像中估计得到的，它决定了仿真图像中雾霾的大致分布，在该步骤中是固定不变的，全局大气光A则决定了仿真图像中雾霾的浓度，在本步骤中为变量，取值范围为[180,255]。通过调整全局大气光A值的大小从而得到带有不同浓度雾的图像。
[0065] (2)不同分布的雾霾图像仿真
[0066] 在透射图提取步骤中，可以从现有的多个雾霾遥感图像中提取出不同的透射图，由于透射图反映了雾霾的分布情况，因此在这一步中，只需固定同一幅清晰图像，而将不同的透射图代入到雾天成像模型中，即可在同一幅清晰图中加入不同分布的雾。需要注意的是，全局大气光A在这里可设为固定值，也可根据需求进行调整，一般A取220。
