一種基于機器學習的遙感圖像色彩校正方法技術

本發明專利技術公開了一種基于機器學習的遙感圖像色彩校正方法，可用于航天、航空彩色遙感圖像的色彩校正，該方法包括以下步驟：建立真彩色樣本圖像數據庫；從色彩失真的彩色遙感圖像中，通過人機交互的方式選擇典型地物區域作為輸入樣本；從真彩色樣本圖像數據庫中人工選擇與輸入樣本具有相同地物類型、相同成像時間、相同或相近地理區域的高質量彩色圖像作為參照樣本；將輸入樣本和參照樣本組成訓練樣本，利用機器學習方法對訓練樣本訓練學習，得到色彩校正模型；利用色彩校正模型，對存在色彩失真的彩色遙感圖像進行處理，得到高質量的彩色遙感圖像。本發明專利技術將人機交互選擇訓練樣本和機器學習色彩校正模型相結合，有效地解決了遙感圖像的色彩校正問題。

【技術實現步驟摘要】

本專利技術涉及圖像處理
，尤其是，可用于航天、航空傳感器平臺獲取的彩色遙感圖像的色彩校正。
技術介紹
隨著空間技術和傳感器技術的飛速發展，遙感圖像數據已經成為人們獲取信息的重要手段，在軍事偵察、環境監測、資源調查、土地利用和城市規劃等領域發揮越來越重要的作用。然而，受光照條件、成像時間、大氣狀況、傳感器等諸多因素的影響，成像設備所獲取遙感圖像的色彩與被拍攝地物的真實色彩往往存在一定的色偏。而顏色作為直觀、易提取的特征，無論對于人工分析判讀，還是圖像鑲嵌、目標檢測與識別以及變化檢測等計算機輔助處理和解譯過程，都具有舉足輕重的作用，圖像色彩失真難免會影響圖像后續分析和 解譯結果的正確性和穩定性。面對目前呈指數級增長的海量遙感圖像，如何快速、穩定地消除或校正遙感圖像的色彩失真，校正地物的真實色彩，成為人們關心和研究的熱點問題，也是具有高度挑戰性的難點問題。因此，研發高效實用的遙感圖像色彩校正方法，變得尤為迫切和必要。在圖像色彩校正方面，國內外研究者和技術人員已進行了一定的探討和研究，并取得了初歩的成果。其中比較有代表性的遙感軟件包括美國ERDAS公司的ERDASIMAGINE(勻光功能)和德國INPHO公司的Ortho Vista(勻光功能)，這些軟件主要適用于圖像鑲嵌過程中各子圖間顏色不一致的應用場合，可改善遙感影像亮度分布不均的狀況；通用的商用圖像處理軟件，主要有Adobe公司的Photoshop (匹配顏色功能)，主要用于將待處理圖像的顔色匹配到指定圖像上。這些軟件需要大量的人工交互和確認操作，包括參數設置、方法選擇、是否進行后續增強的選擇等，處理結果依賴于操作人員的經驗知識或需要通過多次調整參數反復操作，處理過程繁瑣，效率不高。隨著多平臺、多空間分辨率、多時相遙感圖像的出現，每天需要處理的遙感圖像數據量急劇增加，迫切需要高效的色彩校正技術，而現有的技術在處理效果、處理速度和穩定性等方面難以滿足用戶的需求。針對遙感圖像的色彩失真問題，研究高效、實用的色彩校正方法，改善遙感圖像的圖像質量，不僅有助于提高圖像判讀人員的判斷效率和判讀精度，充分發揮遙感圖像的信息服務功能，而且有助于提高遙感圖像目標檢測、識別以及變化檢測等計算機輔助解譯的精度，為相關人員做出正確決策提供可靠保障。
技術實現思路
本專利技術的目的在于針對現有技術的不足，綜合利用圖像處理、模式識別和人工智能技術，提供。本專利技術的技術思路是通過人機交互方式選擇輸入樣本和參照樣本，并利用機器學習方法獲得色彩校正模型，進而對存在色彩失真的遙感圖像進行處理，生成高質量彩色遙感圖像產品，達到校正彩色遙感圖像色偏的目的。本專利技術所提出的，其特征在于，該方法包括以下步驟步驟SI，建立真彩色樣本圖像庫D ;步驟S2，對于存在色彩失真的彩色遙感圖像MG，選擇該圖像中的典型地物區域作為輸入樣本I ;步驟S3，從所述真彩色樣本圖像庫D中選擇與所述輸入樣本I具有相同地物類型、相同成像時間、相同或相近地理區域的高質量彩色樣本圖像，并將所選擇的高質量彩色樣本圖像或從所選擇的高質量彩色樣本圖像中選擇合適的區域作為參照樣本R ； 步驟S4，將所述輸入樣本I和所述參照樣本R組成訓練樣本T = {I，R}，并利用機器學習方法對所述訓練樣本T進行訓練學習，得到色彩校正模型f ( ·);步驟S5，對所述存在色彩失真的彩色遙感圖像IMG，利用所述色彩校正模型f ( ·)·對其進行色彩校正，得到經過色彩校正后的高質量的彩色遙感圖像P。本專利技術的有益效果是，本專利技術通過基于機器學習的遙感圖像色彩校正方法，將人機交互選擇訓練樣本和機器學習建立色彩校正模型的方式相結合，可有效解決色彩失真遙感圖像的色彩校正問題，本專利技術方法的適用范圍廣，色彩校正效果穩定。附圖說明圖I是本專利技術所提出的基于機器學習的遙感圖像色彩校正方法的流程圖。圖2是根據本專利技術實施例的用于建立真彩色樣本圖像庫的部分地物類型的樣本圖像。圖3是根據本專利技術實施例的基于真彩色樣本圖像庫查詢圖像的界面圖。圖4是根據本專利技術實施例的訓練學習生成色彩校正模型的流程圖。具體實施例方式為使本專利技術的目的、技術方案和優點更加清楚明白，以下結合具體實施例，并參照附圖，對本專利技術進ー步詳細說明。本專利技術提供的方法既可以在個人計算機、エ控機及服務器上以軟件的形式安裝并執行，也可將方法做成嵌入式芯片以硬件的形式來體現。根據本專利技術提出的，可廣泛用于彩色遙感圖像的色彩校正。下面，以多光譜真彩色衛星遙感圖像的色彩校正為例，進行具體說明。圖I為本專利技術所提出的基于機器學習的遙感圖像色彩校正方法的流程圖。如圖I所示，本專利技術所提出的基于機器學習的遙感圖像色彩校正方法包括以下步驟步驟SI，建立真彩色樣本圖像庫D ;在該步驟中，事先分析調研地球表面可能存在的多種典型地物類型，并收集通過航天或航空平臺獲取的、覆蓋這些地物類型的、多個季節和成像時間的、多個地理區域的(如國家或地區)、色調均勻、亮度適中的高質量彩色圖像，建立所述真彩色樣本圖像庫D。圖2給出了根據本專利技術實施例的用于建立所述真彩色樣本圖像庫的部分地物類型的樣本圖像。這些圖像是通過航天或航空平臺在不同季節和成像時間、不同地理區域獲取的，且這些圖像色調均勻、亮度適中，圖像質量好。另外，還可利用在線生成的高質量彩色遙感圖像對真彩色圖像數據庫進行在線管理，實現真彩色圖像數據庫中真彩色樣本圖像的増加或更新。步驟S2，對于存在色彩失真的彩色遙感圖像IMG，選擇該圖像中的典型地物區域作為輸入樣本I ;該典型地物區域的選擇是根據所述色彩失真的彩色遙感圖像IMG所覆蓋的地物類型進行選擇，可以是城鎮區域，也可以是水域區域，或者是沙漠等區域。對于所述典型地物區域的選擇可采用人工交互的方式，從所述色彩失真的彩色遙感圖像MG中選擇對所述色彩失真的彩色遙感圖像MG所覆蓋的地物類型的色彩具有代表性的圖像區域。步驟S3，從所述真彩色樣本圖像庫D中選擇與所述輸入樣本I具有相同地物類型、相同成像時間、相同或相近地理區域的高質量彩色樣本圖像，并將所選擇的高質量彩色樣本圖像或從所選擇的高質量彩色樣本圖像中選擇合適的區域作為參照樣本R ；所述合適的區域指的是，作為參照樣本R的該區域與輸入樣本I所覆蓋的地物類型一致，圖像紋理與幾何結構基本相同或相似。對于所述高質量彩色樣本圖像的選擇可采用人工選擇的方式。圖3是根據本專利技術實施例的基于真彩色樣本圖像庫查詢圖像的界面圖。如圖3所示，根據給定的地物類型、成像時間和地理區域信息，可以從真彩色樣本圖像庫中查詢到符合上述條件的真彩色樣本圖像，并將查詢得到的圖像結果以直觀的方式顯示出來，便于用戶進ー步選擇確定。步驟S4,將所述輸入樣本I和所述參照樣本R組成訓練樣本T= {I,R},并利用機器學習方法對所述訓練樣本T進行訓練學習，得到色彩校正模型f ( ·);圖4給出了一個根據本專利技術實施例的訓練學習生成色彩校正模型的流程圖。如圖4所示，所述步驟S4進ー步包括以下幾個步驟步驟S41，對所述輸入樣本I和所述參照樣本R提取其顔色特征，分別得到所述輸入樣本I的顏色特征IF和所述參照樣本R的顏色特征RF ；所述輸入樣本I的顏色特征IF和所述參照樣本R的顏色特征RF均由N個顏色特征向量組成IF = UF1, IF2, , IFJ，RF = (IF1, 本文檔來自技高網...

【技術保護點】
一種基于機器學習的遙感圖像色彩校正方法，其特征在于，該方法包括以下步驟：步驟S1，建立真彩色樣本圖像庫D；步驟S2，對于存在色彩失真的彩色遙感圖像IMG，選擇該圖像中的典型地物區域作為輸入樣本I；步驟S3，從所述真彩色樣本圖像庫D中選擇與所述輸入樣本I具有相同地物類型、相同成像時間、相同或相近地理區域的高質量彩色樣本圖像，并將所選擇的高質量彩色樣本圖像或從所選擇的高質量彩色樣本圖像中選擇合適的區域作為參照樣本R；步驟S4，將所述輸入樣本I和所述參照樣本R組成訓練樣本T＝{I，R}，并利用機器學習方法對所述訓練樣本T進行訓練學習，得到色彩校正模型f(·)；步驟S5，對所述存在色彩失真的彩色遙感圖像IMG，利用所述色彩校正模型f(·)對其進行色彩校正，得到經過色彩校正后的高質量的彩色遙感圖像P。

【技術特征摘要】

【專利技術屬性】
技術研發人員：王彥情，郭建恩，張吉祥，馬雷，江碧濤，張秀玲，
申請(專利權)人：中國科學院自動化研究所，北京市遙感信息研究所，
類型：發明
國別省市：