И.М.Журавель "Краткий курс теории обработки изображений"

В оглавление \ К следующему разделу \ К предыдущему разделу

Улучшение мультиспектральных цветных изображений

Часто возникает необходимость в улучшении мультиспектральных данных и формировании на их основе изображения, которое является пригодным для визуального анализа.

Рассмотрим основные подходы к улучшению изображений, полученных на основе мультиспектральных данных. Для этого используем аэрокосмический снимок части Парижа (Франция). Изображение представлено программой Erdas в формате LAN. Оно было зафиксировано в семи диапазонах спектра. Концепция дальнейшей обработки сводится к следующему:

• Считывание мультиспектральных данных из LAN-файла с помощью программы Erdas.
• Построение цветовых составляющих на основе комбинации различных диапазонов спектра.
• Улучшение изображения с использованием растяжения контраста.
• Улучшение изображения с использованием декорреляционного растяжения.

Последовательность действий:

Шаг 1: Построение составляющих мультиспектрального изображения в формате truecolor.
Шаг 2: Использование гистограммы для исследования цветовых составляющих изображения.
Шаг 3: Использование корреляции для анализа составляющих truecolor.
Шаг 4: Улучшение truecolor-составляющих с помощью растяжения контраста.
Шаг 5: Ограничение гистограммы при растяжении контраста.
Шаг 6: Улучшение цветовых составляющих изображения с помощью метода декорреляционного растяжения.
Шаг 7: Ограничение гистограммы при декорреляционном растяжении.
Шаг 8: Построение и улучшение CIR-составляющих.

Шаг 1: Построение составляющих мультиспектрального изображения в формате truecolor.

LAN-файл paris.lan содержит 7-диапазонное аэрокосмическое изображение с размерами 512-на-512. Значения пикселей представлены в формате целых 8-битных чисел без знака.

Для считывания 3, 2 и 1 диапазона из LAN-файла в MATLAB используют функцию multibandread. Эти диапазоны взяты из различных частей спектра. Когда их отобразить в красной, зеленой и голубой плоскостях, получим RGB изображение со стандартными truecolor-составляющими. Последний аргумент в функции multibandread описывает какие диапазоны спектра используются.

truecolor=multibandread('paris.lan', [512, 512, 7], 'uint8=>uint8', ...
      128,  'bil', 'ieee-le', {'Band','Direct',[3 2 1]});
Составляющие truecolor имеют очень небольшой контраст и цвет их несбалансированный.
figure
imshow(truecolor);
text(size(truecolor,2), size(truecolor,1) + 15,...
  'Image courtesy of Space Imaging, LLC',...
  'FontSize', 7, 'HorizontalAlignment', 'right')

Шаг 2: Использование гистограммы для исследования цветовых составляющих изображения.

Просматривая гистограмму красной составляющей, можно увидеть какие данные сконцентрированы в небольшой части имеющегося динамического диапазона.

figure
imhist(truecolor(:, :, 1))

Шаг 3: Использование корреляции для анализа составляющих truecolor.

Между составляющими компонентами изображения существует некоторая связь, т.е. корреляция. Графически эту зависимость можно представить так.

r=truecolor(:, :, 1);
g=truecolor(:, :, 2);
b=truecolor(:, :, 3);
figure
plot3(r(:), g(:), b(:), '.')
grid('on')
xlabel('Red')
ylabel('Green')
zlabel('Blue')

Такое представление составляющих изображения позволяет отобразить их корреляционные зависимости и объясняет псевдомонохроматический вид составляющих.

Шаг 4: Улучшение truecolor-составляющих с помощью растяжения контраста.

При использовании функции imadjust для линейного растяжения контраста, происходит восстановление (улучшение) изображения.

stretched_truecolor=imadjust(truecolor, stretchlim(truecolor));
figure
imshow(stretched_truecolor)

Шаг 5: Ограничение гистограммы при растяжении контраста.

Гистограмма красной составляющей после применения растяжения контраста показывает, каким образом распределены данные во всем динамическом диапазоне. Эта гистограмма показана на рисунке ниже.

figure
imhist(stretched_truecolor(:, :, 1))

Шаг 6: Улучшение цветовых составляющих изображения с помощью метода декорреляционного растяжения.

Другой путь улучшения truecolor-составляющих состоит в использовании метода декорреляционного растяжения, который улучшает их расположение в метрическом пространстве с точки зрения высокой корреляции спектральных диапазонов. Для выполнения декорреляционного растяжения используется функция decorrstretch (эта функция аналогична линейному растяжению контраста).

decorrstretched_truecolor=decorrstretch(truecolor, 'Tol', 0.01);
figure
imshow(decorrstretched_truecolor)

Кроме того, поверхность характеризуется хорошо различимыми локальными областями различных цветов. Иными словами, такие области характеризуются большими спектральными различиями. В качестве примера отметим зеленую область в левой части изображений. В реальности эта область является парком в западной части Парижа.

Шаг 7: Ограничение гистограммы при декорреляционном растяжении.

 Продемонстрируем эту процедуру на примере.
r=decorrstretched_truecolor(:, :, 1);
g=decorrstretched_truecolor(:, :, 2);
b=decorrstretched_truecolor(:, :, 3);
figure
plot3(r(:), g(:), b(:), '.')
grid('on')
xlabel('Red')
ylabel('Green')
zlabel('Blue')

Шаг 8: Построение и улучшение CIR-составляющих.

Аэрокосмические летательные аппараты могут фиксировать изображения как в видимом, так и в невидимом диапазонах спектра. Для визуализации изображений в невидимом спектре используют преобразование в формат RGB. При решении рассматриваемой задачи используют диапазон, который находится вблизи инфракрасного диапазона (near infrared (NIR)). Также возможно его использование вместе с другими диапазонами для исследования, например, задач экологического состояния региона.

Рассмотрим визуализацию изображения, полученного в так называемом CIR-диапазоне 
(color infrared (CIR)).

CIR=multibandread('paris.lan', [512, 512, 7], 'uint8=>uint8', ...
                    128,  'bil', 'ieee-le', {'Band','Direct',[4 3 2]});

Для усиления некоторых характеристик изображения используют декорреляционное растяжение.

stretched_CIR=decorrstretch(CIR, 'Tol', 0.01);
figure
imshow(stretched_CIR)

Следует отметить, что свойства инфракрасных составляющих изменяются в зависимости от свойств сканируемого объекта. Поэтому такие изображения могут быть использованы для дистанционного исследования земной поверхности.

В оглавление \ К следующему разделу \ К предыдущему разделу