erp系统管理实验结果与分析_单幅无人机影像匀光处理算法对比实验及结果分析...

作 者 信 息

俞小波1,2，方　军1，李朝奎1，廖孟光1，陈　醒1,2

(1. 湖南科技大学　地理空间信息技术国家地方联合工程实验室，湖南　湘潭　411201；2. 湖南科技大学　资源环境与安全工程学院，湖南　湘潭　411201)

“

【摘要】匀光处理是无人机遥感影像处理的重要环节，匀光处理算法决定图像处理的精度与效率。在单幅影像匀光处理方面，目前常用的算法主要有Mask算法、背景拟合算法、同态滤波算法和Retinex算法。对于同一影像各算法之匀光处理效果不尽一致，且在效率方面存在较大差别。因此匀光处理算法的选择是困扰影像处理人员的难题之一。基于此，从匀光影像质量、算法执行效率等方面对现有匀光处理算法进行实验对比研究。以Matlab为计算平台，对4种算法进行程序设计与代码编写，并对算法执行效率进行对比，对影像处理质量进行评价。以某建筑物群外围16幅3 000×4 000 PixelRGB影像为实验数据进行实验，分别计算并比较4种模型的实验结果，并对实验结果进行评价与分析。实验表明：Mask算法总体匀光效果最好，背景拟合算法次之。研究结论可供匀光处理工作者在优选单幅无人机影像匀光算法时参考，从而提高无人机影像处理工作效率。

【关键词】无人机影像；匀光处理；Mask算法；背景拟合算法；同态滤波算法；Retinex算法

【中图分类号】P237.3 【文献标识码】A 【文章编号】1672-1586(2019)06-0096-08

”

引文格式：俞小波，方　军，李朝奎，等. 单幅无人机影像匀光处理算法对比实验及结果分析[J].地理信息世界,2019,26(6):96-103.

正文

0　引　言

无人机在获取影像时，由于受到传感器因素、天气因素、人为因素等多种因素的影响，导致无人机获取的影像内部、各影像之间存在不同程度的亮度和色调分布不均匀，甚至出现影像模糊等色彩不一致现象。这不仅造成了不良的视觉效果，也严重干扰了影像本身所含有的信息。对无人机获取的影像进行匀光处理，能够为后续研究提供色彩一致、视觉效果统一的基础性数据，是无人机影像处理的关键步骤之一。目前已有多种较为成熟且应用广泛的算法，不同的匀光处理算法，对于同一影像的处理结果不尽相同，因而适用于不同的遥感影像。通过对常见无人机遥感影像的匀光处理算法的研究与测试，分别从算法执行效率、输出影像质量等方面对其进行评估，分析比较每种算法的优势与不足，从而对不同算法的适用对象进行完整归纳，形成不同算法间的对比，这对于处理不同影像时的算法快速选取具有指导性意义。

目前，在影像匀光处理方面研究均是以传统卫星和航空遥感影像为对象展开的，而对于无人机遥感影像匀光处理，还没有形成专门的理论和方法。国外方面，比较常用的遥感图像处理工具ERDAS IMAGINE8.5采用的就是利用数学模型来对亮度变化进行模拟的方法来进行匀光处理。同时许多专家学者也提出了不同的方法，如Rahman和Orsini等借鉴Retinex理论来处理亮度和对比度不均匀影像，提出了Retinex匀光方法；除此之外Shih-Chang Hsia提出了一种自适应匀光处理的方法，其主要处理对象是文本影像的亮度不均匀现象；Sang Ji Ki等提出了一种光照补偿法来去除亮度分布的不均匀，该方法基于小波变换，通过多重分辨率重构得到亮度均匀的影像；J.Alex提出了一种基于自适应的直方图匹配方法，通过选取最优的映射函数，可以获得最佳的匀光处理效果；Uche就同态滤波匀光算法的不足，提出将图像由RGB模型空间转换至HIS模型空间后再进行同态滤波处理，既降低了计算的复杂度，同时也提高了影像的质量。国内在航空遥感影像匀光处理方面也已经形成了大量的理论和方法，目前应用较为广泛的方法主要有：基于Mask原理的匀光方法、基于频率域的匀光方法、基于自适应模板的匀光方法和基于Wallis滤波器的匀色方法。虽然这些较为成熟的方法能够解决大部分影像色彩不一致的问题，但仍存在一些不足的地方，为此有许多研究者提出了各自改进的方法。张振等针对Mask匀光方法处理后影像的反差不均匀问题，在对结果影像进行拉伸处理时对影像不同区域采取不同的拉伸尺度，达到了处理后影像反差的一致性；经典的基于Wallis滤波器的匀光处理方法只能用于多幅影像之间的亮度一致性处理，对此曹彬才等人提出从待校正的影像中选取标准影像，再用基于该匀光方法实现了对单幅影像的处理；姚芳等人就Mask匀光算法存在的两大问题：在高斯低通滤波获取背景影像过程中滤波器尺寸的选择问题和对相减运算结果影像拉伸处理模型的选取问题，提出先将原始影像进行分块处理，再根据不同影像块的清晰度选取不同的低通滤波器来获取背景影像的方法，而对于相减运算后的结果影像，采取根据各影像块亮度大小选择不同尺度的线性拉伸模型进行分块拉伸处理，这一方法有效地改进了Mask匀光方法。总的来说，对无人机遥感影像匀光处理的研究按内容可以分为两大类：

1)单幅影像匀光处理，主要解决由光学透镜成像的不均匀性、光照条件和大气条件等造成的单幅影像内部的亮度和反差分布不均匀的问题；

2)多幅影像间的匀光处理，主要解决由于摄影角度和光照条件等因素引起的影像之间的亮度、色彩不一致等问题。

在单幅影像匀光处理方面，常用的算法主要有Mask算法、背景拟合算法、同态滤波算法和Retinex算法。对于不同影像各算法匀光效果不尽一致，且在效率方面也有所差别。基于此，本文从匀光影像质量、算法执行效率等方面对上述几种算法进行实验对比研究，旨在为单幅影像匀光处理算法的选取提供一定参考。本文对各算法基本原理进行简要介绍，采用Matlab编程实现上述4种算法。分别对整体亮度偏暗、亮度适中和亮度过大3种类型的亮度分布不均匀无人机影像进行了匀光处理，验证和对比了各算法对不同类型影像的匀光效果；同时统计了各算法程序处理所耗费的时间，以此为度量指标，对文中介绍的4种算法的执行效率进行了对比分析，得出了各算法的比较结果。

1　匀光处理算法与质量评价方法

1.1 单幅无人机影像匀光算法

1.1.1 Mask算法

Mask匀光算法是最为常用的单幅影像匀光处理方法之一，它又被称为模糊正像匀光法，是针对光学像片的晒印提出来的。该算法认为对于一幅亮度分布不均匀的数字无人机影像可采用如下数学模型对其进行描述：

式中，f(x,y)表示亮度分布不均匀的无人机影像；r(x,y)表示亮度不均匀的背景影像；g(x,y)表示理想情况下亮度分布均匀的影像。如上式所示，Mask原理认为一幅亮度分布不均匀的影像可以看作是由亮度分布均匀的影像和亮度分布不均匀的背景影像叠加而成，其中背景影像被认为是造成影像亮度分布不均匀的原因。影像的背景部分在频率域主要体现为低频信息，因此可以通过低通滤波的方式获得背景影像，再将原始影像减去背景影像，得到亮度分布均匀的影像。这里一般选择高斯低通滤波器。

由于这种相减运算会造成影像灰度值的动态变化范围的减小，从而导致影像的总体反差减小，所以需要对相减后的结果影像进行拉伸处理以增大影像的总体反差，使得影像的细节部分尽可能地得到保留。拉伸处理模型为：

式中，f'(x,y)为相减后的结果影像；g(x,y)为拉伸后的匀光结果影像；β为对比度拉伸参数，取值一般为-127～127之间。

1.1.2 背景拟合算法

背景拟合匀光算法和Mask匀光算法都是基于加性噪声模型，即认为亮度分布不均匀的无人机遥感影像f(x,y)，是亮度分布均匀的影像g(x,y)和导致亮度分布不均匀的背景影像r(x,y)之和，通过求出并去除背景影像达到匀光的目的。与Mask匀光法不同的是，背景拟合法是通过多项式拟合出背景影像，再作相减运算，得到亮度分布均匀的结果影像。

背景影像的有效拟合是该算法的关键所在，背景部分通常表现为影像中的低频信息，通过对影像进行平滑处理可以先分离出大致背景区域，这里一般选用高斯滤波器作为平滑模板。分离出影像的大致背景区域后，需要准确判定原始影像中属于背景区域的像素，然后从这些像素中选取分布均匀的背景样点。同时需要记下各个背景样点在原始影像中的行列位置，最后通过多项式拟合的方法得到较为准确的背景影像。

1.1.3 同态滤波算法

同态滤波算法基于照度与反射率模型。该模型认为一幅亮度不均匀的无人机影像f(x,y)可以表示为地物受到的照度i(x,y)与地物反射率h(x,y)的乘积。该算法的数学模型如下：

式中，照度分量i(x,y)反映影像亮度的缓慢变化情况，对应频率域的低频信息；反射分量h(x,y)受地物的边界特性影响，引起影像亮度的急剧变化，在频率域表现为高频信息。其中照度分量，即影像中的低频信息是影像表现亮度分布不均匀的主要原因。同态滤波就是在频率域对原始影像进行滤波处理，通过抑制影像中的低频信息而增强高频信息，从而消除影像亮度的不均匀分布同时增强对比度。因此，同态滤波匀光算法的关键在于首先将影像的照度分量和反射分量有效分离开来，再分别对照度分量进行抑制而对反射分量进行增强处理。

1.1.4 Retinex算法

Retinex匀光算法是根据Edwin.H.Land提出的人类视觉系统感知景物亮度和颜色的Retinex理论，对影像进行灰度动态范围压缩和对比度增强，它同样基于照度-反射率模型。与同态滤波算法不同的是，Retinex算法是通过低通滤波器来估计出近似真实的照度分量i(x,y)，再将原始影像f(x,y)与估计得到的照度分量i(x,y)作比值运算，获得反射分量h(x,y)，以此作为匀光结果影像。

基于照度和反射率模型的Retinex匀光算法，通过低通滤波分离出接近真实亮度分布的照度分量，得到地物反射分量，反射分量作为真实地面情况的反映，从而得到亮度均匀的影像。但是在匀光处理过程中，去除掉照度分量而只保留反射分量，这缩减了影像灰度动态范围，造成影像对比度降低。

1.2 匀光处理质量评价方法

为衡量匀光处理结果的效果，需按照一定指标对匀光处理结果进行评价分析。目前，对匀光结果质量的评价方法主要分为两大类：一类是通过目视判别方式对匀光效果作定性描述，为主观评价方法；另一类是通过统计反映影像质量的参数对匀光效果作定性分析，为客观评价方法。

1)主观评价方法

主观评价是通过目视判别的方式直接判断结果影像相较于原始影像亮度、反差是否得到调整，影像色调、清晰度是否相一致等，即对匀光效果做出定性描述。该方法适用于处理前后差别较大的影像。由于仅通过目视判读匀光效果主观性太强，不可避免会对评价结果造成一定的影响，因而采用单一的主观评价方法进行质量评价，其结果的可靠性无法得到保证。因此，在对影像匀光质量评价时通常采用主观评价方法与客观评价方法相结合。

2)客观评价方法

客观评价是对影像能够反映影像质量的各类参数进行统计，对匀光效果做定量分析。这些参数在一定程度上反映影像亮度、反差分布情况，通过统计原始影像和结果影像的各项参数，分析匀光后的影像是否满足亮度分布均匀、反差一致、影像信息丰富等基本要求。同时能够对不同算法的匀光效果作比较。常用统计指标主要有灰度均值、标准差、信息熵和平均梯度等。

为进一步分析影像内部亮度分布情况，对原始影像和匀光结果影像的灰度均值分别进行分块统计分析。如图1所示，将影像分成4×4的影像块，按照从上到下，从左至右的顺序分别统计各影像块的平均亮度。

图1　影像分块示意图

Fig.1 The sketch map of image partition

2　实验与结果分析

为验证对比各算法对同一影像的匀光处理效果和算法执行效率，实验设计了多组匀光处理实验。通过对各算法进行程序设计和Matlab代码编写实验，选取整体亮度不同的多幅原始无人机影像进行处理，记录影像处理中各算法程序运行所耗费时间，由此比较各算法执行效率。实验中所使用计算机配备Windows 8.1中文版64位的操作系统，以Intel Core i5 CPU为中央处理器，系统内存为4 G，采用NVIDIA GeForce 820 M型号显卡。

2.1 原始影像数据

本文采用的实验数据为大疆精灵3无人机所获取的某大学图书馆及周边区域的影像。共选取了16幅亮度不均的影像，影像类型为8位RGB数字彩色影像，大小均为3 000×4 000 pixel。根据影像整体亮度采用目视法将其分成过暗、亮度适中和过亮三类，如图2所示。

对整体过暗影像作匀光处理，期许能提高影像整体亮度，使影像中过暗的细节部分变得可见；对整体亮度适中影像作匀光处理，目的是消除影像局部过亮或过暗现象，保证影像亮度整体适中且分布均匀，使得影像细节部分变得清晰；对整体过亮影像作匀光处理，期许可以在改善亮度不一致现象的同时降低影像整体亮度。

a 影像1(过暗)

a Image 1(too dark)

b 影像2(亮度适中)

b Image 2(moderate)

c 影像3(过亮)

c Image 3(too bright)

图2　原始影像

Fig.2 The original images

2.2 彩色模型选取

无人机影像由其搭载的数码相机获得，是一种RGB彩色遥感影像。对这种彩色遥感影像进行匀光处理，其实质就是对其灰度和色彩进行处理。不同于一般灰度图像的匀光处理，对彩色影像的匀光处理需保证影像本身色彩的完整性。因而在进行匀光处理之前要先确定合适的彩色处理模型。

对RGB彩色遥感影像的处理，可以分为两种方法。第一种是直接对R、G、B分量分别进行处理，另一种是将RGB模型转换为其他彩色模型进行处理。其他常见的彩色模型主要有CMYK模型、YIQ模型、YCC模型、HSI模型和YUV模型等，一般来说，直接在RGB彩色空间内对影像进行匀光处理比转换为其他彩色模型处理在颜色信息损失、色彩丰富度等方面效果较好。因此，本文在匀光处理时选择RGB模型作为彩色模型，即对彩色影像的R、G、B 3个分量分别作匀光处理。

2.3 实验处理结果

算法程序编写完成后利用各算法程序进行匀光实验处理，步骤如下：

1)读入原始影像，调节主要参数；

2)运行程序自动进行匀光处理，记录程序运行时间；

3)保存处理结果影像。

利用各算法程序对每幅影像依次进行处理，通过大量的程序调试得到较好的处理结果。算法中各主要参数的大小决定匀光结果的好坏，因此选定适宜的参数、把控参数大小尤其重要且必要。4种算法对各原始影像实验处理结果分别如图3～图5所示。

a Mask算法匀光影像

a Mask algorithm

b 背景拟合算法匀光影像

b Background-fitting algorithm

c 同态滤波算法匀光影像

c Homomorphic filtering algorithm

d Retinex算法匀光影像

d Retinex algorithm

图3　影像1匀光处理结果

Fig.3 Results of dodging of image 1

a Mask算法匀光影像

a Mask algorithm

b 背景拟合算法匀光影像

b Background-fitting algorithm

c 同态滤波算法匀光影像

c Homomorphic filtering algorithm

d Retinex算法匀光影像

d Retinex algorithm

图4　影像2匀光处理结果

Fig.4 Results of dodging of image 2

a Mask算法匀光影像

a Mask algorithm

b 背景拟合算法匀光影像

b Background-fitting algorithm

c 同态滤波算法匀光影像

c Homomorphic filtering algorithm

d Retinex算法匀光影像

d Retinex algorithm

图5　影像3匀光处理结果

Fig.5 Results of dodging of image 3

2.4 实验结果评价与分析

2.4.1 过暗原始影像匀光处理结果评价

1)主观评价

经过匀光处理后的影像，如图3所示，从目视效果来看，Mask算法、背景拟合算法和Retinex算法处理结果影像较原始影像1整体亮度没有得到提高。相对而言，同态滤波算法处理结果最好，提高了影像中较暗区域的亮度同时增大了影像反差，使得影像变得更加清晰，细节更加丰富。在影像色调方面，同态滤波算法处理结果影像更接近于原始影像，其他3种算法处理影像都有不同程度的颜色变化。

2)客观评价

按照客观评价方法，对原始影像1和各算法处理结果影像进行评价指标参数统计见表1。

表1　影像1匀光前后客观评价指标统计值

Tab.1 Indexes of various dodging algorithms of image 1

从表1可以看出，Mask算法、背景拟合算法和Retinex算法匀光处理后的影像较原始灰度均值都有所下降，这3种算法都没有改善影像过暗的情况，甚至与此相悖；而同态滤波算法处理后的影像灰度均值有所增强，提高了影像整体亮度。就标准差来看，Mask算法和背景拟合算法处理后影像的标准差有所减小；同态滤波算法和Retinex算法处理后影像的标准差都有增加，且前者增加尤为明显。对信息熵和平均梯度进行比对，可以看出各算法处理后的影像的信息熵大小没有显著变化，其中同态滤波算法处理后影像的信息熵最大，同时同态滤波算法处理后影像的平均梯度较原始影像有明显增大，而其他几种算法处理影像略有增大或减小。信息熵和平均梯度大小在一定程度上反映影像信息丰富程度和清晰程度，由以上对比可知同态滤波算法对影像信息的保持最好，处理后的影像最为清晰、影像细节和对比度最强。

为进一步分析各影像内部亮度分布情况，对影像灰度均值进行分块统计，对亮度一致性进行分析。原始影像1和各算法处理后影像平均亮度分布折线如图6所示。图中横轴表示影像块序号，纵轴表示各影像块平均亮度大小。

从图6可以看出，Mask算法处理后的影像亮度分布最为均匀，其次是背景拟合算法，然后是同态滤波算法，最不均匀的是Retinex算法，但4种算法都没有明显改善影像亮度分布不均匀现象。同态滤波算法处理后影像整体亮度得到增强，其他3种算法处理后影像整体亮度都有所降低。

图6　影像1及匀光影像亮度分布折线图

Fig.6 The line chart of the distribution of brightness of Image 1 before and after dodging

综合上述主观和客观评价，在处理整体过暗的亮度分布不均匀影像方面，可以得出各匀光算法对比结果：4种算法均不能很好地处理亮度分布不均匀现象。相较于其他3种算法，同态滤波增大了影像整体亮度，反差和对比度也到提高，对影像原有的细节信息保持最好，清晰度最高，总体来说处理效果最好。

2.4.2 亮度适中原始影像匀光处理结果评价

1)主观评价

对于各算法匀光处理结果影像，如图4所示，从目视效果来看，可以看出Mask算法和背景拟合算法处理结果影像过亮部分的亮度明显减小，同时亮度偏低的部分亮度明显增大，影像较暗的细节部分变得可见，整体亮度分布较为均匀。而同态滤波算法和Retinex算法处理结果影像亮度分布仍是不均的，仍然存在影像较暗的细节部分难以辨认的情况。在影像清晰度方面，可以看出4种算法处理结果影像清晰度都得到增强。在色调方面，可以看出4种算法处理结果影像与原始影像趋于一致，都没有较大颜色变化。

2)客观评价

首先对几个客观评价指标进行统计分析，影像2和各算法匀光后结果影像灰度均值、标准差、信息熵、平均梯度统计值见表2。

表2　影像2匀光前后客观评价指标统计值

Tab.2 Indexes of various dodging algorithms of image 2

从表2可以看出，在灰度均值方面，4种算法匀光处理结果影像灰度均值较原始影像都有不同程度的减小，Mask和背景拟合匀光影像减小程度最小，且两者之间相差不大，其次是Retinex匀光影像，而同态滤波匀光影像灰度均值有明显减小。灰度均值可以代表影像整体亮度大小，分析可知原始影像亮度整体较为适中，Mask算法和背景拟合算法很好地保持了影像原有亮度，其次是Retinex算法，同态滤波算法则明显降低了影像亮度。在标准差方面，Mask匀光影像标准差最大，其次是背景匀光影像，再是Retinex匀光影像，最小的是同态滤波匀光影像，且较原始影像都有增加。可以得出4种算法匀光处理结果影像反差都得到提高，对比度更强，其中Mask算法效果最好。从信息熵和平均梯度来看，4种算法匀光影像信息熵和平均梯度值都有所增加，影像更加清晰、影像信息更丰富，Mask算法提高影像细节和清晰度能力最强，其次是背景拟合算法，再是Retinex算法，最后是同态滤波算法。

进一步对匀光结果影像亮度一致性进行分析，影像2匀光前后亮度分布折线如图7所示。

图7　影像2及匀光影像亮度分布折线图

Fig.7 The line chart of the distribution of brightness of Image 2 before and after dodging

从图7可以看出，Mask匀光影像亮度分布折线最为平缓，很好地解决了亮度分布不均匀现象。其次是背景拟合匀光影像。而同态滤波和Rtinex匀光影像各影像块之间亮度差别仍较大。Mask和背景拟合匀光影像亮度分布折线处在原始影像亮度分布折线附近，表明这两种算法很好地保留了原始影像原有亮度；而同态滤波和背景拟合匀光影像亮度分布折线整体处在原始影像整体亮度分布折线以下，体现为两种算法匀光处理后损失了影像亮度，这与从表2得出的分析结果是相一致的。

综合上述主观和客观评价，在处理亮度适中的亮度分布不均匀影像方面，可以得出4种算法对比结果：4种算法均提高了影像清晰度，增强了影像总体反差和对比度，丰富了影像信息，影像视觉效果得到改善。Mask算法处理结果影像亮度一致性最好，同时也较好地保持了影像原有亮度，其次是背景拟合算法，同态滤波和Retinex算法处理结果影像亮度一致性都较差。因此，不难得出Mask算法处理结果影像质量最好。

2.4.3 过亮原始影像匀光处理结果评价

1)主观评价

从如图5所示的各算法匀光处理结果影像来看，4种算法处理结果影像整体亮度都有所降低，Mask和背景拟合算法在降低影像过高亮度的同时使阴影部分的亮度有所增强，Retinex算法没有明显提高阴影部分的亮度，而同态滤波甚至使得阴影部分变得更暗；就清晰度而言，同态滤波处理结果影像清晰度最高；在色调方面，Retinex算法处理结果影像与原始影像有明显差别，其他结果影像颜色整体与原始影像相一致。

2)客观评价

影像3匀光前后客观评价指标统计值见表3。

表3　影像3匀光前后客观评价指标统计值

Tab.2 Indexes of various dodging algorithms of image 3

从表3可以看出，在灰度均值方面，4种算法匀光影像较原始影像都有减小，但唯有同态滤波匀光影像有明显减小，使得影像整体亮度有明显降低，而其他3种算法处理结果影像仍维持较高的亮度。在标准差方面，Mask匀光影像和背景拟合匀光影像较原始影像都有明显减小，相对来说Retinex匀光影像减小程度要小一些，由此可以认为，Mask算法和背景拟合算法显著降低了影像总体反差，使影像对比度降低，其次是Retinex算法。相比来说，只有同态滤波匀光影像标准差较原始影像有所增大，即同态滤波算法处理增强了影像总体反差和对比度。就信息熵和平均梯度来说，同态滤波和Retinex匀光影像的信息熵和平均梯度较原始影像都有增加，同态滤波增加更为明显，而Mask匀光影像和背景拟合影像都有不同程度的减小。不难得出，同态滤波算法处理结果影像清晰度最高、所含信息最丰富，其次是Retinex算法，而Mask算法和背景拟合算法则降低了影像清晰度和影像信息量。

对影像内部亮度分布一致性进行分析，从图8所示影像亮度分布折线中可以看出，相较于原始影像，Mask匀光影像分布折线最为平缓，亮度分布最为均匀，其次是背景拟合匀光影像；而同态滤波和Retinex匀光影像相较于原始影像亮度分布折线没有得到缓和，亮度不一致性依然存在。同态滤波和Retinex匀光影像亮度分布折线均处于原始影像亮度分布折线之下，影像内各部分亮度都有降低，其中同态滤波明显降低了影像亮度。相比之下，Mask算法和背景拟合算法对影像亮度的降低几乎没有太大作用。

图8　影像3及匀光影像亮度分布折线图

Fig.8 The line chart of the distribution of brightness of image 3 before and after dodging

综合以上主观和客观评价，在处理亮度偏大的亮度分布不均匀影像方面，可以得出4种算法比对结果：在降低影像总体亮度、提高影像清晰度和对比度方面，同态滤波算法效果最好，其次是Retinex算法；在改善亮度不均匀分布方面，Mask算法效果最佳，其次是背景拟合算法。总的来说，4种算法都难以完成在改善亮度分布不均匀现象的同时保证影像有较好的质量，单就处理影像亮度一致性而言，Mask算法效果最好。

2.4.4 算法效率分析

在算法效率方面，本文以各算法Matlab程序处理影像所需时间作为算法效率的度量。为避免偶然性，这里对8幅影像进行处理分别记录运行时间，求取平均值，见表4。各影像大小均为3 000×4 000 pixel。

表4　各算法程序执行时间(单位：秒)

Tab.4 Time-consuming for various algorithms(Unit:s)

从表4可以看出，Mask算法处理时间最短，其次是同态滤波算法，再是Retinex算法，而背景拟合算法处理影像所花时间明显多于其他几种算法。由此不难得出，在4种匀光算法中，Mask算法运行效率相对更高，背景拟合算法效率最低。

3　结束语

对单幅无人机影像4种经典匀光处理算法进行了对比研究，通过Matlab编程实现了各算法的匀光处理流程。比较了各算法的匀光处理效果以及算法执行效率。研究表明：

1)Mask算法总体而言匀光效果最好，能够明显改善亮度分布不均匀现象，带给影像较高的清晰度和信息丰富度，但对影像亮度的增强或降低没有明显作用。

2)同态滤波算法对处理亮度不均匀现象没有明显作用，整体匀光效果最差。但同态滤波可以明显提高或降低影像整体亮度，这对处理亮度过低或过高影像来说是积极的。同时，同态滤波可以明显提高影像清晰度和对比度，但过高的对比度容易造成影像失真。

3)在处理效率方面，各算法效率不尽相同。Mask算法效率最高，其次是同态滤波算法，再是Retinex算法，背景拟合算法效率最低。

算法参数是决定匀光效果的关键所在，不同影像适用的参数不尽相同，需要通过大量实验确定，目前来说可以参考的经验值甚少。因此，后期研究将对本文中算法参数的选取做进一步改进；无人机影像像素通常较大，在影像处理过程中占用大量内存，容易造成卡顿，必然会耗费程序运行时间，且受限于计算机配置的限制，这在一定程度上也影响了算法效率的准确执行，需要后续研究进一步改进。

本期回顾

理论研究

· 基于主题图的多源地理空间数据关联关系表达

· 基于CPU-GPU异构混合编程的遥感数据时空融合

· 基于水基底识别的水生态安全格局研究——以都江堰市为例

· 面向大规模DEM数据的并行填挖算法

· 宗地图的自适应制图与度量方法研究

· 基于UDEM的城市三维形态研究——以济南市中心城区为例

· 广州市道路密度空间分异及对城市形态影响分析

· 基于航空影像的建筑物阴影提取方法研究

· 生态宜居城市的土地利用空间多目标优化方法

· 一种层次化的车载激光点云中杆状地物提取方法研究

· 测绘地理信息公众应用和认知调查分析

· 吐鲁番葡萄沟景区核心利益主体网络关系研究

创新应用

· 基于GLAS激光测高数据的ZY-3全球DEM精度评估方法

· 基于视频的校园教室空闲率分析系统

· 新世纪版《国家普通地图集》的视觉表达与美学研究

· 城市可步行空间数据建库与应用研究

· 地理国情监测技术辅助领导干部自然资源资产离任审计初探

邮箱变更声明

·《地理信息世界》邮箱变更声明

网站开通公告

·关于开通《地理信息世界》网站的公告

诚聘特约审稿专家

·诚聘|《地理信息世界》诚聘特约审稿专家

专题组稿

·约稿函|《地理信息世界》关于开辟“博士综述论坛”专栏的约稿函