CC BY
0
УДК004.932
ПРИМЕНЕНИЕ МЕТОДОВ УЛУЧШЕНИЯ КОНТРАСТНОСТИ ПРИ ОБРАБОТКЕ
СПУТНИКОВЫХ СНИМКОВ
Д. И Губин, Н. Ю. Мистратов Научный руководитель - А. Г. Зотин
Сибирский государственный университет науки и технологий имени академика М.Ф. Решетнева Российская Федерация, 660037, г. Красноярск, просп. им. газ. «Красноярский рабочий», 31
E-mail:gubindmitry01@gmail.com
Приведены технические особенности реализации различных алгоритмов улучшения контраста. Проведено исследование различных реализаций и проведена оценка локальной контрастности, среднеквадратического отклонения компонентов цветов и яркости.
Ключевые слова: цветовая модель, графический фильтр, улучшение контраста,отклонение цвета, отклонение яркости, локальная контрастность.
APPLICATION OF CONTRAST ENHANCEMENT METHODS IN SATELLITE IMAGE
PROCESSING
D. I. Gubin, N. Y. Mistratov Scientific supervisor - A. G. Zotin
Reshetnev Siberian State University of Science and Technology 31, Krasnoyarskii rabochii prospekt, Krasnoyarsk, 660037, Russian Federation E-mail: gubindmitry01@gmail.com
The technical features of the implementation of various algorithms for improving the contrast are given. A research of various implementations was carried out and an assessment of clarity, standard deviation of color components and brightness was carried out.
Key words: color model, graphic filter, contrast improvement, color deviation, brightness deviation, clarity.
В исследовании земной поверхности дистанционное зондирование играет важную роль. Улучшение качества полученных таким образом материалов является важной задачей. Качество спутниковых снимков можно поднять, сбалансировав контраст на полученном изображении, что значительно улучшит восприятие информации. Для решения данной проблемы применяются фильтры, призванные улучшить контрастность изображения. Существует большое количество различных вариантов реализации данных фильтров, которые выдают различные результаты.
В данной работе рассматриваются варианты реализации фильтра BCET (Balance Contrast Enhancement Technique) [1]. В частности, рассматривается реализации с использованием различных цветовых моделей, таких как: RGB, YUV и HSV. Рассматривается реализация модифицированной версии BCET фильтра под названием ABCET (исполнен в пространстве YUV). Оригинальный BCET в основе содержит параболическую функцию с тремя коэффициентами. В модифицированном фильтре изменена эта параболическая функция и один из коэффициентов,а также использует два дополнительных метода для получения результатов надлежащего качества [4].
Секция «Программные средства и информационные технологии»
Данные цветовые модели различаются подходом к кодированию компонента цвета каждого конкретного пиксела. RGB (red, green, blue) -цветовая модель, описывающая способ кодирования цвета для цветовоспроизведения с помощью трёх цветов, которые принято называть основными. Выбор основных цветов обусловлен особенностями физиологии восприятия цвета сетчаткой человеческого глаза. YUV - цветовая модель, в которой цвет состоит из трёх компонентов - яркость (Y) и два цветоразностных компонента (U и V) [3]. HSV - цветовая модель, в которой координатами цвета являются: Hue - цветовой тон. Варьируется в пределах 0-360°, однако иногда приводится к диапазону 0 - 100 или 0 -1. Saturation - насыщенность. Варьируется в пределах 0 - 100 или 0 - 1. Чем больше этот параметр, тем «чище» цвет, поэтому этот параметр иногда называют чистотой цвета. А чем ближе этот параметр к нулю, тем ближе цвет к нейтральному серому. Value (значение цвета) или Brightness - яркость. Также задаётся в пределах 0 - 100 или 0 - 1 [2].
Примерыприменения фильтров для трех различных изображений представлены на рисунке 1.
а б в г д
Рис. 1. Примеры обработки: а - оригинал, б - АВСЕТ, в - ВСЕТ-ИБУ, г - ВСЕТ-ЯОВ, д-ВСЕТ-УШ
На построеннойпо второму изображению карте отклонений (рис. 2)видно, какие части стали светлее (голубой цвет), а какие стали темнее (красный цвет) относительно оригинала при применении АВСЕТ фильтра.
Рис. 2. Построение карты отклонений по яркости для ABCET
Для оценки работы различных методов были рассчитаны среднеквадратические отклонения по компонентам цветов и по значению яркости полученных изображений. Так же были рассчитаны показатели локальной контрастности (Clarity) [5]. Для модельных фотографий показатель локальной контрастности равен 10.72, 7.03 и 11.80 ед. соответственно. Данные представлены в таблице 1.
Таблица 1
Результаты исследования балансировки контраста_
Фотография Название алгоритма Clarity Отклонение
красного цвета зеленого цвета синего цвета яркости
1 ABCET 21.52 778,91 776,33 774,08 776,74
HSV 16.50 768,96 954,09 1249,23 925,22
RGB 12.82 341,65 291,92 1062,12 283,02
YUV 17.98 583,35 578,34 576,67 579,61
2 ABCET 15.19 788,76 792,76 790,19 791,25
HSV 12.16 583,86 573,74 651,97 585,05
RGB 8.83 470,78 215,15 383,58 286
YUV 11.53 379,56 377,08 376,78 377,77
3 ABCET 24.28 701,15 690,71 691,02 693,79
HSV 19.72 213,51 301,86 357,4 279,15
RGB 13.14 232,65 8,87 181,47 8,74
YUV 18.88 157,33 157,86 157,67 157,67
ABCET визуально и по показателю локальной контрастности является наилучшим из исследуемых методов. BCET-HSV иBCET-YUV аналогичны по показателю локальной контрастности, но при этом BCET-YUV значительно меньше затрагивает цвета фотографии при применении. Применение BCET-RGBмодификации фильтра не целесообразно, так как этот фильтр минимально изменяет яркость изображения, дает небольшое изменение локальной контрастности по сравнению с остальными исследованными реализациями и визуально изменяет цвета в фотографии, что не отображается в показателях среднеквадратического отклонения для каждого компонента цвета из-за особенностей алгоритма.
Библиографические ссылки
1. Balance Contrast Enhancement Technique (BCET) [Электронный ресурс]. URL: https://www.imageeprocessing.com/2017/11/balance-contrast-enhancement-technique.html(дата обращения: 10.2.2022).
2. HSV (цветовая модель). Словари и энциклопедии. [Электронный ресурс].Ц^: https://dic.academic.ru/dic.nsf/ruwiki/605367(дата обращения: 10.2.2022).
3. RGB, YUV и HSV Цветная космическая модель и код [Электронный ресурс]. URL: https://russianblogs.com/article/60341845011/(дата обращения: 10.2.2022).
4. Zohair Al-Ameen Satellite Image Enhancement Using an Ameliorated Balance Contrast Enhancement Technique // iieta.org: International Information and Engineering Technology Association [Электронный ресурс]. URL: https://iieta.org/journals/ts/paper/10.18280/ts.370210 (дата обращения: 10.2.2022).
5. Zotin, A.G. Fast algorithm of image enhancement based on multi-scale retinex//Int. J. Reasoning-based Intelligent Systems, Vol. 12, No. 2, pp.106-116.
© Губин Д.И., Мистратов Н.Ю., 2022
