摘要：高通濾波算法可以對圖像起到增強的效果，但是對于多光譜影像，如果只是對每個波段分別進行高通濾波，則不能充分利用多光譜圖像所含有的信息。本文從主分量變換的角度，對多光譜影像的高通濾波增強算法提出了一種可行的改進方法。

　　中國分類號：TP751 文獻識別碼：A

　　關鍵詞：高通濾波 影像增強 主分量變換 不加權融合

　　中圖分類號：TU 文獻標識碼： A 文章編號：2095-2104(2012)01-0020-02

　　圖像增強可以消除圖像的噪聲，改善圖像的視覺效果，也可以突出邊緣，有利于識別和處理【1】。高通濾波算法可以過濾掉圖像的低頻成分，增強突出其高頻分量，因此可以用于圖像的增強。但是對于多光譜圖像，如果只是對每個波段分別進行高通濾波，并不能充分利用多光譜圖像的圖像信息。主分量變換可以從多個波段中選取少數幾個具有主要信息的波段，并且保持信息損失最小。如果將主分量變換和基于高通濾波的影像融合算法結合起來，則可以達到比高通濾波更好的影像增強效果。基于這一原理，本文提出了一種針對多光譜圖像的改進的高通濾波算法。下面將以實驗的形式給予驗證。

　　1.實驗數據源、實驗平臺及所用算子

　　實驗數據：武漢市某地的IKONOS多光譜圖像合成的彩色圖像(如圖1，為顯示圖像細節，下面所有圖圖像均只截取一部分)

　　實驗平臺：Visual C++

　　所用算子：下面所示圖片采用的高通濾波算子均為拉普拉斯增強算子，采用其他高通濾波算子也得到了類似的結果。

　　2.主分量變換(K-L變換)

　　KL變換是一個能夠從n個特征中選擇m個(m

　　3. 一種改進的高通濾波影像增強算法

　　直接對多光譜圖像的每個波段進行高通濾波(如圖3)，不能最大利用各個波段的所有信息。為了充分利用多光譜影像各波段的所有信息，我們先對多光譜圖像進行主分量變換，得到其最大主分量圖像，如圖2.然后將最大主分量圖像作為全色影像與原始多光譜圖像進行基于高通濾波的影像融合，就可以得到增強的多光譜圖像了。基于高通濾波的影像融合又分為加權融合和不加權融合兩種【3】。但是，加權融合得到的增強效果并不如直接進行高通濾波的增強效果，此處不再演示。

　　在不加權融合中，先對最大主分量進行高通濾波，得到最大主分量的高頻成分HP(i,j)，然后將最大主分量的高頻成分逐像素加到原始多光譜圖像的各個波段上，即按公式Ek(i,j) = HP(i,j)+ Mk(i,j)進行影像融合(Ek為已增強圖像第K波段每個像素的灰度值，Mk(i,j)為原始多光譜圖像第K波段每個像素的灰度值)，得到的結果如圖4.

　　對比圖3、圖4，我們可以看到：改進算法得到的圖像與高通濾波得到的圖像增強效果很相似，但是仔細觀察，我們發現：按照改進算法得到的增強圖像保留的細節更多(尤其在平坦的屋頂)，這就是改進算法的優勢所在，這說明按照改進算法得到的圖像包含更多的信息。

　　4.結束語

　　由以上實驗分析結果，我們得到一種改進的多光譜圖像的高通濾波影像增強算法：

　　1)對多光譜圖像各波段進行主分量分析，得到其最大主分量;

　　2)對最大主分量進行高通濾波，得到最大主分量的高頻分量;

　　3)然后將最大主分量的高頻分量逐像素分別加到原始多光譜圖像的各波段上。

　　2)、3)步即按照公式Ek(i,j) = HP(i,j)+ Mk(i,j)對最大主分量圖像和原始多光譜圖像進行基于高通濾波的不加權影像融合。

　　改進算法可以得到更好的圖像增強效果，但是其算法要比高通濾波算法要復雜一些，實際中如果對多光譜圖像的增強效果要求較高，就可以采用這種方法來獲取更好的影像增強效果。

　　參考文獻：

　　【1】賈永紅 數字圖像處理【M】 2010.2

　　【2】舒寧 馬洪超 孫和利 模式識別的理論與方法【M】 2004

　　【3】賈永紅 崔衛紅 余卉 數字圖像處理實習教程【M】 2007.1