SAR卫星海洋观测图像自适应拉伸方法及装置

摘要

本发明实施例公开了SAR卫星海洋观测图像自适应拉伸方法及装置。所述方法包括：获取SAR图像；对所述SAR图像进行预处理，以得到预处理结果；对所述预处理结果进行标准差拉伸，以得到拉伸结果；拟合所述拉伸结果的图像灰度值的gamma分布，以得到拟合结果；计算最小误差对应的标准差倍数，以得到最佳标准差倍数；输出所述最佳标准差倍数以及所述拉伸结果。通过实施本发明实施例的方法可实现无需手动修改拉伸参数，删除了海面SAR图像中目标亮点的干扰，达到海面纹理的最佳效果，能清晰的展示海面的风、浪等条纹。

权利要求

1.SAR卫星海洋观测图像自适应拉伸方法，其特征在于，包括：获取一幅标准SAR图像以及待拉伸SAR图像；

对所述待拉伸SAR图像进行预处理，以得到预处理结果；

对所述预处理结果进行不同倍数的标准差拉伸，以得到拉伸结果；对所述标准SAR图像和拉伸结果的图像灰度直方图进行gamma分布拟合，以得到拟合结果；

计算标准SAR图像拟合结果的99.9%积分域的阈值，去除目标亮点的干扰；计算阈值内最小误差对应的标准差倍数，以得到最佳标准差倍数；

输出所述最佳标准差倍数以及所述拉伸结果；

所述SAR图像是高分三号以及哨兵一号不同成像模式和极化方式下的SAR图像，其极化方式包含HH极化、HV极化和VV极化；

所述对所述预处理结果进行不同倍数的标准差拉伸，以得到拉伸结果，包括：对所述预处理结果分别进行0倍至15倍标准差拉伸，以得到拉伸结果；

所述对所述预处理结果分别进行0倍至15倍标准差拉伸，以得到拉伸结果，包括：确定标准图像，计算所述预处理结果的均值与标准差，设定标准差范围；

比较所述预处理结果中的每一像元的像素值是否在标准差范围内，对小于标准差范围最小值的像素值设为0，大于标准差范围最大值的像素值设为255，其余的值在0‑255之间拉伸，以得到拉伸结果；

所述对所述标准SAR图像和拉伸结果的图像灰度直方图进行gamma分布拟合，以得到拟合结果，包括：分别用gamma分布拟合所述标准图像以及所述拉伸结果的灰度直方图，以得到标准图像拟合曲线 和拉伸结果拟合曲线 ，其中i=0‑15；

所述计算阈值内最小误差对应的标准差倍数，以得到最佳标准差倍数，包括：计算不同标准差倍数下，标准图像拟合曲线 和拉伸结果拟合曲线 在阈值内的绝对误差，计算公式如下： = ，其中[0, a]为阈值，i=0‑15；

比较 到 这十六个误差值的大小，选取最小误差所对应的标准差倍数作为最佳标准差倍数；

计算图像的均值与标准差，设定标准差范围；max = avg + k*std；min = avg ‑ k*std；其中，min为标准差范围的最小值，max为标准差范围的最大值，avg为原始图像的均值，std为原始图像的标准差，k为设定的标准差倍数，取0‑15；若标准差范围的最小值小于0，则取标准差范围最小值为0；

比较图像中的每一像元的像素值是否在标准差范围内，小于标准差范围最小值的像素值设为0，大于标准差范围最大值的像素值设为255，其余的值在0‑255之间拉伸，拉伸公式为j = (i‑min)/(max‑min)*255；其中，i为原始图像中某一像元的像素值，j为拉伸后的像素值。

2.根据权利要求1所述的SAR卫星海洋观测图像自适应拉伸方法，其特征在于，所述对所述SAR图像进行预处理，以得到预处理结果，包括：对所述SAR图像进行相对辐射校正以及几何校正，以得到校正结果；

对所述校正结果进行图像切割，以得到预处理结果。

3.根据权利要求2所述的SAR卫星海洋观测图像自适应拉伸方法，其特征在于，所述计算最小误差对应的标准差倍数，以得到最佳标准差倍数，包括：计算0到标准图像拟合结果的99.9%积分域阈值之间的标准图像与所述拉伸图像拟合结果的误差平方，取误差平方最小的标准差拉伸倍数为最佳标准差倍数。

4.SAR卫星海洋观测图像自适应拉伸装置，其特征在于，包括：图像获取单元，用于获取一幅标准SAR图像以及待拉伸SAR图像；

预处理单元，用于对所述待拉伸SAR图像进行预处理，以得到预处理结果；

拉伸单元，用于对所述预处理结果进行不同倍数的标准差拉伸，以得到拉伸结果；

拟合单元，用于对所述标准SAR图像和拉伸结果的图像灰度直方图进行gamma分布拟合，以得到拟合结果；

计算单元，用于计算最小误差对应的标准差倍数，以得到最佳标准差倍数；

输出单元，用于输出所述最佳标准差倍数以及所述拉伸结果；

所述拉伸单元，用于对所述预处理结果进行0倍至15倍标准差拉伸，以得到拉伸结果；

所述拉伸单元包括计算子单元以及比较子单元；

标准差计算子单元，用于确定标准图像，计算所述预处理结果的均值与标准差，设定标准差范围；比较子单元，用于比较所述预处理结果中的每一像元的像素值是否在标准差范围内，对小于标准差范围最小值的像素值设为0，大于标准差范围最大值的像素值设为255，其余的值在0‑255之间拉伸，以得到拉伸结果；

所述拟合单元包括灰度值拟合子单元以及阈值计算子单元；

灰度值拟合子单元，用于分别用gamma分布拟合所述标准图像以及所述拉伸结果的灰度值，以得到拟合结果；阈值计算子单元，用于计算标准图像拟合结果的99.9%积分域的阈值，去除目标亮点的干扰；

计算图像的均值与标准差，设定标准差范围；max = avg + k*std；min = avg ‑ k*std；其中，min为标准差范围的最小值，max为标准差范围的最大值，avg为原始图像的均值，std为原始图像的标准差，k为设定的标准差倍数，取0‑15；若标准差范围的最小值小于0，则取标准差范围最小值为0；比较图像中的每一像元的像素值是否在标准差范围内，小于标准差范围最小值的像素值设为0，大于标准差范围最大值的像素值设为255；其余的值在0‑255之间拉伸，拉伸公式为j = (i‑min)/(max‑min)*255；其中，i为原始图像中某一像元的像素值，j为拉伸后的像素值。

5.一种计算机设备，其特征在于，所述计算机设备包括存储器及处理器，所述存储器上存储有计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至3中任一项所述的方法。

6.一种存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至3中任一项所述的方法。

说明书

SAR卫星海洋观测图像自适应拉伸方法及装置

技术领域

[0001] 本发明地球物理测量技术领域，更具体地说是指SAR卫星海洋观测图像自适应拉伸方法及装置。

背景技术

[0002] 海洋要素观测是海洋研究的基础，对于了解海洋环境，提高海洋预报的准确性，开发海洋资源等具有非常重要的意义，SAR（合成孔径雷达，Synthetic Aperture Radar）是一种主动式的对地观测系统，可以不受日照和天气条件的限制，全天时、全天候地对地进行观测，且具有一定的穿透能力，星载SAR能实现多波段、多极化、多视向、多俯角观测，这些特点使得星载SAR在海洋观测中具有独特的优势。它不仅能够有效地获取海面风场、海浪、流场等海洋基本要素，还可以对船舶、溢油等海面目标进行监测。

[0003] SAR 图像拉伸是提高 SAR 图像显示质量中关键一步，可以改善图像的对比度，丰富图像的细节信息，抑制了图像的噪声，不仅提升了图像的整体视觉效果，也利于后续的图像应用，包括样本建立和人工智能解译。目前SAR图像增强主要使用对比度增强算法。对比度增强算法可以分为空域法和频域法，现有技术基于直方图变换和EM算法自适应地选取分段线性变换的分段点，对背景和不感兴趣的区域进行灰度范围压缩，对感兴趣目标区域进行灰度范围拉伸处理；线性变换是指在图像灰度范围内分段对逐个像元进行处理, 是将原图像亮度值动态范围按线性关系变换到指定范围或整个动态范围。在实际运算中给定的是2个亮度区间，把输入图像的某个亮度值区间[a, b]映射为输出图像的亮度值区间[c, d]，即按线性比例对图像每一个象素灰度作灰度线性变换, 改善图像视觉效果；标准差拉伸属于线性变换的一种，是通过将一定的标准差倍数作为极值范围，超过这个标准差范围的值将直接映射到目标像素范围的极值上,其余值进行线性拉伸至0‑255。但是现有技术的拉伸增强方法针对同一卫星及同一极化方式下的SAR图像，需要人为选择SAR图像拉伸参数，针对不同卫星、不同极化方式下的SAR图像，也需人工手动修改SAR图像拉伸参数，而且没有考虑SAR图像中目标亮点的干扰，无法达到海面纹理的最佳效果，能清晰的展示海面的风、浪等条纹。

[0004] 因此，有必要设计一种新的方法，实现无需手动修改拉伸参数，删除了海面SAR图像中目标亮点的干扰，达到海面纹理的最佳效果，能清晰的展示海面的风、浪等条纹。

发明内容

[0005] 本发明的目的在于克服现有技术的缺陷，提供SAR卫星海洋观测图像自适应拉伸方法及装置。

[0006] 为实现上述目的，本发明采用以下技术方案：SAR卫星海洋观测图像自适应拉伸方法，包括：

[0007] 获取SAR图像；

[0008] 对所述SAR图像进行预处理，以得到预处理结果；

[0009] 对所述预处理结果进行标准差拉伸，以得到拉伸结果；

[0010] 拟合所述拉伸结果的图像灰度值的gamma分布，以得到拟合结果；

[0011] 计算最小误差对应的标准差倍数，以得到最佳标准差倍数；

[0012] 输出所述最佳标准差倍数以及所述拉伸结果。

[0013] 其进一步技术方案为：所述SAR图像是高分三号以及哨兵一号不同成像模式和极化方式下的SAR图像。

[0014] 其进一步技术方案为：所述对所述SAR图像进行预处理，以得到预处理结果，包括：

[0015] 对所述SAR图像进行相对辐射校正以及几何校正，以得到校正结果；

[0016] 对所述校正结果进行图像切割，以得到预处理结果。

[0017] 其进一步技术方案为：所述对所述预处理结果进行标准差拉伸，以得到拉伸结果，包括：

[0018] 对所述预处理结果进行0倍至15倍标准差拉伸，以得到拉伸结果。

[0019] 其进一步技术方案为：所述对所述预处理结果进行0倍至15倍标准差拉伸，以得到拉伸结果，包括：

[0020] 确定标准图像，计算所述预处理结果的均值与标准差，设定标准差范围；

[0021] 比较所述预处理结果中的每一像元的像素值是否在标准差范围内，对小于标准差范围最小值的像素值设为0，大于标准差范围最大值的像素值设为255，其余的值在0‑255之间拉伸，以得到拉伸结果。

[0022] 其进一步技术方案为：所述拟合所述拉伸结果的图像灰度值的gamma分布，以得到拟合结果，包括：

[0023] 分别用gamma分布拟合所述标准图像以及所述拉伸结果的灰度值，以得到拟合结果；

[0024] 计算标准图像拟合结果的99.9%积分域的阈值，去除目标亮点的干扰。

[0025] 其进一步技术方案为：所述计算最小误差对应的标准差倍数，以得到最佳标准差倍数，包括：

[0026] 计算0到标准图像拟合结果的99.9%积分域阈值之间的标准图像与所述拉伸图像拟合结果的误差平方，取误差平方最小的标准差拉伸倍数为最佳标准差倍数。

[0027] 本发明还提供了SAR卫星海洋观测图像自适应拉伸装置，包括：

[0028] 图像获取单元，用于获取SAR图像；

[0029] 预处理单元，用于对所述SAR图像进行预处理，以得到预处理结果；

[0030] 拉伸单元，用于对所述预处理结果进行标准差拉伸，以得到拉伸结果；

[0031] 拟合单元，用于拟合所述拉伸结果的图像灰度值的gamma分布，以得到拟合结果；

[0032] 计算单元，用于计算最小误差对应的标准差倍数，以得到最佳标准差倍数；

[0033] 输出单元，用于输出所述最佳标准差倍数以及所述拉伸结果。

[0034] 本发明还提供了一种计算机设备，所述计算机设备包括存储器及处理器，所述存储器上存储有计算机程序，所述处理器执行所述计算机程序时实现上述的方法。

[0035] 本发明还提供了一种存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述的方法。

[0036] 本发明与现有技术相比的有益效果是：本发明通过获取SAR图像并进行预处理后，采用标准差拉伸算法对预处理结果进行拉伸，并用gamma分布拟合所述标准图像以及所述拉伸结果的灰度值，计算标准图像拟合结果的99.9%积分域的阈值，去除目标亮点的干扰，且计算最小误差对应的标准差倍数作为最佳标准差倍数，实现无需手动修改拉伸参数，删除了海面SAR图像中目标亮点的干扰，达到海面纹理的最佳效果，能清晰的展示海面的风、浪等条纹。

[0037] 下面结合附图和具体实施例对本发明作进一步描述。

附图说明

[0038] 为了更清楚地说明本发明实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

[0039] 图1为本发明实施例提供的SAR卫星海洋观测图像自适应拉伸方法的应用场景示意图；

[0040] 图2为本发明实施例提供的SAR卫星海洋观测图像自适应拉伸方法的流程示意图；

[0041] 图3为本发明实施例提供的SAR卫星海洋观测图像自适应拉伸方法的子流程示意图；

[0042] 图4为本发明实施例提供的SAR卫星海洋观测图像自适应拉伸方法的子流程示意图；

[0043] 图5为本发明实施例提供的SAR卫星海洋观测图像自适应拉伸方法的子流程示意图；

[0044] 图6为本发明实施例提供的gamma分布拟合标准图像灰度值的示意图；

[0045] 图7为本发明实施例提供的标准图像的示意图；

[0046] 图8为本发明实施例提供的GF3 HH极化模式标准差拉伸的SAR图像的示意图；

[0047] 图9为本发明实施例提供的GF3 HH极化模式4.5倍标准差拉伸的示意图；

[0048] 图10为本发明实施例提供的GF3 HH极化模式4倍标准差拉伸的示意图；

[0049] 图11为本发明实施例提供的GF3 HH极化模式5倍标准差拉伸的示意图；

[0050] 图12为本发明实施例提供的GF3 HH极化模式3倍标准差拉伸的示意图；

[0051] 图13为本发明实施例提供的GF3 HH极化模式6倍标准差拉伸的示意图；

[0052] 图14为本发明实施例提供的GF3 HH极化模式gamma分布拟合图像灰度值的示意图；

[0053] 图15为本发明实施例提供的GF3 HH极化模式不同倍数的标准差拉伸与标准图像gamma分布的误差的示意图；

[0054] 图16为本发明实施例提供的GF3 HV极化模式gamma分布拟合图像灰度值的示意图；

[0055] 图17为本发明实施例提供的GF3 HV极化模式不同倍数的标准差拉伸与标准图像gamma分布的误差的示意图；

[0056] 图18为本发明实施例提供的GF3 VV极化模式gamma分布拟合图像灰度值的示意图；

[0057] 图19为本发明实施例提供的GF3 VV极化模式不同倍数的标准差拉伸与标准图像gamma分布的误差的示意图；

[0058] 图20为本发明实施例提供的哨兵一号HV极化模式gamma分布拟合图像灰度值的示意图；

[0059] 图21为本发明实施例提供的哨兵一号HV极化模式不同倍数的标准差拉伸与标准图像gamma分布的误差的示意图；

[0060] 图22为本发明实施例提供的哨兵一号VV极化模式gamma分布拟合图像灰度值的示意图；

[0061] 图23为本发明实施例提供的哨兵一号VV极化模式不同倍数的标准差拉伸与标准图像gamma分布的误差的示意图；

[0062] 图24为本发明实施例提供的SAR卫星海洋观测图像自适应拉伸装置的示意性框图；

[0063] 图25为本发明实施例提供的计算机设备的示意性框图。

具体实施方式

[0064] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

[0065] 应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。

[0066] 还应当理解，在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。

[0067] 还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/ 或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。

[0068] 请参阅图1和图2，图1为本发明实施例提供的SAR卫星海洋观测图像自适应拉伸方法的应用场景示意图。图2为本发明实施例提供的SAR卫星海洋观测图像自适应拉伸方法的示意性流程图。该SAR卫星海洋观测图像自适应拉伸方法应用于服务器中。该服务器与雷达摄像头、终端进行数据交互，通过对雷达摄像头输入的SAR图像进行预处理，结合标准差拉伸与gamma分布，利用gamma分布拟合标准图像灰度归一化直方图，计算其99.9%积分域的阈值，比较标准图像与不同拉伸标准差倍数的待拉伸图像在阈值之内的gamma分布误差，选取误差最小的拉伸倍数作为最适拉伸倍数参数，实现无需手动修改拉伸参数，删除了海面SAR图像中目标亮点的干扰，达到海面纹理的最佳效果，能清晰的展示海面的风、浪等条纹。

[0069] 图2是本发明实施例提供的SAR卫星海洋观测图像自适应拉伸方法的流程示意图。如图2所示，该方法包括以下步骤S110至S160。

[0070] S110、获取SAR图像。

[0071] 在本实施例中，SAR图像是指拍摄海面的合成孔径雷达图像，可采用雷达摄像头拍摄SAR图像。

[0072] 具体地，所述SAR图像是高分三号以及哨兵一号不同成像模式和极化方式下的SAR图像。

[0073] S120、对所述SAR图像进行预处理，以得到预处理结果。

[0074] 在本实施例中，预处理结果是指对SAR图像进行矫正和切割等进行预处理后形成的图像。

[0075] 在一实施例中，请参阅图3，上述的步骤S120可包括步骤S121～S122。

[0076] S121、对所述SAR图像进行相对辐射校正以及几何校正，以得到校正结果。

[0077] 在本实施例中，校正结果是指SAR图像进行相对辐射校正以及几何校正后形成的图像。

[0078] S122、对所述校正结果进行图像切割，以得到预处理结果。

[0079] 在本实施例中，图像切割有助于针对确定需要拉伸的图像。

[0080] S130、对所述预处理结果进行标准差拉伸，以得到拉伸结果。

[0081] 在本实施例中，拉伸结果是指对图像进行标准差拉伸之后形成结果。

[0082] 在本实施例中，对所述预处理结果进行0倍至15倍标准差拉伸，以得到拉伸结果。

[0083] 在一实施例中，请参阅图4，上述的步骤S130可包括步骤S131～S132。

[0084] S131、确定标准图像，计算所述预处理结果的均值与标准差，设定标准差范围；

[0085] S132、比较所述预处理结果中的每一像元的像素值是否在标准差范围内，对小于标准差范围最小值的像素值设为0，大于标准差范围最大值的像素值设为255，其余的值在0‑255之间拉伸，以得到拉伸结果。

[0086] 选取一幅目视效果最佳的海面SAR影像作为标准图像，结合标准差拉伸与gamma分布，利用gamma分布拟合标准图像灰度归一化直方图，计算其99.9%积分域的阈值，比较标准图像与不同拉伸标准差倍数的待拉伸图像在阈值之内的gamma分布误差，选取误差最小的拉伸倍数作为最适拉伸倍数参数。

[0087] 在本实施例中，标准差拉伸属于线性变换，线性变换是指在图像灰度范围内分段对逐个像元进行处理, 是将原图像亮度值动态范围按线性关系 (线性函数) 变换到指定范围或整个动态范围。在实际运算中给定的是2个亮度区间, 把输入图像的某个亮度值区间[a, b]映射为输出图像的亮度值区间[c, d]。即按线性比例对图像每一个象素灰度作灰度线性变换, 改善图像视觉效果。

[0088] 标准差拉伸属于线性变换的一种，是通过将一定的标准差倍数作为极值范围，超过这个标准差范围的值将直接映射到目标像素范围的极值上,其余值进行线性拉伸至0‑255。本发明标准差拉伸运算过程如下所示：

[0089] 计算图像的均值与标准差，设定标准差范围；max = avg + k*std；min = avg ‑ k*std；其中，min为标准差范围的最小值，max为标准差范围的最大值，avg为原始图像的均值，std为原始图像的标准差，k为设定的标准差倍数（取0‑15）。若标准差范围的最小值小于0，则取标准差范围最小值为0。

[0090] 比较图像中的每一像元的像素值是否在标准差范围内，小于标准差范围最小值的像素值设为0，大于标准差范围最大值的像素值设为255。其余的值在0‑255之间拉伸，拉伸公式为j = (i‑min)/(max‑min)*255；其中，i为原始图像中某一像元的像素值，j为拉伸后的像素值。

[0091] 重复上述两个步骤，分别对待拉伸图像即预处理结果进行0‑15倍标准差拉伸。

[0092] S140、拟合所述拉伸结果的图像灰度值的gamma分布，以得到拟合结果。

[0093] 在本实施例中，拟合结果是指拟合拉伸结果的图像灰度值。

[0094] 在一实施例中，请参阅图5，上述的步骤S140可包括步骤S141～S142。

[0095] S141、分别用gamma分布拟合所述标准图像以及所述拉伸结果的灰度值，以得到拟合结果。

[0096] 如图6所示，Gamma分布是统计学的一种连续概率函数，是概率统计中一种非常重要的分布。Gamma分布的概率密度函数为 其中， , ,   , μ为gamma分布的均值， 为gamma分布的方差。

[0097] S142、计算标准图像拟合结果的99.9%积分域的阈值，去除目标亮点的干扰。

[0098] 使用一幅目视最佳图像，自动获取其余图像的最适拉伸参数，使其接近最佳目视效果。通过gamma分布拟合最佳目视图像灰度值，计算其99.9%积分域的阈值，删除了目标亮点的干扰，达到海面纹理的最佳效果，能清晰的展示海面的风、浪等条纹。

[0099] S150、计算最小误差对应的标准差倍数，以得到最佳标准差倍数；

[0100] 在本实施例中，最佳标准差倍数是指图像拉伸的最佳倍数。

[0101] 具体地，计算0到标准图像拟合结果的99.9%积分域的阈值之间的标准图像与所述拉伸图像拟合结果的误差平方，取误差平方最小的标准差拉伸倍数为最佳标准差倍数。

[0102] 将标准差拉伸与gamma分布相结合，使得标准SAR图像与待拉伸海面SAR图像误差最小的拉伸参数即为最适拉伸参数，适用于哨兵一号以及高分三号不同极化方式下的海面SAR图像自动拉伸，无需人为修改参数，方便快捷。

[0103] S160、输出所述最佳标准差倍数以及所述拉伸结果。

[0104] 请参阅图7至图13，GF3 HH极化模式下，通过标准差拉伸算法得出该图像的最佳拉伸倍数为4.5，最佳拉伸倍数的gamma分布拟合图以及不同倍数的标准差拉伸与标准图像gamma分布的误差如图14与图15所示；GF3 HV极化模式下，通过标准差拉伸算法得出该图像的最佳拉伸标准差倍数为6，最佳拉伸倍数的gamma分布拟合图以及不同倍数的标准差拉伸与标准图像gamma分布的误差如图16至图17所示。在GF3 VV极化模式下，通过标准差拉伸算法得出该图像的最佳拉伸倍数为5.5，最佳拉伸倍数的gamma分布拟合图以及不同倍数的标准差拉伸与标准图像gamma分布的误差图18和图19所示。在哨兵一号HV极化模式下，通过标准差拉伸算法得出该图像的最佳拉伸倍数为5，最佳拉伸倍数的gamma分布拟合图以及不同倍数的标准差拉伸与标准图像gamma分布的误差如图20至图21所示。在哨兵一号VV极化模式下，通过标准差拉伸算法得出该图像的最佳拉伸倍数为2，最佳拉伸倍数的gamma分布拟合图以及不同倍数的标准差拉伸与标准图像gamma分布的误差如图22至图23所示。

[0105] 对比高分三号以及哨兵一号不同极化方式下的不同倍数标准差拉伸海面SAR图像，可以发现本实施例的方法计算出的最适拉伸参数获取的图像在亮度和纹理细节方面都与标准图像最为接近。

[0106] 上述的SAR卫星海洋观测图像自适应拉伸方法，通过获取SAR图像并进行预处理后，采用标准差拉伸算法对预处理结果进行拉伸，并用gamma分布拟合所述标准图像以及所述拉伸结果的灰度值，计算标准图像拟合结果的99.9%积分域的阈值，去除目标亮点的干扰，且计算最小误差对应的标准差倍数作为最佳标准差倍数，实现无需手动修改拉伸参数，删除了海面SAR图像中目标亮点的干扰，达到海面纹理的最佳效果，能清晰的展示海面的风、浪等条纹。

[0107] 图24是本发明实施例提供的一种SAR卫星海洋观测图像自适应拉伸装置300的示意性框图。如图24所示，对应于以上SAR卫星海洋观测图像自适应拉伸方法，本发明还提供一种SAR卫星海洋观测图像自适应拉伸装置300。该SAR卫星海洋观测图像自适应拉伸装置300包括用于执行上述SAR卫星海洋观测图像自适应拉伸方法的单元，该装置可以被配置于服务器中。具体地，请参阅图24，该SAR卫星海洋观测图像自适应拉伸装置300包括图像获取单元301、预处理单元302、拉伸单元303、拟合单元304、计算单元305以及输出单元306。

[0108] 图像获取单元301，用于获取SAR图像；预处理单元302，用于对所述SAR图像进行预处理，以得到预处理结果；拉伸单元303，用于对所述预处理结果进行标准差拉伸，以得到拉伸结果；拟合单元304，用于拟合所述拉伸结果的图像灰度值的gamma分布，以得到拟合结果；计算单元305，用于计算最小误差对应的标准差倍数，以得到最佳标准差倍数；输出单元306，用于输出所述最佳标准差倍数以及所述拉伸结果。

[0109] 在一实施例中，所述预处理单元302包括校正子单元以及切割子单元。

[0110] 校正子单元，用于对所述SAR图像进行相对辐射校正以及几何校正，以得到校正结果；切割子单元，用于对所述校正结果进行图像切割，以得到预处理结果。

[0111] 在一实施例中，所述拉伸单元303，用于对所述预处理结果进行0倍至15倍标准差拉伸，以得到拉伸结果。

[0112] 在一实施例中，所述拉伸单元303包括计算子单元以及比较子单元。

[0113] 标准差计算子单元，用于确定标准图像，计算所述预处理结果的均值与标准差，设定标准差范围；比较子单元，用于比较所述预处理结果中的每一像元的像素值是否在标准差范围内，对小于标准差范围最小值的像素值设为0，大于标准差范围最大值的像素值设为255，其余的值在0‑255之间拉伸，以得到拉伸结果。

[0114] 在一实施例中，所述拟合单元304包括灰度值拟合子单元以及阈值计算子单元。

[0115] 灰度值拟合子单元，用于分别用gamma分布拟合所述标准图像以及所述拉伸结果的灰度值，以得到拟合结果；阈值计算子单元，用于计算标准图像拟合结果的99.9%积分域的阈值，去除目标亮点的干扰。

[0116] 在一实施例中，所述计算单元305，用于计算0到标准图像拟合结果的99.9%积分域的阈值之间的标准图像与所述拉伸图像拟合结果的误差平方，取误差平方最小的标准差拉伸倍数为最佳标准差倍数。

[0117] 需要说明的是，所属领域的技术人员可以清楚地了解到，上述SAR卫星海洋观测图像自适应拉伸装置300和各单元的具体实现过程，可以参考前述方法实施例中的相应描述，为了描述的方便和简洁，在此不再赘述。

[0118] 上述SAR卫星海洋观测图像自适应拉伸装置300可以实现为一种计算机程序的形式，该计算机程序可以在如图25所示的计算机设备上运行。

[0119] 请参阅图25，图25是本申请实施例提供的一种计算机设备的示意性框图。该计算机设备500可以是服务器，其中，服务器可以是独立的服务器，也可以是多个服务器组成的服务器集群。

[0120] 参阅图25，该计算机设备500包括通过系统总线501连接的处理器502、存储器和网络接口505，其中，存储器可以包括非易失性存储介质503和内存储器504。

[0121] 该非易失性存储介质503可存储操作系统5031和计算机程序5032。该计算机程序5032包括程序指令，该程序指令被执行时，可使得处理器502执行一种SAR卫星海洋观测图像自适应拉伸方法。

[0122] 该处理器502用于提供计算和控制能力，以支撑整个计算机设备500的运行。

[0123] 该内存储器504为非易失性存储介质503中的计算机程序5032的运行提供环境，该计算机程序5032被处理器502执行时，可使得处理器502执行一种SAR卫星海洋观测图像自适应拉伸方法。

[0124] 该网络接口505用于与其它设备进行网络通信。本领域技术人员可以理解，图25中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备500的限定，具体的计算机设备500可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

[0125] 其中，所述处理器502用于运行存储在存储器中的计算机程序5032，以实现如下步骤：

[0126] 获取SAR图像；对所述SAR图像进行预处理，以得到预处理结果；对所述预处理结果进行标准差拉伸，以得到拉伸结果；拟合所述拉伸结果的图像灰度值的gamma分布，以得到拟合结果；计算最小误差对应的标准差倍数，以得到最佳标准差倍数；输出所述最佳标准差倍数以及所述拉伸结果。

[0127] 其中，所述SAR图像是高分三号以及哨兵一号不同成像模式和极化方式下的SAR图像。

[0128] 在一实施例中，处理器502在实现所述对所述SAR图像进行预处理，以得到预处理结果步骤时，具体实现如下步骤：

[0129] 对所述SAR图像进行相对辐射校正以及几何校正，以得到校正结果；对所述校正结果进行图像切割，以得到预处理结果。

[0130] 在一实施例中，处理器502在实现所述对所述预处理结果进行标准差拉伸，以得到拉伸结果步骤时，具体实现如下步骤：

[0131] 对所述预处理结果进行0倍至15倍标准差拉伸，以得到拉伸结果。

[0132] 在一实施例中，处理器502在实现所述对所述预处理结果进行0倍至15倍标准差拉伸，以得到拉伸结果步骤时，具体实现如下步骤：

[0133] 确定标准图像，计算所述预处理结果的均值与标准差，设定标准差范围；比较所述预处理结果中的每一像元的像素值是否在标准差范围内，对小于标准差范围最小值的像素值设为0，大于标准差范围最大值的像素值设为255，其余的值在0‑255之间拉伸，以得到拉伸结果。

[0134] 在一实施例中，处理器502在实现所述拟合所述拉伸结果的图像灰度值的gamma分布，以得到拟合结果步骤时，具体实现如下步骤：

[0135] 分别用gamma分布拟合所述标准图像以及所述拉伸结果的灰度值，以得到拟合结果；计算标准图像拟合结果的99.9%积分域的阈值，去除目标亮点的干扰。

[0136] 在一实施例中，处理器502在实现所述计算最小误差对应的标准差倍数，以得到最佳标准差倍数步骤时，具体实现如下步骤：

[0137] 计算0到标准图像拟合结果的99.9%积分域的阈值之间的标准图像与所述拉伸图像拟合结果的误差平方，取误差平方最小的标准差拉伸倍数为最佳标准差倍数。

[0138] 应当理解，在本申请实施例中，处理器502可以是中央处理单元  (Central Processing Unit，CPU)，该处理器502还可以是其他通用处理器、数字信号处理器 (Digital Signal Processor，DSP)、专用集成电路 (Application Specific Integrated Circuit，ASIC)、现成可编程门阵列 (Field‑Programmable Gate Array，FPGA) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中，通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

[0139] 本领域普通技术人员可以理解的是实现上述实施例的方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成。该计算机程序包括程序指令，计算机程序可存储于一存储介质中，该存储介质为计算机可读存储介质。该程序指令被该计算机系统中的至少一个处理器执行，以实现上述方法的实施例的流程步骤。

[0140] 因此，本发明还提供一种存储介质。该存储介质可以为计算机可读存储介质。该存储介质存储有计算机程序，其中该计算机程序被处理器执行时使处理器执行如下步骤：

[0141] 获取SAR图像；对所述SAR图像进行预处理，以得到预处理结果；对所述预处理结果进行标准差拉伸，以得到拉伸结果；拟合所述拉伸结果的图像灰度值的gamma分布，以得到拟合结果；计算最小误差对应的标准差倍数，以得到最佳标准差倍数；输出所述最佳标准差倍数以及所述拉伸结果。

[0142] 其中，所述SAR图像是高分三号以及哨兵一号不同成像模式和极化方式下的SAR图像。

[0143] 在一实施例中，所述处理器在执行所述计算机程序而实现所述对所述SAR图像进行预处理，以得到预处理结果步骤时，具体实现如下步骤：

[0144] 对所述SAR图像进行相对辐射校正以及几何校正，以得到校正结果；对所述校正结果进行图像切割，以得到预处理结果。

[0145] 在一实施例中，所述处理器在执行所述计算机程序而实现所述对所述预处理结果进行标准差拉伸，以得到拉伸结果步骤时，具体实现如下步骤：

[0146] 对所述预处理结果进行0倍至15倍标准差拉伸，以得到拉伸结果。

[0147] 在一实施例中，所述处理器在执行所述计算机程序而实现所述对所述预处理结果进行0倍至15倍标准差拉伸，以得到拉伸结果步骤时，具体实现如下步骤：

[0148] 确定标准图像，计算所述预处理结果的均值与标准差，设定标准差范围；比较所述预处理结果中的每一像元的像素值是否在标准差范围内，对小于标准差范围最小值的像素值设为0，大于标准差范围最大值的像素值设为255，其余的值在0‑255之间拉伸，以得到拉伸结果。

[0149] 在一实施例中，所述处理器在执行所述计算机程序而实现所述拟合所述拉伸结果的图像灰度值的gamma分布，以得到拟合结果步骤时，具体实现如下步骤：

[0150] 分别用gamma分布拟合所述标准图像以及所述拉伸结果的灰度值，以得到拟合结果；计算标准图像拟合结果的99.9%积分域的阈值，去除目标亮点的干扰。

[0151] 在一实施例中，所述处理器在执行所述计算机程序而实现所述计算最小误差对应的标准差倍数，以得到最佳标准差倍数步骤时，具体实现如下步骤：

[0152] 计算0到标准图像拟合结果的99.9%积分域的阈值之间的标准图像与所述拉伸图像拟合结果的误差平方，取误差平方最小的标准差拉伸倍数为最佳标准差倍数。

[0153] 所述存储介质可以是U盘、移动硬盘、只读存储器（Read‑Only Memory，ROM）、磁碟或者光盘等各种可以存储程序代码的计算机可读存储介质。

[0154] 本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

[0155] 在本发明所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的。例如，各个单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。

[0156] 本发明实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。本发明实施例装置中的单元可以根据实际需要进行合并、划分和删减。另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以是两个或两个以上单元集成在一个单元中。

[0157] 该集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，终端，或者网络设备等）执行本发明各个实施例所述方法的全部或部分步骤。

[0158] 以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。