本發(fā)明涉及合成孔徑雷達(dá)圖像的可視化技術(shù)領(lǐng)域，具體涉及一種合成孔徑雷達(dá)圖像自動可視化算法。

背景技術(shù)：

合成孔徑雷達(dá)圖像體現(xiàn)著目標(biāo)場景的散射系數(shù)分布，而目標(biāo)場景的散射系數(shù)分布通常并不適合人的視覺。在合成孔徑雷達(dá)圖像上，常常除了少數(shù)亮點之外，大塊目標(biāo)場景都是漆黑一片，致使判讀人員很難從中提取所需要的信息。合成孔徑雷達(dá)圖像的可視化也因此成為圖像判讀前的重要環(huán)節(jié)。

現(xiàn)有的合成孔徑雷達(dá)圖像可視化方法卻存在著種種缺陷：

一種方法是交互式地指定灰度映射。比如，讓用戶交互式地指定一個灰度窗口來調(diào)節(jié)圖像的對比度：小于或等于最小值的灰度被映射為黑，大于或等于最大值的灰度被映射為白，最小值與最大值之間的灰度被線性映射為深淺不一的灰。這種方法難以滿足海量圖像和實時觀測的要求。

另一種方法是根據(jù)先驗的地理信息對目標(biāo)場景進(jìn)行分類，然后根據(jù)目標(biāo)場景的類型選擇適合的灰度映射。這種方法當(dāng)先驗的地理信息不準(zhǔn)確時會遭遇失敗。而且，其適應(yīng)性仍然有限，只是針對圖像的類型而不是每幅圖像使用適合的灰度映射。

本發(fā)明針對上述問題提出了一種合成孔徑雷達(dá)圖像自動可視化算法。

技術(shù)實現(xiàn)要素：

本發(fā)明提出了一種合成孔徑雷達(dá)圖像自動可視化算法，包括以下步驟：

步驟1：將合成孔徑雷達(dá)圖像的灰度劃分為低灰度區(qū)[0，αμ]和高灰度區(qū)(αμ，X]，其中，μ是輸入圖像的均值，α是一個經(jīng)驗因子，X是輸入灰度的最大值，在計算μ時，0灰度像素不計，α通常取3，以使大多數(shù)像素都落在低灰度區(qū)[0，αμ]；

步驟2：將像素集中分布的低灰度區(qū)[0，αμ]線性拉伸至區(qū)間[0，βY]，其中，Y是輸出灰度的最大值，β是一個經(jīng)驗因子，Y一般取顯示器的最大灰度，β通常取0.8，以使區(qū)間[0，βY]對應(yīng)于視覺比較敏感的灰度范圍；

步驟3：用最優(yōu)化主觀圖像的直方圖匹配算法將像素稀疏分布的高灰度區(qū)(αμ，X]映射至區(qū)間(βY，Y]；

步驟4：根據(jù)步驟2和步驟3所建立的灰度映射來變換圖像的每個像素，從而實現(xiàn)圖像的可視化。

進(jìn)一步地，步驟3又包括以下步驟：

步驟31：統(tǒng)計輸入圖像的直方圖，進(jìn)而計算其概率積累函數(shù)，其中，在統(tǒng)計輸入圖像的直方圖時，只考慮大于αμ的灰度；

步驟32：計算輸出圖像的直方圖，亦即最優(yōu)的客觀圖像直方圖，進(jìn)而計算其概率積累函數(shù)，其中，在計算輸出圖像的直方圖時，只使用最優(yōu)的客觀圖像直方圖在區(qū)間(βY，Y]的這一部分；

步驟33：對每個輸入灰度j，找到對應(yīng)的輸出灰度k，使輸出圖像在k處的概率積累函數(shù)最接近于輸入圖像在j處的概率積累函數(shù)，其中，j被限制在區(qū)間(αμ，X]，k被限制在區(qū)間(βY，Y]。

進(jìn)一步地，步驟32中最優(yōu)客觀圖像直方圖的數(shù)學(xué)模型為：

其中，K是顯示器的最大灰度，μ₁、σ₁、μ₂和σ₂分別取0.1、0.03、0.5和0.15。

進(jìn)一步地，最優(yōu)客觀圖像直方圖的數(shù)學(xué)模型用以下方法導(dǎo)出：

步驟321：假定主觀圖像當(dāng)其直方圖均勻分布時是最優(yōu)的；

步驟322：由均勻分布的主觀圖像直方圖導(dǎo)出最優(yōu)的客觀圖像直方圖，在推導(dǎo)中，根據(jù)客觀灰度與主觀灰度的關(guān)系曲線，把每個主觀灰度的概率均勻地分配在對應(yīng)的客觀灰度上，客觀灰度與主觀灰度的關(guān)系曲線不同，導(dǎo)出的最優(yōu)客觀圖像直方圖也是不同的，但是有著相似的趨勢和拐點；

步驟323：由一系列最優(yōu)的客觀圖像直方圖歸納出其數(shù)學(xué)模型。

進(jìn)一步地，步驟322中客觀灰度與主觀灰度的關(guān)系曲線通過視覺實驗來確定，具體過程如下：

步驟3221：客觀灰度0被認(rèn)為對應(yīng)于主觀灰度0；

步驟3222：將背景灰度和前景灰度置為0，然后逐漸增大前景灰度，直到人眼剛能分辨出前景灰度與背景灰度為止，此時的前景灰度被認(rèn)為對應(yīng)于主觀灰度1；

步驟3223：將背景灰度置為前景灰度，然后逐漸增大前景灰度，直到人眼剛能分辨出前景灰度與背景灰度為止，此時的前景灰度被認(rèn)為對應(yīng)于主觀灰度2；

步驟3224：類似地，確定對應(yīng)于其它主觀灰度的客觀灰度，直到前景達(dá)到顯示器的最大灰度為止；

步驟3225：如果兩個客觀灰度分別對應(yīng)于兩個相鄰的主觀灰度，那么這兩個客觀灰度之間的客觀灰度被認(rèn)為對應(yīng)于較小的那個主觀灰度。

本發(fā)明由于采用以上技術(shù)方案，使之與現(xiàn)有技術(shù)相比，具有以下的優(yōu)點和積極效果：

在對各類合成孔徑雷達(dá)圖像的測試中，本發(fā)明所提出的算法不僅具有良好的視覺效果，而且是普遍適用的。特別需要說明的是，它對每幅圖像自動構(gòu)造適合的灰度映射，從而克服了現(xiàn)有的合成孔徑雷達(dá)圖像可視化方法所存在的各種缺陷。

附圖說明

為了更清楚地說明本發(fā)明的具體實施方式，下面對其中所使用的附圖做簡單的介紹。附圖中：

圖1是合成孔徑雷達(dá)圖像自動可視化算法的總體框圖。

圖2是視覺實驗示意圖；

圖3是客觀灰度與主觀灰度的關(guān)系曲線第一示例；

圖4是客觀灰度與主觀灰度的關(guān)系曲線第二示例；

圖5是客觀灰度與主觀灰度的關(guān)系曲線第三示例；

圖6是最優(yōu)的客觀圖像直方圖第一示例；

圖7是最優(yōu)的客觀圖像直方圖第二示例；

圖8是最優(yōu)的客觀圖像直方圖第三示例；

圖9是最優(yōu)客觀圖像直方圖的數(shù)學(xué)模型；

圖10是合成孔徑雷達(dá)圖像自動可視化算法的灰度映射；

圖11是由華東電子工程研究所提供的一幅原始圖像；

圖12是將圖11用Photoshop的自動對比度功能進(jìn)行可視化的圖像；

圖13是將圖11用本發(fā)明所述的合成孔徑雷達(dá)圖像自動可視化算法進(jìn)行可視化的圖像(α＝3，β＝0.8)；

圖14是將圖11用本發(fā)明所述的合成孔徑雷達(dá)圖像自動可視化算法進(jìn)行可視化的圖像(α＝0，β＝0)；

圖15是圖11的直方圖；

圖16是圖12的直方圖；

圖17是圖13的直方圖；

圖18是圖14的直方圖；

圖19是來自美國MiniSAR系統(tǒng)的一幅原始圖像；

圖20是將圖19用Photoshop的自動對比度功能進(jìn)行可視化的圖像；

圖21是將圖19用本發(fā)明所述的合成孔徑雷達(dá)圖像自動可視化算法進(jìn)行可視化的圖像(α＝3，β＝0.8)；

圖22是將圖19用本發(fā)明所述的合成孔徑雷達(dá)圖像自動可視化算法進(jìn)行可視化的圖像(α＝0，β＝0)；

圖23是來自歐洲TerraSAR系統(tǒng)的一幅原始圖像；

圖24是將圖23用Photoshop的自動對比度功能進(jìn)行可視化的圖像；

圖25是將圖23用本發(fā)明所述的合成孔徑雷達(dá)圖像自動可視化算法進(jìn)行可視化的圖像(α＝3，β＝0.8)；

圖26是將圖23用本發(fā)明所述的合成孔徑雷達(dá)圖像自動可視化算法進(jìn)行可視化的圖像(α＝0，β＝0)；

圖27是來自丹麥EMISAR系統(tǒng)的一幅原始圖像；

圖28是將圖27用Photoshop的自動對比度功能進(jìn)行可視化的圖像；

圖29是將圖27用本發(fā)明所述的合成孔徑雷達(dá)圖像自動可視化算法進(jìn)行可視化的圖像(α＝3，β＝0.8)；

圖30是將圖27用本發(fā)明所述的合成孔徑雷達(dá)圖像自動可視化算法進(jìn)行可視化的圖像(α＝0，β＝0)；

圖31是將圖27用本發(fā)明所述的合成孔徑雷達(dá)圖像自動可視化算法進(jìn)行可視化的圖像(α＝3，β＝0.3)；

圖32是由南京電子技術(shù)研究所提供的一幅原始圖像；

圖33是將圖32用Photoshop的自動對比度功能進(jìn)行可視化的圖像；

圖34是將圖32用本發(fā)明所述的合成孔徑雷達(dá)圖像自動可視化算法進(jìn)行可視化的圖像(α＝3，β＝0.8)；

圖35是將圖32用本發(fā)明所述的合成孔徑雷達(dá)圖像自動可視化算法進(jìn)行可視化的圖像(α＝0，β＝0)；

圖36是將圖32用本發(fā)明所述的合成孔徑雷達(dá)圖像自動可視化算法進(jìn)行可視化的圖像(α＝3，β＝0.3)。

具體實施方式

以下將結(jié)合附圖，對本發(fā)明的實施方式進(jìn)行詳盡描述。顯然，這里所描述的只是本發(fā)明的一般實施方式。基于這種實施方式，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動的前提下所獲得的所有其他實施方式，都屬于本發(fā)明的保護(hù)范圍。

本發(fā)明提出了一種合成孔徑雷達(dá)圖像自動可視化算法，包括以下步驟(圖1)：

步驟1：根據(jù)灰度的分布特點將其自動劃分為低灰度區(qū)和高灰度區(qū)；

步驟2：對像素集中分布的低灰度區(qū)進(jìn)行線性拉伸，以增強(qiáng)圖像的視覺效果并保持圖像的性質(zhì)；

步驟3：對像素稀疏分布的高灰度區(qū)進(jìn)行最優(yōu)化主觀圖像的直方圖匹配，以盡量避免視覺上的灰度飽和；

步驟4：根據(jù)步驟2和步驟3所建立的灰度映射來變換圖像的每個像素，從而實現(xiàn)圖像的可視化。

該算法不僅具有良好的視覺效果，而且是普遍適用的。特別需要說明的是，它對每幅圖像自動構(gòu)造適合的灰度映射，從而克服了現(xiàn)有的合成孔徑雷達(dá)圖像可視化方法所存在的各種缺陷。

下面進(jìn)一步介紹該算法的細(xì)節(jié)。首先找到主觀圖像的定量表示方法，進(jìn)而提出最優(yōu)化主觀圖像的直方圖匹配算法，在此基礎(chǔ)上開發(fā)該合成孔徑雷達(dá)圖像自動可視化算法。

1、主觀圖像的定量表示方法

客觀圖像指獨立于視覺系統(tǒng)的圖像，可以用二維函數(shù)來定量表示(本文只考慮二維灰度圖像)。主觀圖像指由視覺系統(tǒng)形成的圖像，是客觀圖像在大腦中的映像。它存在于大腦的視覺區(qū)，能夠通過實驗來探知，但是很難定量表示。找到主觀圖像的定量表示方法，就是要建立客觀圖像與主觀圖像的關(guān)系，從而把主觀圖像寫成客觀圖像的表達(dá)式。

人的視覺特性及其應(yīng)用在圖像處理領(lǐng)域里一直倍受關(guān)注。人眼對不同的灰度有不同的分辨能力，對不同的空間頻率有不同的響應(yīng)，還存在著馬赫現(xiàn)象、同時對比現(xiàn)象以及各種各樣的幻覺。這里，我們只考慮人眼對灰度變化的敏感性。在此情況下，主觀灰度可以寫成客觀灰度的函數(shù)，因而主觀圖像也可以寫成客觀圖像的函數(shù)，即

g(x,y)＝T[f(x,y)], (1)

其中，f(x,y)和g(x,y)分別表示客觀圖像和主觀圖像，T[·]表示從客觀灰度到主觀灰度的映射。

T[·]可以通過圖2所示的視覺實驗來確定，其中背景和前景是顯示在計算機(jī)屏幕上的兩個正方形區(qū)域，具體過程如下：

1)客觀灰度0被認(rèn)為對應(yīng)于主觀灰度0。

2)將背景灰度和前景灰度置為0，然后逐漸增大前景灰度，直到人眼剛能分辨出前景灰度與背景灰度為止，此時的前景灰度被認(rèn)為對應(yīng)于主觀灰度1。

3)將背景灰度置為前景灰度，然后逐漸增大前景灰度，直到人眼剛能分辨出前景灰度與背景灰度為止，此時的前景灰度被認(rèn)為對應(yīng)于主觀灰度2。

4)類似地，確定對應(yīng)于其它主觀灰度的客觀灰度，直到前景達(dá)到顯示器的最大灰度為止。

5)如果兩個客觀灰度分別對應(yīng)于兩個相鄰的主觀灰度，那么這兩個客觀灰度之間的客觀灰度被認(rèn)為對應(yīng)于較小的那個主觀灰度。

我們設(shè)計了一個軟件平臺來進(jìn)行上述視覺實驗。首先，把主觀灰度0對應(yīng)的客觀灰度置為0，并將背景灰度和前景灰度置為0。然后，根據(jù)用戶的鍵入，執(zhí)行相應(yīng)的回調(diào)函數(shù)：

1)若用戶鍵入+，則把前景灰度加1，除非前景灰度已經(jīng)是最大灰度。

2)若用戶鍵入-，則把前景灰度減1，除非前景灰度已經(jīng)是背景灰度。

3)若用戶鍵入回車，則把前景灰度置為下個主觀灰度對應(yīng)的客觀灰度，并把背景灰度置為此時的前景灰度。

4)若用戶鍵入End，則把各主觀灰度對應(yīng)的客觀灰度存入指定的文件，以便進(jìn)一步處理。

圖3是在一次視覺實驗中得到的客觀灰度與主觀灰度的關(guān)系曲線。該曲線可以分為三段：起始段、中間段和結(jié)束段。在起始段和結(jié)束段，主觀灰度隨著客觀灰度變化得較慢，說明人眼對灰度的變化不大敏感。在中間段，主觀灰度隨著客觀灰度變化得較快，幾乎每個客觀灰度都對應(yīng)著唯一的主觀灰度，說明人眼對灰度的變化相當(dāng)敏感。起始段和中間段的邊界約為最大灰度的0.1，中間段和結(jié)束段的邊界約為最大灰度的0.5。我們還注意到，當(dāng)顯示器、觀察者或環(huán)境照度不同時，由視覺實驗得到的客觀灰度與主觀灰度的關(guān)系曲線也是不同的，但是有著相似的趨勢和拐點。圖4和圖5是在另外兩次視覺實驗中得到的客觀灰度與主觀灰度的關(guān)系曲線。

主觀圖像的定量表示方法給出了一種圖像處理思路：首先，定義主觀圖像的質(zhì)量測度。既然主觀圖像是客觀圖像的函數(shù)，該質(zhì)量測度可以用來導(dǎo)出客觀圖像的質(zhì)量測度。最后，設(shè)計圖像處理算法，使客觀圖像在其質(zhì)量測度下達(dá)到最優(yōu)，從而使主觀圖像在其質(zhì)量測度下達(dá)到最優(yōu)。作為例子，我們將開發(fā)一種最優(yōu)化主觀圖像的直方圖匹配算法。

2、最優(yōu)化主觀圖像的直方圖匹配算法

直方圖均衡化是一種廣泛使用的圖像增強(qiáng)算法。該算法假定圖像當(dāng)其直方圖均勻分布時是最優(yōu)的。根據(jù)直覺，當(dāng)直方圖均勻分布時，圖像會有好的總體對比度。然而，事實上，當(dāng)客觀圖像的直方圖均勻分布時，主觀圖像的直方圖并非均勻分布，因而主觀圖像的總體對比度沒有期望的那么出色。這是直方圖均衡化在實際應(yīng)用中差強(qiáng)人意的重要原因。

我們假定主觀圖像當(dāng)其直方圖均勻分布時是最優(yōu)的。根據(jù)直覺，當(dāng)直方圖均勻分布時，主觀圖像會有好的總體對比度。該直方圖被用來導(dǎo)出對應(yīng)的客觀圖像直方圖。在推導(dǎo)中，根據(jù)客觀灰度與主觀灰度的關(guān)系，把每個主觀灰度的概率均勻地分配在對應(yīng)的客觀灰度上。這樣導(dǎo)出的客觀圖像直方圖被認(rèn)為是最優(yōu)的，因為它會被視覺系統(tǒng)變換成均勻分布的主觀圖像直方圖。

圖6顯示了一個最優(yōu)的客觀圖像直方圖。它由圖3中客觀灰度與主觀灰度的關(guān)系曲線導(dǎo)出。和客觀灰度與主觀灰度的關(guān)系曲線相對應(yīng)，最優(yōu)的客觀圖像直方圖也可以分為三段：起始段、中間段和結(jié)束段。在起始段，直方圖隨著灰度的減小而衰減，且速度很快。在中間段，直方圖基本是平的。在結(jié)束段，直方圖隨著灰度的增加而衰減，但速度較慢。注意，即使在視覺比較敏感的中間段，也會有某些灰度的變化無法被人眼覺察。這使得客觀灰度與主觀灰度的關(guān)系曲線出現(xiàn)局部平坦現(xiàn)象，進(jìn)而導(dǎo)致最優(yōu)的客觀圖像直方圖產(chǎn)生局部凹槽。起始段和中間段的邊界約為最大灰度的0.1，中間段和結(jié)束段的邊界約為最大灰度的0.5。此外，客觀灰度與主觀灰度的關(guān)系曲線不同，導(dǎo)出的最優(yōu)客觀圖像直方圖也是不同的，但是有著相似的趨勢和拐點。圖7和圖8顯示了另外兩個最優(yōu)的客觀圖像直方圖，它們分別由圖4和圖5中客觀灰度與主觀灰度的關(guān)系曲線導(dǎo)出。

設(shè)K是顯示器的最大灰度，則最優(yōu)的客觀圖像直方圖可建模為

p(k)由三段組成：起始段是區(qū)間0≤k/K<μ₁上具有參數(shù)μ₁和σ₁的高斯函數(shù)，中間段是區(qū)間μ₁≤k/K≤μ₂上的常數(shù)，結(jié)束段是區(qū)間μ₂<k/K≤1上具有參數(shù)μ₂和σ₂的高斯函數(shù)。μ₁、σ₁、μ₂和σ₂分別取0.1、0.03、0.5和0.15。圖9顯示了當(dāng)K＝255時的p(k)。

一旦導(dǎo)出最優(yōu)的客觀圖像直方圖，就可以設(shè)計灰度映射將客觀圖像的直方圖變換成最優(yōu)形式。其實現(xiàn)基于以下原理：輸入圖像在某灰度處的概率積累函數(shù)等于輸出圖像在對應(yīng)灰度處的概率積累函數(shù)。設(shè)輸入灰度j對應(yīng)于輸出灰度k。為了使灰度映射單調(diào)遞增，小于或等于j的輸入灰度應(yīng)對應(yīng)于小于或等于k的輸出灰度。因此，輸入圖像在j處的概率積累函數(shù)應(yīng)等于輸出圖像在k處的概率積累函數(shù)。此外，由于格式需要，某些圖像的外圍可能墊有0灰度像素。為了避免這些像素的影響，在灰度映射中不考慮灰度0。具體實現(xiàn)步驟如下：

1)統(tǒng)計輸入圖像的直方圖，進(jìn)而計算其概率積累函數(shù)。

2)根據(jù)(2)和(3)計算輸出圖像的直方圖，亦即最優(yōu)的客觀圖像直方圖，進(jìn)而計算其概率積累函數(shù)。

3)對每個輸入灰度j，找到對應(yīng)的輸出灰度k，使輸出圖像在k處的概率積累函數(shù)最接近于輸入圖像在j處的概率積累函數(shù)。

4)根據(jù)灰度映射進(jìn)行圖像變換。

3、合成孔徑雷達(dá)圖像的自動可視化算法

下面以最優(yōu)化主觀圖像的直方圖匹配算法為基礎(chǔ)，開發(fā)一種合成孔徑雷達(dá)圖像自動可視化算法。該算法根據(jù)灰度的分布特點將其自動劃分為兩個區(qū)域。對像素集中分布的低灰度區(qū)進(jìn)行線性拉伸，以增強(qiáng)圖像的視覺效果并保持圖像的性質(zhì)。對像素稀疏分布的高灰度區(qū)進(jìn)行最優(yōu)化主觀圖像的直方圖匹配，以盡量避免視覺上的灰度飽和。

圖10顯示了該算法的灰度映射。x和y分別為輸入灰度和輸出灰度。X和Y分別為輸入灰度和輸出灰度的最大值，Y一般取顯示器的最大灰度。μ是輸入圖像的均值(在計算μ時，0灰度像素不計)。α和β是兩個經(jīng)驗因子。如圖所示，區(qū)間[0,αμ]的灰度被線性拉伸至區(qū)間[0,βY]。α通常取3，以使大多數(shù)像素都落在區(qū)間[0,αμ]。β通常取0.8，以使區(qū)間[0,βY]對應(yīng)于視覺比較敏感的灰度范圍。這樣，當(dāng)區(qū)間[0,αμ]的灰度被線性拉伸至區(qū)間[0,βY]時，大多數(shù)像素就會落在視覺比較敏感的灰度范圍。區(qū)間(αμ,X]的灰度則通過最優(yōu)化主觀圖像的直方圖匹配算法映射到區(qū)間(βY,Y]，以盡量避免視覺上的灰度飽和。其中，在統(tǒng)計輸入圖像的直方圖時，只考慮大于αμ的灰度；在計算輸出圖像的直方圖時，只使用最優(yōu)的客觀圖像直方圖在區(qū)間(βY,Y]的這一部分。

該算法的步驟被總結(jié)如下：

步驟1：將合成孔徑雷達(dá)圖像的灰度劃分為低灰度區(qū)[0，αμ]和高灰度區(qū)(αμ，X]，其中，μ是輸入圖像的均值，α是一個經(jīng)驗因子，X是輸入灰度的最大值，在計算μ時，0灰度像素不計，α通常取3，以使大多數(shù)像素都落在低灰度區(qū)[0，αμ]；

步驟2：將像素集中分布的低灰度區(qū)[0，αμ]線性拉伸至區(qū)間[0，βY]，其中，Y是輸出灰度的最大值，β是一個經(jīng)驗因子，Y一般取顯示器的最大灰度，β通常取0.8，以使區(qū)間[0，βY]對應(yīng)于視覺比較敏感的灰度范圍；

步驟3：用最優(yōu)化主觀圖像的直方圖匹配算法將像素稀疏分布的高灰度區(qū)(αμ，X]映射至區(qū)間(βY，Y]，其中，在統(tǒng)計輸入圖像的直方圖時，只考慮大于αμ的灰度，在計算輸出圖像的直方圖時，只使用最優(yōu)的客觀圖像直方圖在區(qū)間(βY,Y]的這一部分；

步驟4：根據(jù)步驟2和步驟3所建立的灰度映射來變換圖像的每個像素，從而實現(xiàn)圖像的可視化。

若α和β都取0，該算法其實就是最優(yōu)化主觀圖像的直方圖匹配算法。通常，α＝3、β＝0.8的圖像看起來更加強(qiáng)弱分明，而α＝0、β＝0的圖像看起來灰度層次更加豐富。另外，對于海洋圖像，人們可能更感興趣于艦船、海島等目標(biāo)。此時，如果讓β小一些，比如取0.3，那么可以為艦船、海島等目標(biāo)分配更大的灰度范圍，使其灰度層次更加豐富。

在對各類合成孔徑雷達(dá)圖像的測試中，該算法展示了良好的視覺效果和普遍適用性。下面將給出一些有代表性的實施例。顯然，這里所描述的僅僅是該算法的部分實施例。使用該算法，在沒有做出創(chuàng)造性勞動的前提下所獲得的所有其它實施例，都屬于本發(fā)明的保護(hù)范圍。

實施例一

圖11顯示了由華東電子工程研究所提供的一幅圖像。該圖像除了少數(shù)亮點之外，大塊場景都是漆黑一片，難以獲取任何信息。圖12顯示了用Photoshop的自動對比度功能進(jìn)行可視化的結(jié)果。顯然，圖像的視覺效果有所改善，其中的細(xì)節(jié)也清楚了一些。圖13和圖14顯示了用我們的算法進(jìn)行可視化的結(jié)果。圖13中α和β分別取3和0.8；圖14中α和β都取0，即對整個灰度區(qū)間采用最優(yōu)化主觀圖像的直方圖匹配算法。兩種情況下，圖像的視覺效果均得以明顯改善，不僅細(xì)節(jié)清楚，而且高端灰度未被飽和。相比之下，圖13更加強(qiáng)弱分明一些，圖14則有更豐富的灰度層次。

圖15給出了圖11的直方圖。顯然，灰度集中分布在低灰度區(qū)，這是為什么圖像看起來漆黑一片。圖16給出了圖12的直方圖?？梢钥吹剑琍hotoshop的自動對比度功能飽和了高灰度區(qū)，拉寬了低灰度區(qū)，這是為什么圖像的視覺效果有所改善。圖17給出了圖13的直方圖?？梢钥吹?，不僅低灰度區(qū)得到了很好的拉伸，而且高灰度區(qū)未被飽和，這是為什么圖像的視覺效果明顯改善。圖18給出了圖14的直方圖。它接近于最優(yōu)的客觀圖像直方圖，符合人的視覺特性，這是為什么圖像的視覺效果也明顯改善。該直方圖本應(yīng)達(dá)到最優(yōu)的客觀圖像直方圖。然而，由于灰度的離散特性，它與最優(yōu)的客觀圖像直方圖之間還存在著一定的差異。

實施例二

圖19顯示了來自美國MiniSAR系統(tǒng)的一幅圖像。該圖像大塊場景漆黑一片，難以捕捉任何細(xì)節(jié)。圖20顯示了用Photoshop的自動對比度功能進(jìn)行可視化的結(jié)果。可以看到，圖像的視覺效果有所改善，其中的細(xì)節(jié)也清楚了一些。圖21和圖22顯示了用我們的算法進(jìn)行可視化的結(jié)果。圖21中α和β分別取3和0.8，圖22中α和β都取0。兩種情況下，圖像的視覺效果均得以明顯改善，不僅細(xì)節(jié)清楚，而且高端灰度未被飽和。相比之下，圖21更加強(qiáng)弱分明一些，圖22則有更豐富的灰度層次。

實施例三

圖23顯示了來自歐洲TerraSAR系統(tǒng)的一幅圖像。同樣，其大塊場景漆黑一片，難以捕捉任何細(xì)節(jié)。圖24顯示了用Photoshop的自動對比度功能進(jìn)行可視化的結(jié)果。可以看到，圖像的視覺效果有所改善，其中的細(xì)節(jié)也清楚了一些。圖25和圖26顯示了用我們的算法進(jìn)行可視化的結(jié)果。圖25中α和β分別取3和0.8，圖26中α和β都取0。兩種情況下，圖像的視覺效果均得以明顯改善，不僅細(xì)節(jié)清楚，而且高端灰度未被飽和。相比之下，圖25更加強(qiáng)弱分明一些，圖26則有更豐富的灰度層次。

實施例四

圖27的圖像來自丹麥的EMISAR系統(tǒng)。該圖像除了一艘艦船之外，大塊場景都是漆黑一片。圖28顯示了用Photoshop的自動對比度功能進(jìn)行可視化的結(jié)果。該圖像的視覺效果有所改善，其中的細(xì)節(jié)也清楚了一些。圖29和圖30顯示了用我們的算法進(jìn)行可視化的結(jié)果。圖29中α和β分別取3和0.8，圖30中α和β都取0。兩種情況下，圖像的視覺效果均得以明顯改善。圖29更加強(qiáng)弱分明一些，圖30則有更豐富的灰度層次。圖31顯示了α和β分別取3和0.3時用我們的算法進(jìn)行可視化的結(jié)果。對海洋圖像，人們可能更感興趣于艦船、海島等目標(biāo)，不太關(guān)注海面。此時，讓β小一些，可為艦船、海島等目標(biāo)分配更大的灰度范圍，使其灰度層次更加豐富。另外，注意到該圖像類似于用Photoshop可視化的圖像，不過其高端灰度沒有飽和，而用Photoshop可視化的圖像高端灰度是飽和的。

實施例五

圖32的圖像由南京電子技術(shù)研究所提供。該圖像除了角反射器等少數(shù)目標(biāo)之外，大塊場景漆黑一片，難以從中獲取信息。圖33顯示了用Photoshop的自動對比度功能進(jìn)行可視化的結(jié)果。該圖像的視覺效果有所改善，細(xì)節(jié)也清楚了一些。圖34和圖35顯示了用我們的算法進(jìn)行可視化的結(jié)果。圖34中α和β分別取3和0.8，圖35中α和β都取0。兩種情況下，圖像的視覺效果均得以明顯改善。圖34更加強(qiáng)弱分明一些，圖35則有更豐富的灰度層次。圖36顯示了α和β分別取3和0.3時用我們的算法進(jìn)行可視化的結(jié)果。當(dāng)對角反射器等目標(biāo)更感興趣而對其它目標(biāo)不太關(guān)注時，可以讓β小一些，以便為角反射器等目標(biāo)分配更大的灰度范圍，使其灰度層次更加豐富。該圖像類似于用Photoshop可視化的圖像，不過其高端灰度沒有飽和，而用Photoshop可視化的圖像高端灰度是飽和的。