适用于国土空间生态修复的遥感解译方法与流程

1.本发明涉及图像处理技术领域，具体涉及适用于国土空间生态修复的遥感解译方法。

背景技术：

2.现有的往往通过人造地球卫星上的遥测仪器对地球表面实施感应遥测和资源管理的监视，实现国土空间生态修复的监测和管理。然而由于受到大气、云雾的影响，遥感图像存在对比度低、目视效果较差等问题，会直接影响到自然资源监管的效率和能力；因此需要先对采集的遥感图像进行对比度增强处理，传统的直方图均衡化算法进行图像增强处理时会对遥感图像中像素点数量少的灰度级进行归并，故其在提高遥感图像对比度的同时，造成遥感图像的灰度级个数大量减小，导致遥感图像信息熵下降和局部细节缺失，影响自然资源监管的效率和能力。

技术实现要素：

3.本发明提供适用于国土空间生态修复的遥感解译方法，以解决现有的直方图均衡化导致遥感图像局部细节缺失的问题。
4.本发明的适用于国土空间生态修复的遥感解译方法，采用如下技术方案：获取生态修复区域的遥感图像的灰度图像和灰度直方图，根据灰度直方图的波峰个数对灰度直方图进行多次划分得到每次划分后的多个灰度区间；获取每个灰度级对应的像素点个数，获取每个灰度级对应像素点的8邻域内每个像素点的灰度值，根据每个灰度级对应的像素点个数和每个灰度级对应像素点的8邻域内每个像素点的灰度值，得到每个灰度级对应的像素点与该像素点8邻域内像素点的对比度；根据每个灰度区间内的所有灰度级，以及对应灰度区间内每个灰度级对应的像素点与该像素点8邻域内像素点的对比度，得到该灰度区间内的对比度；根据每个灰度区间内的对比度、每个灰度区间内每个灰度级对应的像素点个数和每个灰度区间内灰度级的个数得到每个灰度区间内灰度级的预期增强效果；根据每次划分后的每个灰度区间内灰度级的预期增强效果得到最佳划分方式，根据最佳划分方式对生态修复区域的遥感图像的灰度直方图进行划分得到多个目标灰度区间，利用直方图均衡化对每个目标灰度区间进行增强得到最佳增强图像，根据最佳增强图像判断国土空间生态修复效果。
5.进一步的，每次划分后的多个灰度区间是按如下方法确定的：以255作为分子，灰度直方图的波峰个数作为分母得到分子分母的比值；根据分子分母的比值与划分的次数相乘得到该次划分时的区间长度，根据该次划分时的区间长度对灰度直方图进行划分得到该次划分后的多个灰度区间，其中，灰度直方图划分的次数为，表示灰度直方图中波峰点的数量，每次划分所得的灰度区间
个数不同。
6.进一步的，每个灰度级对应的像素点与该像素点8邻域内像素点的对比度的具体表达式为：式中：表示灰度级对应像素点与该像素点8邻域内像素点的对比度，表示第g个灰度级为的像素点的灰度值，表示第g个灰度级为的像素点的8邻域内第h个邻域像素点的灰度值，表示第g个灰度级为的像素点数量，表示8邻域，g表示灰度级为的第g个像素点。
7.进一步的，灰度区间内的对比度是按如下方法确定的：对每个灰度区间内每个灰度级对应像素点与该像素点8邻域内像素点的对比度进行累加，并求均值，将该均值作为第一均值；获取每个灰度区间内相邻灰度级的差值，对每个灰度区间内所得的所有差值进行累加，并求均值，将该均值作为第二均值；将每个灰度区间内的第一均值与第二均值相减得到该灰度区间内的对比度。
8.进一步的，灰度区间内灰度级的预期增强效果是按如下方法确定的：获取灰度区间内各灰度级对应的像素点数量的方差；获取灰度区间内相邻灰度级对应的像素点数量的数量差，并对灰度区间内所得的所有数量差进行累加得到累加和，并求均值，将该均值作为第三均值；以灰度区间内的对比度作为分子，以该灰度区间内的第三均值和各灰度级对应的像素点数量的方差的乘积为分母得到该灰度区间内灰度级的预期增强效果。
9.进一步的，获取每次划分后的所有灰度区间内灰度级的预期增强效果的均值，将该均值最大时对应的该次划分方式作为最佳划分方式。
10.进一步的，根据最佳增强图像判断国土空间生态修复效果还包括：获取逐年同一时期采集的同一生态修复区域的遥感图像；利用逐年同一时期采集的同一生态修复区域的遥感图像得到逐年同一时期采集的同一生态修复区域的遥感图像的最佳增强图像；根据逐年同一时期的同一生态修复区域的遥感图像的最佳增强图像中森林区域的像素点个数得到国土空间生态修复效果。
11.本发明的有益效果是：本发明首先根据遥感图像灰度直方图的波峰点个数获取了灰度直方图灰度区间的初步长度，由于此划分方法存在划分后的灰度区间范围过小，灰度级归并展宽的效果较差，遥感图像对比度增强效果不够的问题，因此，在利用波峰点初步划分的基础上，本发明对初步区间中的最高波峰点进行了统计，并依据相邻最高波峰点再次划分区间，此次划分，一定程度上避免了划分后的灰度区间范围过小的问题，但是，为了使遥感图像最终增强的效果最佳，本发明计算了每次划分后灰度区间的整体预期增强效果，该步骤实现了灰度区间划分的自适应，保证每个遥感图像最终均衡化后的效果均最佳，对
灰度图像的灰度直方图进行最佳灰度区间自适应划分，再对各区间分别进行均衡化增强，减少了直方图均衡化时图像灰度级个数减少的数量，保护了图像的细节部分，实现了在保证遥感图像增强效果的同时，保留了遥感图像的细节，使得最终根据最佳增强图像所判断的国土空间生态的修复效果更准确；同时，由于获取了最佳图像，最终根据最佳图像判断国土空间生态的修复效果时，可提高判断的效率，最终，提高了自然资源监管的效率和能力。
附图说明
12.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅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性的前提下，还可以根据这些附图获得其他的附图。
13.图1为本发明的适用于国土空间生态修复的遥感解译方法的实施例的流程图。
具体实施方式
14.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，所描述的实施例仅仅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。
15.本发明的适用于国土空间生态修复的遥感解译方法的实施例，如图1所示，包括：s1、获取生态修复区域的遥感图像的灰度图像和灰度直方图，根据灰度直方图的波峰个数对灰度直方图进行多次划分得到每次划分后的多个灰度区间。
16.由于遥感图像存在对比度低、目视效果较差的问题，因此需要进行图像增强处理，本发明通过改进直方图均衡化算法，实现遥感图像的增强。
17.获取生态修复区域的遥感图像的灰度图像和灰度直方图的具体步骤为：首先在每年同一时期采集同一生态修复区域的遥感图像，然后对采集的遥感图像进行灰度化处理，再利用自适应中值滤波进行去噪处理，然后统计遥感图像的灰度直方图，至此得到生态修复区域的遥感图像的灰度图像和灰度直方图。需要说明的是，后文出现的所有灰度图像和灰度直方图均指同年同一生态修复区域的遥感图像去噪后的灰度图像和灰度直方图。
18.由于直方图均衡化的基本原理是对灰度图像中像素点数量多的灰度级进行展宽，而对像素点数量少的灰度级进行归并，从而增大图像对比度，达到图像增强的目的，因此对遥感图像的灰度直方图进行灰度区间划分时，令各灰度区间内的灰度级对应的像素点数量变化平缓，减少灰度区间内像素点数量少的灰度级进行归并的情况，以减少直接对整个直方图进行均衡化后灰度级个数减少的数量，保护图像细节。
19.首先对灰度直方图进行曲线拟合，由于遥感图像内环境复杂多变，因此灰度直方图拟合的曲线会存在多个波峰，统计各波峰点的横坐标值，其横坐标值就是图像的灰度级，获得灰度级集合，其中n表示灰度直方图中波峰点的数量。
20.由于在未进行直方图均衡化前的灰度直方图中各单个局部波峰内灰度级相邻，且
各灰度级对应的像素点数量相对相似，故以灰度直方图内单个局部波峰为一区间，将灰度直方图分割后，可以有效的减少直方图均衡化后灰度级个数减少的数量，但若灰度区间范围过小，灰度级归并展宽的效果较差，会使图像对比度增强效果不够，因此以单个局部波峰为基础，由小到大逐渐提高划分区间的灰度级范围，获取多种灰度直方图灰度区间划分方式，选取直方图均衡化增强效果最优的灰度区间划分方法。
21.得到每次划分后的多个灰度区间的具体步骤为：以255作为分子，灰度直方图的波峰个数作为分母得到分子分母的比值；根据分子分母的比值与划分的次数相乘得到该次划分时的区间长度，根据该次划分时的区间长度对灰度直方图进行划分得到该次划分后的多个灰度区间，其中，灰度直方图划分的次数为，每次划分所得的灰度区间个数不同，区间长度的具体表达式为：式中：表示第m次划分后的每个灰度区间的区间长度，表示第次划分方式，，n表示灰度直方图中波峰点的数量，表示向下取整，255表示遥感图像灰度级的最大分布范围。
22.其中，当时，表示灰度直方图的灰度级被等分为两个区间，划分灰度区间数量达到最小，因此m的最大值为；以m=1为例，此时的灰度直方图的灰度区间的区间长度，则此时灰度直方图中灰度级的初步区间划分为[0，],[],
…
,[(n-1)]，从左至右依次统计各灰度区间内波峰点对应的灰度级，若灰度区间内无波峰点，则不做统计，若灰度区间内存在多个波峰点，则取纵坐标最大，即像素点数量最多的波峰点对应的灰度级，获得m=1时的波峰点集合，其中表示选取的波峰点的数量。
[0023]
由此获得m=1时，灰度直方图中灰度区间划分为[0，],[],
…
,[]，其中表示选取的第个波峰点和第个波峰点对应的灰度级之和的均值，即表示两波峰之间的波谷位置，故此时划分的灰度直方图的各灰度区间内包含各局部的波峰，每个灰度区间内灰度级对应的像素点数量相似。
[0024]
同理，完成时，灰度直方图的灰度区间的划分。
[0025]
至此，完成了次灰度直方图的灰度区间的划分，获得种灰度区间划分方式。
[0026]
s2、获取每个灰度级对应的像素点个数，获取每个灰度级对应像素点的8邻域内每个像素点的灰度值，根据每个灰度级对应的像素点个数和每个灰度级对应像素点的8邻域内每个像素点的灰度值，得到每个灰度级对应的像素点与该像素点8邻域内像素点的对比度。
[0027]
已知生态修复区域的遥感图像受到大气、云雾的影响，遥感图像存在对比度低的缺陷，故步骤s1中对灰度直方图进行灰度区间划分后，若采集的遥感图像受大气、云雾的影响较小，且划分区间内的对比度本身比较高时，则需要划分的区间内灰度级对应的像素点数量应变化平缓，令直方图均衡化后提高对比度的同时，以减少灰度级的缺失，保护图像细节。
[0028]
因此，需要先计算未经过直方图均衡化增强前的遥感图像的灰度直方图内各灰度级对应的像素点与其8邻域像素点的对比度，统计灰度直方图内的灰度级和各灰度级对应的像素点数量，获得灰度级集合和灰度级对应的像素点的数量集合，其中t表示灰度图像内的灰度级数量，灰度级对应的像素点的数量为。
[0029]
已知不同像素点之间的差值越大，对比度越明显，故以灰度级为例，计算该灰度级对应的像素点与该像素点8邻域内像素点的对比度为：式中：表示灰度级对应的像素点与该像素点8邻域内像素点的对比度，表示第g个灰度级为的像素点的灰度值，表示第g个灰度级为的像素点的8邻域内第h个邻域像素点的灰度值，表示第g个灰度级为的像素点数量，表示8邻域，g表示灰度级为的第g个像素点。
[0030]
其中，表示第g个灰度级为的像素点与其的8邻域像素点灰度值差的均值，该均值越大，表示该像素点与其8邻域像素点的差异越大，该像素点的对比度越大，故公式表示灰度级为的所有像素点与其8邻域灰度差的均值，因此越大，灰度级对应的像素点与该像素点8邻域内像素点的对比度越大。
[0031]
同理，计算灰度级集合内其他灰度级对应的像素点与该像素点8邻域内像素点的对比度，得到每个灰度级对应的像素点与该像素点8邻域内像素点的对比度，至此，得到了每个灰度级对应的像素点与该像素点8邻域内像素点的对比度。
[0032]
s3、根据每个灰度区间内的所有灰度级，以及对应灰度区间内每个灰度级对应的
像素点与该像素点8邻域内像素点的对比度，得到该灰度区间内的对比度。
[0033]
得到该灰度区间内的对比度的具体步骤为：以m=1为例，对第一次划分后的每个灰度区间内每个灰度级对应像素点，与该像素点8邻域内像素点的对比度进行累加，并求均值，将该均值作为第一均值；获取每个灰度区间内相邻灰度级的差值，对每个灰度区间内所得的所有差值进行累加，并求均值，将该均值作为第二均值；将每个灰度区间内的第一均值与第二均值相减得到该灰度区间内的对比度，灰度区间内的对比度的具体表达式为：式中：表示第一次划分后任意一个灰度区间内的对比度，表示第一次划分后该灰度区间内灰度级的个数，表示该灰度区间内第q个灰度级对应的像素点与该像素点8邻域内像素点的对比度，表示该灰度区间内第q+1个灰度级，表示该灰度区间内的第q个灰度级。
[0034]
其中，表示该灰度区间内的相邻灰度级的差值，故表示划分的该灰度区间内灰度级之间的对比度，该对比度值越大，该灰度区间内的对比度越大；表示该灰度区间内第q个灰度级对应的像素点与该像素点8邻域内像素点的对比度，故表示划分的该灰度区间内像素点与其8邻域像素点之间的对比度，该对比度值越大，该灰度区间内的对比度越大，因此的值越大，该区间内的对比度越大。
[0035]
s4、根据每个灰度区间内的对比度、每个灰度区间内每个灰度级对应的像素点个数和每个灰度区间内灰度级的个数得到每个灰度区间内灰度级的预期增强效果。
[0036]
由于直方图均衡化的基本原理是对灰度图像中像素点数量多的灰度级进行展宽，而对像素点数量少的灰度级进行归并，从而增大图像对比度，达到图像增强的目的。故选取的该灰度区间内对比度越大，则越不需要大量归并灰度级，来到达对比度增强的效果，因此当灰度级对应的像素点数量变化越小时，灰度区间内像素点数量少的灰度级进行归并的情况越少，以降低直方图进行均衡化后灰度级个数减少的数量，保护图像细节，最终灰度区间经直方图均衡化后的增强效果越好。
[0037]
因此，以m=1为例，根据第一次划分的任意灰度区间内的对比度和该灰度区间内灰度级对应的像素点数量变化，计算该灰度区间内经直方图均衡化增强后的预期增强效果。
[0038]
得到每个灰度区间内灰度级的预期增强效果的具体步骤为：获取灰度区间内各灰度级对应的像素点数量的方差，获取灰度区间内相邻灰度级对应的像素点数量的数量差，并对灰度区间内所得的所有数量差进行累加得到累加和，并求均值，将该均值作为第三均值，以灰度区间内的对比度作为分子，以该灰度区间内的第三均值和各灰度级对应的像素点数量的方差的乘积为分母得到该灰度区间内灰度级的预期增强效果，灰度区间内灰度级的预期增强效果的具体表达式为：
式中：表示第一次划分后任意一个灰度区间内的对比度，表示该灰度区间内各灰度级对应的像素点数量的方差，表示该灰度区间内灰度级的预期增强效果，表示第一次划分后该灰度区间内灰度级的个数，表示该灰度区间内第q+1个灰度级对应的像素点数量，表示该灰度区间内的第q个灰度级对应的像素点数量。
[0039]
其中，表示该灰度区间内各灰度级对应的像素点数量的方差，方差表示数据的均匀性，故方差越小，该灰度区间内灰度级对应的像素点数量整体变化越小；表示第一次划分后该灰度区间内灰度级的个数，表示该灰度区间内相邻两灰度级对应的像素点数量的差异，故表示该灰度级区间内相邻灰度级对应的像素点数量的总差异，该值越小，表示该灰度区间内相邻灰度级对应的像素点数量的变化越小；表示该灰度区间内的对比度，故公式中分母越大，分子越小，该灰度区间内对比度越大，灰度级对应的像素点数量变化越小，则该灰度区间内的灰度级经直方图均衡化后预期增强效果越好。
[0040]
同理，得到第一次划分后灰度区间内的直方图均衡化后每个灰度区间内灰度级的预期增强效果，获得集合，其中表示 m=1时，在灰度直方图上选取的波峰点数量，即表示灰度直方图第一次划分后的灰度区间数量。同理，可得到每次划分后每个灰度区间内的灰度级经直方图均衡化后预期增强效果。
[0041]
s5、根据每次划分后的每个灰度区间内灰度级的预期增强效果得到最佳划分方式，根据最佳划分方式对生态修复区域的遥感图像的灰度直方图进行划分得到多个目标灰度区间，利用直方图均衡化对每个目标灰度区间进行增强得到最佳增强图像，根据最佳增强图像判断国土空间生态修复效果。
[0042]
得到最佳划分方式的具体步骤为：以m=1为例，计算第一次划分后灰度区间的整体预期增强效果，具体的是，获取第一次划分后的所有灰度区间内灰度级的预期增强效果的均值，将该均值作为第一次划分后灰度区间的整体预期增强效果，同理，得到每次划分后灰度区间的整体预期增强效果，获得预期增强效果集合，取该集合中的最大值为，此时，对应的第w次灰度直方图划分方式为最佳划分方式，故选取步骤s1中m=w时的灰度直方图的灰度区间划分方式，使用直方图均衡化算法分别对第w次划分后的各目标灰度区间进行增强得到增强后的各目标灰度区间，根据增强后的各目标灰度区间得到最佳增强图像。
[0043]
根据最佳增强图像判断国土空间生态修复效果的具体步骤为：利用s1-s5所述步骤得到逐年同一时期采集的同一生态修复区域的遥感图像的最佳增强图像；根据逐年同一时期的同一生态修复区域的遥感图像的最佳增强图像中森林区域的像素点个数得到国土空间生态修复效果，其中，当逐年同一时期的同一生态修复区域的遥感图像的最佳增强图像中森林区域的像素点个数递增时，国土空间生态修复效果良好。
[0044]
本发明的有益效果是：本发明首先根据遥感图像灰度直方图的波峰点个数获取了灰度直方图灰度区间的初步长度，由于此划分方法存在划分后的灰度区间范围过小，灰度级归并展宽的效果较差，遥感图像对比度增强效果不够的问题，因此，在利用波峰点初步划分的基础上，本发明对初步区间中的最高波峰点进行了统计，并依据相邻最高波峰点再次划分区间，此次划分，一定程度上避免了划分后的灰度区间范围过小的问题，但是，为了使遥感图像最终增强的效果最佳，本发明计算了每次划分后灰度区间的整体预期增强效果，该步骤实现了灰度区间划分的自适应，保证每个遥感图像最终均衡化后的效果均最佳，对灰度图像的灰度直方图进行最佳灰度区间自适应划分，再对各区间分别进行均衡化增强，减少了直方图均衡化时图像灰度级个数减少的数量，保护了图像的细节部分，实现了在保证遥感图像增强效果的同时，保留了遥感图像的细节，使得最终根据最佳增强图像所判断的国土空间生态的修复效果更准确；同时，由于获取了最佳图像，最终根据最佳图像判断国土空间生态的修复效果时，可提高判断的效率，最终，提高了自然资源监管的效率和能力。
[0045]
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

技术特征：

1.适用于国土空间生态修复的遥感解译方法，其特征在于，包括：获取生态修复区域的遥感图像的灰度图像和灰度直方图，根据灰度直方图的波峰个数对灰度直方图进行多次划分得到每次划分后的多个灰度区间；获取每个灰度级对应的像素点个数，获取每个灰度级对应像素点的8邻域内每个像素点的灰度值，根据每个灰度级对应的像素点个数和每个灰度级对应像素点的8邻域内每个像素点的灰度值，得到每个灰度级对应的像素点与该像素点8邻域内像素点的对比度；根据每个灰度区间内的所有灰度级，以及对应灰度区间内每个灰度级对应的像素点与该像素点8邻域内像素点的对比度，得到该灰度区间内的对比度；根据每个灰度区间内的对比度、每个灰度区间内每个灰度级对应的像素点个数和每个灰度区间内灰度级的个数得到每个灰度区间内灰度级的预期增强效果；根据每次划分后的每个灰度区间内灰度级的预期增强效果得到最佳划分方式，根据最佳划分方式对生态修复区域的遥感图像的灰度直方图进行划分，得到多个目标灰度区间，利用直方图均衡化对每个目标灰度区间进行增强得到最佳增强图像，根据最佳增强图像判断国土空间生态修复效果。2.根据权利要求1所述的适用于国土空间生态修复的遥感解译方法，其特征在于，根据最佳增强图像判断国土空间生态修复效果还包括：获取逐年同一时期采集的同一生态修复区域的遥感图像；利用逐年同一时期采集的同一生态修复区域的遥感图像得到逐年同一时期采集的同一生态修复区域的遥感图像的最佳增强图像；根据逐年同一时期的同一生态修复区域的遥感图像的最佳增强图像中森林区域的像素点个数得到国土空间生态修复效果。3.根据权利要求1所述的适用于国土空间生态修复的遥感解译方法，其特征在于，每次划分后的多个灰度区间是按如下方法确定的：以255作为分子，灰度直方图的波峰个数作为分母得到分子分母的比值；根据分子分母的比值与划分的次数相乘得到该次划分时的区间长度，根据该次划分时的区间长度对灰度直方图进行划分得到该次划分后的多个灰度区间，其中，灰度直方图划分的次数为，表示灰度直方图中波峰点的数量，每次划分所得的灰度区间个数不同。4.根据权利要求1所述的适用于国土空间生态修复的遥感解译方法，其特征在于，每个灰度级对应的像素点与该像素点8邻域内像素点的对比度的具体表达式为：式中：表示灰度级对应像素点与该像素点8邻域内像素点的对比度，表示第g个灰度级为的像素点的灰度值，表示第g个灰度级为的像素点的8邻域内第h个邻域像素点的灰度值，表示第g个灰度级为的像素点数量，表示8邻域，g表示灰度级
为的第g个像素点。5.根据权利要求1所述的适用于国土空间生态修复的遥感解译方法，其特征在于，灰度区间内的对比度是按如下方法确定的：将每个灰度区间内每个灰度级对应像素点与该像素点8邻域内像素点的对比度进行累加，并求均值，将该均值作为第一均值；获取每个灰度区间内相邻灰度级的差值，对每个灰度区间内所得的所有差值进行累加，并求均值，将该均值作为第二均值；将每个灰度区间内的第一均值与第二均值相减得到该灰度区间内的对比度。6.根据权利要求1所述的适用于国土空间生态修复的遥感解译方法，其特征在于，灰度区间内灰度级的预期增强效果是按如下方法确定的：获取灰度区间内各灰度级对应的像素点数量的方差；获取灰度区间内相邻灰度级对应的像素点数量的数量差，并对灰度区间内所得的所有数量差进行累加得到累加和，并求均值，将该均值作为第三均值；以灰度区间内的对比度作为分子，以该灰度区间内的第三均值和各灰度级对应的像素点数量的方差的乘积为分母得到该灰度区间内灰度级的预期增强效果。7.根据权利要求1所述的适用于国土空间生态修复的遥感解译方法，其特征在于，获取每次划分后的所有灰度区间内灰度级的预期增强效果的均值，将该均值最大时对应的该次划分方式作为最佳划分方式。

技术总结

本发明涉及图像处理技术领域，具体涉及适用于国土空间生态修复的遥感解译方法，包括：获取灰度区间；根据每个灰度级对应的像素点个数和每个灰度级对应像素点的8邻域内每个像素点的灰度值，得到每个灰度级对应的像素点与该像素点8邻域内像素点的对比度；获取灰度区间内的对比度；获取灰度区间内灰度级的预期增强效果；根据每次划分后的每个灰度区间内灰度级的预期增强效果得到最佳划分方式，根据最佳划分方式对生态修复区域的遥感图像的灰度直方图进行直方图均衡化得到最佳增强图像，根据最佳增强图像判断国土空间生态修复效果。本发明提高了自然资源监管的效率和能力。提高了自然资源监管的效率和能力。提高了自然资源监管的效率和能力。