專利名稱：基于分段校正的遙感影像條帶噪聲去除方法
技術(shù)領(lǐng)域：
本發(fā)明涉及光學(xué)遙感影像處理技術(shù)領(lǐng)域，尤其涉及一種對(duì)遙感平臺(tái)傳感器獲取的光學(xué)影像進(jìn)行條帶噪聲的去除相關(guān)方法。
背景技術(shù)：
光學(xué)遙感影像在獲取時(shí)受CXD探測(cè)器輻射特性和隨機(jī)因素影響，使得光學(xué)遙感衛(wèi)星影像存在許多問題，如運(yùn)動(dòng)模糊、灰度降質(zhì)、條帶噪聲等現(xiàn)象，其中影響最為顯著的是條帶噪聲。條帶噪聲(striping noise)形成原因多是由于溫度的變化和探測(cè)器材料的不同，導(dǎo)致各個(gè)探測(cè)器的傳遞函數(shù)不同，造成探測(cè)器對(duì)電磁輻射的響應(yīng)及電子裝置性能的差異，使相鄰的掃描線在亮度方面產(chǎn)生不協(xié)調(diào)。在任何使用多個(gè)探測(cè)器進(jìn)行數(shù)據(jù)獲取的傳感器數(shù)據(jù)中條帶噪聲是不可避免的，并在一些光譜響應(yīng)非常均勻的地區(qū)特別明顯，如水體、雪、沙漠。這不僅嚴(yán)重地影響波譜特征增強(qiáng)以及空間特征增強(qiáng)和提取的效果，對(duì)于進(jìn)行大氣校正進(jìn)而定量繁衍水體光學(xué)特性來說也是非常不利的。目前，國(guó)內(nèi)外針對(duì)遙感影像中條帶噪聲的處理方法主要包括頻率域?yàn)V波法、基于變分模型的噪聲去除方法與空間域匹配法等。頻率域?yàn)V波法主要利用傅立葉變換、小波變換等框架將影像轉(zhuǎn)換到頻率域，并通過設(shè)計(jì)某種濾波器對(duì)噪聲進(jìn)行處理，此類方法往往對(duì)條帶噪聲的去除不徹底，同時(shí)會(huì)導(dǎo)致影像模糊?；谧兎帜Ｐ偷脑肼暼コ椒?，通過引入正則化技術(shù)對(duì)影像進(jìn)行整體求解，條帶噪聲的去除效果較好，但由于其計(jì)算復(fù)雜并不適合廣泛地應(yīng)用于大數(shù)據(jù)量遙感影像的處理?？臻g域匹配方法是當(dāng)前應(yīng)用最為廣泛的條帶噪聲去除方法，一般通過選取參考行(列)對(duì)條帶行(列)進(jìn)行匹配與修正處理，常用的方法是矩匹配法與直方圖匹配法。雖然空間域匹配方法去除條帶噪聲的速率高，但效果不甚理想，因此需要進(jìn)一步的研究。影像中通常都存在不同類型的地物，且隨著時(shí)間變化影像內(nèi)部也存在灰度變換不均的現(xiàn)象。若直接對(duì)影像應(yīng)用空間域校正方法進(jìn)行條帶噪聲的剔除，則因?yàn)樯鲜鲈蛟谔幚砗蟮挠跋裆蠒?huì)出現(xiàn)條帶噪聲剔除不徹底與條帶噪聲校正過度這兩種現(xiàn)象。目前，隨著各種光學(xué)遙感影像獲取途徑的增加，如何在剔除條帶噪聲恢復(fù)原始影像信息的同時(shí)保持高效的運(yùn)行速率，是去噪過程必須考慮到的問題，因此需要研究新的條帶噪聲去除方法。

發(fā)明內(nèi)容
本發(fā)明要解決的技術(shù)問題，針對(duì)現(xiàn)有技術(shù)的不足之處，提供一種基于分段校正的遙感影像條帶噪聲去除方法，結(jié)合影像的地物分布情況，與地物灰度值變化情況進(jìn)行條帶噪聲的去除，本方法能夠更好地剔除影像中的條帶噪聲，并具有較高的計(jì)算效率。本發(fā)明的技術(shù)方案為一種基于分段校正的遙感影像條帶噪聲去除方法，包括以下步驟步驟1，將待處理影像根據(jù)地物分布情況劃分為均勻區(qū)域與復(fù)雜區(qū)域，提取均勻區(qū)域與復(fù)雜區(qū)域的邊界像素點(diǎn)組成邊界數(shù)組A1 ；步驟2，將待處理影像根據(jù)掃描行或列的灰度分布劃分灰度值區(qū)間，提取灰度變換的分界點(diǎn)組成邊界數(shù)組A2 ；步驟3，提取邊界數(shù)組A1與A2的并集，并按順序排列得到新的邊界數(shù)組A ;步驟4，根據(jù)邊界數(shù)組A分段處理?xiàng)l帶噪聲。而且，步驟I包括以下子步驟，步驟1. 1，以條帶噪聲所在行或列的每個(gè)像素點(diǎn)(Xi，yp為中心，設(shè)一個(gè)大小為nXn的窗口 ；計(jì)算窗口內(nèi)所有非條帶噪聲行或列的像素點(diǎn)灰度值的標(biāo)準(zhǔn)差值OV新建一個(gè)跟待處理影像大小相同的標(biāo)準(zhǔn)差數(shù)組B，將得到的標(biāo)準(zhǔn)差值O u置于標(biāo)準(zhǔn)差數(shù)組B中與窗口中心點(diǎn)(Xpyj)相應(yīng)的位置；步驟1. 2，對(duì)于步驟1.1所得標(biāo)準(zhǔn)差數(shù)組B，根據(jù)預(yù)設(shè)的閾值T，劃分小于等于閾值T的為均勻區(qū)域，大于閾值T的為復(fù)雜區(qū)域，提取均勻區(qū)域與復(fù)雜區(qū)域的所有邊界像素點(diǎn)，組成邊界數(shù)組A1。而且，步驟2包括以下子步驟，步驟2. 1，以條帶噪聲所在行的每個(gè)像素點(diǎn)(Xi，y」)為中心，設(shè)一個(gè)大小為I Xm的窗口 ；將條帶噪聲所在行的所有像素點(diǎn)(Xi, &)對(duì)應(yīng)的平均值U 3組成平均值數(shù)組S ;以向上或向下的方向選取離條帶行最近的正常行為參考行，以條帶噪聲相應(yīng)的參考行的每個(gè)像素點(diǎn)(Xi, yj)為中心，設(shè)一個(gè)大小為IXm的窗口，計(jì)算窗口內(nèi)所有像素點(diǎn)灰度值的平均值u P將條帶噪聲相應(yīng)的參考行的所有像素點(diǎn)(Xi, Yj)對(duì)應(yīng)的平均值y r組成平均值數(shù)組R ；步驟2. 2，從第一行條帶行開始，計(jì)算平均值數(shù)組S與相應(yīng)參考行平均值數(shù)組R，計(jì)算差值數(shù)組D，若影像的列數(shù)為L(zhǎng)，則差值數(shù)組D的大小為I X (L+1-m)，提取差值數(shù)組D與x軸的所有交點(diǎn)作為灰度變換的分界點(diǎn)，組成邊界數(shù)組A2,若某交點(diǎn)不為整數(shù),則取該交點(diǎn)最近的整數(shù)作為分界點(diǎn)?；蛘撸襟E2包括以下子步驟，步驟2. 1，以條帶噪聲所在列的每個(gè)像素點(diǎn)(Xi，y」)為中心，設(shè)一個(gè)大小為mXl的窗口 ；將條帶噪聲所在列的所有像素點(diǎn)(Xi, &)對(duì)應(yīng)的平均值U 3組成平均值數(shù)組S ;以向左或向右的方向選取離條帶行最近的正常列為參考列，以條帶噪聲相應(yīng)的參考列的每個(gè)像素點(diǎn)(Xi, yj為中心，設(shè)一個(gè)大小為mX I的窗口，計(jì)算窗口內(nèi)所有像素點(diǎn)灰度值的平均值u P將條帶噪聲相應(yīng)的參考列的所有像素點(diǎn)(Xi, Yj)對(duì)應(yīng)的平均值y r組成平均值數(shù)組R ；步驟2. 2，從第一列條帶列開始，計(jì)算平均值數(shù)組S與相應(yīng)參考列平均值數(shù)組R，計(jì)算差值數(shù)組D，若影像的行數(shù)為L(zhǎng)，則差值數(shù)組D的大小為(L+l-m) X I，提取差值數(shù)組D與y軸的所有交點(diǎn)作為灰度變換的分界點(diǎn)，組成邊界數(shù)組A2,若某交點(diǎn)不為整數(shù),則取該交點(diǎn)最近的整數(shù)作為分界點(diǎn)。而且，步驟4實(shí)現(xiàn)方式為，提取邊界數(shù)組A中的邊界點(diǎn)，將條帶噪聲所在行或列分段，對(duì)每一段分別通過空間域校正進(jìn)行去噪處理。本發(fā)明的特色在于，不同地物類別，所受的條帶噪聲影響有所差別，因此通過將影像區(qū)分為均勻區(qū)域與復(fù)雜區(qū)域進(jìn)行處理；同一景影像中因?yàn)橥饨巛椛涞茸兓囊蛩赜绊懀黄瑨呙鑵^(qū)域也存在灰度變換的問題，因此提取掃描區(qū)域中不同灰度值分段的區(qū)域。針對(duì)條帶噪聲去除過程中的條帶噪聲去除不徹底與過度校正現(xiàn)象引入分段處理機(jī)制，針對(duì)性地處理不同區(qū)域的條帶噪聲，有效地實(shí)現(xiàn)了保留影像信息的同時(shí)高效地剔除條帶噪聲?？傊?，本發(fā)明提出方法可有效地應(yīng)用于光學(xué)遙感影像中條帶噪聲的提出，獲得更好的去噪結(jié)果。


圖1是本發(fā)明的實(shí)施例流程圖。
具體實(shí)施例方式本發(fā)明技術(shù)方案可采用計(jì)算機(jī)軟件技術(shù)實(shí)現(xiàn)自動(dòng)運(yùn)行流程。以下結(jié)合附圖和實(shí)施例詳細(xì)說明本發(fā)明技術(shù)方案?；诮Y(jié)合不同地物類別與地物的灰度值變化兩種情況，提出了對(duì)影像進(jìn)行分段條帶噪聲去除，即本發(fā)明的去噪方法。如圖1所示，本發(fā)明實(shí)施的主要步驟可以分為三個(gè)階 段第一階段求不同地物類別的邊界將待處理影像根據(jù)地物分布情況劃分為均勻區(qū)域與復(fù)雜區(qū)域，提取均勻區(qū)域與復(fù)雜區(qū)域的邊界像素點(diǎn)組成邊界數(shù)組ApI)、以條帶噪聲所在行或列的每個(gè)像素點(diǎn)(X^yj)為中心，設(shè)一個(gè)大小為nXn的窗口，以AQUAM0DIS第30波段影像為例，n的取值可為3，但不同影像中根據(jù)條帶噪聲的類型可選取不同大小的窗口，具體實(shí)施時(shí)可由本領(lǐng)域技術(shù)人員根據(jù)具體情況設(shè)置；計(jì)算窗口內(nèi)所有非條帶噪聲行或列的像素點(diǎn)灰度值的標(biāo)準(zhǔn)差值O u，新建一個(gè)跟待處理影像大小相同的標(biāo)準(zhǔn)差數(shù)組B，將得到的標(biāo)準(zhǔn)差值O ^置于標(biāo)準(zhǔn)差數(shù)組B中與窗口中心點(diǎn)(Xi，yj)相應(yīng)的位置；2)、根據(jù)影像地物分布的具體情況結(jié)合經(jīng)驗(yàn)得到閾值T，大于閾值T的部分視為影像內(nèi)部的復(fù)雜區(qū)域，小于等于閾值T的部分則視為影像的均勻區(qū)域；標(biāo)準(zhǔn)差數(shù)組B使用的閾值T根據(jù)影像地物類別的具體情況結(jié)合經(jīng)驗(yàn)值確定；3)、提取均勻區(qū)域與復(fù)雜區(qū)域的邊界值組成邊界數(shù)組4。第二階段求灰度變換的分界將待處理影像根據(jù)掃描行或列的灰度分布劃分灰度值區(qū)間，提取灰度變換的分界點(diǎn)組成邊界數(shù)組A2。I)、以條帶噪聲所在行或列的每個(gè)像素點(diǎn)(Xpyj)為中心，設(shè)一個(gè)大小為I Xm或mX I的窗口，這里依舊以AQUA MODIS第30波段影像為例，m的取值可為3，m的取值越大則獲取的影像信息則越粗糙但計(jì)算簡(jiǎn)便迅速，m的取值越小提取的信息越細(xì)致但計(jì)算較為繁瑣，具體實(shí)施時(shí)可由本領(lǐng)域技術(shù)人員根據(jù)具體情況設(shè)置。計(jì)算窗口內(nèi)所有像素點(diǎn)灰度值的平均值Us，需要注意的是，這里的窗口大小為IXm或mXl，也就是說只包含了條帶行(列)的m個(gè)像素點(diǎn)，將條帶噪聲所在行或列像素點(diǎn)(Xi，yJ分別對(duì)應(yīng)的平均值Us組成平均值數(shù)組S ;以向上或向下的方向選取離條帶行最近的正常行(列)為參考行(列)，以條帶噪聲相應(yīng)的參考行或列的每個(gè)像素點(diǎn)(Xi, y」)為中心,設(shè)一個(gè)大小為lXm*mXl的窗口，計(jì)算窗口內(nèi)所有像素點(diǎn)灰度值的平均值將條帶噪聲相應(yīng)的參考行或列的所有像素點(diǎn)(Xi，yP對(duì)應(yīng)的平均值U r組成平均值數(shù)組R ；2)、從第一行(列)條帶行(列)開始，計(jì)算平均值數(shù)組S與其參考行(列)平均值數(shù)組R，計(jì)算差值數(shù)組D，若影像的列數(shù)(行數(shù))為L(zhǎng)，則差值數(shù)組D的大小為lX(L+l-m)或(L+l-m) X 1，提取差值數(shù)組D與X軸的所有交點(diǎn)作為灰度變換的分界點(diǎn)，組成邊界數(shù)組A2。此時(shí)D表示條帶行(列)與參考行(列)之間的灰度變化關(guān)聯(lián)情況，D與X軸的交點(diǎn)表示條帶行(列)與參考行(列)的灰度范圍變化轉(zhuǎn)折點(diǎn)，主要變化為部分區(qū)域條帶行(列)相比較參考行偏亮或暗，這樣劃分出了灰度值區(qū)間，反應(yīng)在條帶噪聲上則是不同區(qū)域疊加的條帶噪聲強(qiáng)度不一致。3)、提取差值數(shù)組D與X軸的交點(diǎn)組成邊界數(shù)組^，若交點(diǎn)不為整數(shù)，則取距離交點(diǎn)最近的整數(shù)代替。第三階段對(duì)影像進(jìn)行分段空間域線性處理，即將兩種方法結(jié)合，對(duì)影像的處理區(qū)域進(jìn)一步細(xì)化。I)、提取邊界數(shù)組A1與A2的并集，并按順序排列得到新的邊界數(shù)組A :實(shí)施例結(jié)合以上兩個(gè)階段獲取的邊界值數(shù)組A1與A2,將兩者結(jié)合，去除重復(fù)數(shù)字，按順序排列，組成邊 界值數(shù)組A。本數(shù)組將影像劃分為灰度變化不一樣的均勻區(qū)域與復(fù)雜區(qū)域，即以區(qū)分不同地物類型，以及不同的地物灰度值變化區(qū)域。2)、根據(jù)邊界數(shù)組A分段處理?xiàng)l帶噪聲實(shí)施例將影像按所區(qū)分的空間進(jìn)行空間域校正處理。常用的空間域校正方法有矩匹配與空間域匹配算法等。提取邊界數(shù)組A中的邊界點(diǎn)，將條帶噪聲所在行或列分段，對(duì)每一段采取矩匹配、直方圖匹配等常用空間域校正方法進(jìn)行去噪處理，即可實(shí)現(xiàn)條帶噪聲的剔除。本領(lǐng)域普通技術(shù)人員可以理解，利用本發(fā)明可以進(jìn)行光學(xué)遙感影像中條帶噪聲的剔除，且能更準(zhǔn)確徹底地消除條帶噪聲，還原原始影像的信息。本發(fā)明的去噪方法具有更廣泛的良好通用性，運(yùn)算效率高，穩(wěn)健性強(qiáng)。應(yīng)當(dāng)注意到并理解，在不脫離權(quán)利要求所要求的本發(fā)明的精神和范圍的情況下，能夠?qū)ι鲜鲈敿?xì)描述的本發(fā)明做出各種修改和改進(jìn)。
權(quán)利要求
1.一種基于分段校正的遙感影像條帶噪聲去除方法，其特征在于，包括以下步驟 步驟1，將待處理影像根據(jù)地物分布情況劃分為均勻區(qū)域與復(fù)雜區(qū)域，提取均勻區(qū)域與復(fù)雜區(qū)域的邊界像素點(diǎn)組成邊界數(shù)組A1 ； 步驟2，將待處理影像根據(jù)掃描行或列的灰度分布劃分灰度值區(qū)間，提取灰度變換的分界點(diǎn)組成邊界數(shù)組A2 ； 步驟3，提取邊界數(shù)組A1與A2的并集，并按順序排列得到新的邊界數(shù)組A ； 步驟4，根據(jù)邊界數(shù)組A分段處理?xiàng)l帶噪聲。
2.根據(jù)權(quán)利要求1所述基于分段校正的遙感影像條帶噪聲去除方法，其特征在于步驟1包括以下子步驟， 步驟1. 1，以條帶噪聲所在行或列的每個(gè)像素點(diǎn)(Xi，Yj)為中心，設(shè)一個(gè)大小為nXn的窗口 ；計(jì)算窗口內(nèi)所有非條帶噪聲行或列的像素點(diǎn)灰度值的標(biāo)準(zhǔn)差值σV新建一個(gè)跟待處理影像大小相同的標(biāo)準(zhǔn)差數(shù)組B，將得到的標(biāo)準(zhǔn)差值Oij置于標(biāo)準(zhǔn)差數(shù)組B中與窗口中心點(diǎn)(Xi, Yj)相應(yīng)的位置； 步驟1. 2，對(duì)于步驟1.1所得標(biāo)準(zhǔn)差數(shù)組B，根據(jù)預(yù)設(shè)的閾值Τ，劃分小于等于閾值T的為均勻區(qū)域，大于閾值T的為復(fù)雜區(qū)域，提取均勻區(qū)域與復(fù)雜區(qū)域的所有邊界像素點(diǎn)，組成邊界數(shù)組Ap
3.根據(jù)權(quán)利要求1所述基于分段校正的遙感影像條帶噪聲去除方法，若條帶噪聲按行分布于影像中，則其特征在于步驟2包括以下子步驟， 步驟2.1，以條帶噪聲所在行的每個(gè)像素點(diǎn)(Xi，yp為中心，設(shè)一個(gè)大小為IXm的窗口 ；將條帶噪聲所在行的所有像素點(diǎn)(Xi, Yj)對(duì)應(yīng)的平均值μ s組成平均值數(shù)組S ;以向上或向下的方向選取離條帶行最近的正常行為參考行，以條帶噪聲相應(yīng)的參考行的每個(gè)像素點(diǎn)Ui, h)為中心，設(shè)一個(gè)大小為I Xm的窗口，計(jì)算窗口內(nèi)所有像素點(diǎn)灰度值的平均值μ ρ將條帶噪聲相應(yīng)的參考行的所有像素點(diǎn)(Xi, Yj)對(duì)應(yīng)的平均值μ r組成平均值數(shù)組R ; 步驟2. 2，從第一行條帶行開始，計(jì)算平均值數(shù)組S與相應(yīng)參考行平均值數(shù)組R，計(jì)算差值數(shù)組D，若影像的列數(shù)為L(zhǎng)，則差值數(shù)組D的大小為I X (L+1-m)，提取差值數(shù)組D與x軸的所有交點(diǎn)作為灰度變換的分界點(diǎn)，組成邊界數(shù)組A2,若某交點(diǎn)不為整數(shù),則取該交點(diǎn)最近的整數(shù)作為分界點(diǎn)。
4.根據(jù)權(quán)利要求1所述基于分段校正的遙感影像條帶噪聲去除方法，如果條帶噪聲按列分布在影像中，則其特征在于步驟2包括以下子步驟， 步驟2. 1，以條帶噪聲所在列的每個(gè)像素點(diǎn)(Xi，yP為中心，設(shè)一個(gè)大小為mX I的窗口 ；將條帶噪聲所在列的所有像素點(diǎn)(Xi, Yj)對(duì)應(yīng)的平均值μ s組成平均值數(shù)組S ;以向左或向右的方向選取離條帶行最近的正常列為參考列，以條帶噪聲相應(yīng)的參考列的每個(gè)像素點(diǎn)Ui, h)為中心，設(shè)一個(gè)大小為mX I的窗口，計(jì)算窗口內(nèi)所有像素點(diǎn)灰度值的平均值μρ將條帶噪聲相應(yīng)的參考列的所有像素點(diǎn)(Xi, Yj)對(duì)應(yīng)的平均值μ r組成平均值數(shù)組R ; 步驟2. 2，從第一列條帶列開始，計(jì)算平均值數(shù)組S與相應(yīng)參考列平均值數(shù)組R，計(jì)算差值數(shù)組D，若影像的行數(shù)為L(zhǎng)，則差值數(shù)組D的大小為(L+l-m) X I，提取差值數(shù)組D與y軸的所有交點(diǎn)作為灰度變換的分界點(diǎn)，組成邊界數(shù)組A2,若某交點(diǎn)不為整數(shù),則取該交點(diǎn)最近的整數(shù)作為分界點(diǎn)。
5.根據(jù)權(quán)利要求1或2或3或4所述基于分段校正的遙感影像條帶噪聲去除方法，其特征在于步驟4實(shí)現(xiàn)方式為，提取邊界數(shù)組A中的邊界點(diǎn)，將條帶噪聲所在行或列分段，對(duì)每一段分別通過空間域校正 進(jìn)行去噪處理。
全文摘要
本發(fā)明提供一種基于分段校正的遙感影像條帶噪聲去除方法根據(jù)不同地物的分布現(xiàn)象可以將影像分為均勻區(qū)域與非均勻區(qū)域，根據(jù)探測(cè)元件所掃描區(qū)域灰度值的不同可以將該區(qū)域劃分為不同灰度區(qū)域；通過這兩種方法可以將一幅影像(按行或列掃描成像)按列或行分為不同的區(qū)間，對(duì)這些不同的區(qū)間分段采用矩匹配、直方圖匹配等常用的空間域去噪方法，進(jìn)行條帶噪聲的去除，既考慮到不同地物的類別，又結(jié)合了外界輻射變化等帶來的灰度值影響，得到的結(jié)果同時(shí)顧及了地物類型和光譜特性，更能接近真實(shí)的數(shù)據(jù)，且計(jì)算效率高，更為穩(wěn)健。本發(fā)明能很好地應(yīng)用于遙感影像中條帶噪聲的去除。
文檔編號(hào)G06T5/00GK103020913SQ201210551279
公開日2013年4月3日 申請(qǐng)日期2012年12月18日 優(yōu)先權(quán)日2012年12月18日
發(fā)明者沈煥鋒, 姜灣, 張良培, 袁強(qiáng)強(qiáng) 申請(qǐng)人:武漢大學(xué)