CN101588515B - 线阵遥感ccd相机动态范围自适应实时调节方法 - Google Patents

Abstract

线阵遥感CCD相机动态范围自适应实时调节方法，步骤为：(1)设定图像数据的统计特性值；(2)逐行接收图像数据并去除噪声点；(3)利用衰减因子对下一行图像数据进行预测；(4)计算预测图像数据的各统计特性值；(5)若计算得到的方差小于方差阈值则保持线阵CCD积分时间不变，否则转步骤(6)；(6)若计算得到的均值大于均值上限值，则减小线阵CCD积分时间；若均值小于均值下限值，则增加线阵CCD积分时间；若均值位于均值上、下限值之间则转步骤(7)；(7)若计算得到的灰度最大值与最小值之差小于灰度阈值，则增加线阵CCD的积分时间，否则保持线阵CCD的积分时间不变。本发明方法调节精度高，实时性好，有利于在当前遥感线阵CCD相机上实现。

Description

线阵遥感CCD相机动态范围自适应实时调节方法

技术领域

本发明涉及一种相机动态范围调节方法，特别是一种对卫星用线阵CCD相机的动态范围进行自适应调节的方法。

背景技术

动态范围是遥感器的一项重要性能指标，其设计是否合理直接关系到卫星图像的层次、亮度和对比度，并最终影响成像质量。如果动态范围的设计不合理，会引起图像中出现高端饱和、丢失信息或高端闲置、信息压缩在低端等情况。

通过对遥感卫星图像质量进行跟踪、统计和分析，发现其有以下几个特点：第一，在同一轨卫星图像中，在相同的相机参数设置下，不同区域的卫星图像亮度差别很大。有的图像层次非常丰富、有的图像灰度值普遍较低。在8位量化的数字图像中，整幅图像的灰度值可存在60DN值到80DN值的差异。南北半球的差别、天气的不同，都会使同一轨图像中的各图像层次产生差异；第二，在同一幅图像中，由于观测目标的不同，存在整幅图像灰度值都偏低的情况下部分区域仍会出现饱和的现象。当整幅图像灰度值均值为25DN值时，仍会出现最大值为255DN值的情况，在该种情况下，为了保证所有观测目标均不饱和，图像的层次都会压缩在低端，从而出现图像层次不丰富的情况，最终影响成像质量；第三，对于同一区域，随着季节的变化，图像差别也较大。其中有的图像层次丰富，有的图像出现了信息全部压缩在低端的情况，不同季节，图像的灰度均值差别可达55DN值。

由此可见，要想满足所有成像时刻、所有区域、所有目标的图像都层次丰富，在同一相机参数的情况下不调节相机的动态范围是不可能实现的。而卫星遥感CCD相机对地面的海洋、城市、沙漠、森林等不同目标，应该能够自动设置相机成像时的各种不同的参数，以最大可能地发挥相机的性能，提高相机的成像质量。

目前，有关CCD相机动态范围自动调节的研究大都是针对面阵CCD来进行的，通过整帧图像的信息来实时调节相机的动态范围。线阵CCD是按行来成像，没有帧的概念，并且线阵CCD需要相机的摆动来动态成像，每一个成像时刻只能成一行单独的像元，因此不能根据面阵CCD的调整动态范围的方法来整体的调节动态范围，若采用面阵CCD相机的动态范围调整方法会造成线阵CCD相机动态范围调整后图像存在大量条纹，因此线阵CCD相机必须采用完全不同的方法来进行动态范围调整。

发明内容

本发明的技术解决问题是：克服现有技术的不足，提供了一种调节精度高、实时性好的线阵遥感CCD相机动态范围自适应实时调节方法。

本发明的技术解决方案是：线阵遥感CCD相机动态范围自适应实时调节方法，步骤如下：

(1)设定图像数据的均值上限值、均值下限值、方差阈值和灰度阈值；

(2)从线阵CCD相机逐行接收图像数据，并去除每行图像数据中包含的噪声点；

(3)结合已采集的图像和当前图像的关系，利用衰减因子对去除噪声点的图像进行迭代计算，对下一行的图像内容进行预测；

(4)计算步骤(3)中预测的下一行图像数据的均值、方差、灰度最大值及灰度最小值；

(5)若步骤(4)中计算得到的每行图像数据的方差小于步骤(1)中设定的方差阈值，则保持线阵CCD相机的积分时间不变，否则转步骤(6)；

(6)若步骤(4)中计算得到的每行图像数据的均值大于步骤(1)中设定的均值上限值，则减小线阵CCD相机的积分时间；若步骤(4)中计算得到的每行图像数据的均值小于步骤(1)中设定的均值下限值，则增加线阵CCD相机的积分时间；若步骤(4)中计算得到的每行图像数据的均值位于步骤(1)中设定的均值上限值和均值下限值之间，则转步骤(7)；

(7)若步骤(4)中计算得到的每行图像数据的灰度最大值与灰度最小值之差小于步骤(1)中设定的灰度阈值，则增加线阵CCD相机的积分时间；若步骤(4)中计算得到的每行图像数据的灰度最大值与灰度最小值之差大于步骤(1)中设定的灰度阈值，则保持线阵CCD相机的积分时间不变。

所述步骤(1)中的图像数据均值上限值、均值下限值、方差阈值、灰度阈值均由卫星进行在轨测试获取多组测试数据，然后求取测试数据的平均值得到。

所述步骤(2)中确定每行图像数据中噪声点的方法为：将在行方向上连续3点以上的灰度值相差小于5的像素点确定为有效像素，其余像素点即为噪声点。

所述步骤(3)中结合已采集的图像和当前图像的关系，利用衰减因子对去除噪声点的图像进行迭代计算，对下一行的图像内容进行预测的方法为：采用下式计算

y_n＝α*x_n+(1-α)*y_n-1

其中，α为衰减因子，α为大于0小于1的分数，x_n为当前行的图像数据，y_n-1为上一行迭代之后的图像数据，y_n为预测的下一行图像数据；线阵CCD每成一行新的图像，就用上式进行一次迭代运算。

本发明的原理是：线阵CCD传感器输出的模拟电压与入射光光强、积分时间有关，且随着入射光光强的增加而增大，随着积分时间的减小而减小。当入射光越强或积分时间越长，则对应的光敏单元捕捉到的光量越多。由于天气的原因或是拍摄景物的变化，入射光的强弱随时有可能发生变化，当入射光过强时，连续的光敏单元产生的光电电荷达到饱和，输出的离散电压为满值，此时应适当减小积分时间；当入射光过弱时，则应适当延长积分时间。对于线阵CCD相机在外部输入幅亮度一定的情况下，利用CCD相机内部曝光时间(积分时间)改变输入能量转换成电信号能量的形式，当图像内容中包含大量的低亮度内容时，通过增加曝光时间来提高图像的整体亮度，反之，当图像内容中包含大量的云层时，通过减小曝光时间来降低图像的整体亮度。通过调整曝光时间实现增大图像分层、增强对比度等信息，从而最终提高动态范围，实现提高图像质量。

本发明与现有技术相比的优点在于：

(1)本发明方法根据图像相关性，利用已知图像内容和当前图像的关系，通过当前行与前面n行数据进行迭代处理，预测下一行图像的内容，解决线阵CCD无法根据整幅图像来预测的难题，结合图像的各种统计特性(均值上限值、均值下限值、方差阈值、灰度阈值)来调节线阵CCD积分时间，通过增加或减少线阵CCD曝光时间有效提高图像的动态范围，可以有效地保证动态范围调整的准确性，最大限度的发挥线阵CCD相机的性能，保证观测景物的辐射分辨率，方法简单、有效，调节精度高，实时性好；

(2)本发明方法在图像数据预测之前对图像内容进行去噪处理，可以最大限度的发挥图像的内容，对噪声信息具有很好的抗干扰性；

(3)本发明方法利用卫星在轨测试数据设计图像的各种统计特性，包括均值上限值、均值下限值、方差阈值、灰度阈值，可以充分利用卫星在轨运行的历史信息，使得各统计特性的阈值更接近于实际情况；

(4)本发明方法充分考虑了线阵CCD成像过程中会产生各种噪声，根据图像为均匀图像时相邻像元的DN值差异，将在行方向上连续3点以上的灰度值相差小于5的像素点确定为有效像素，可以对噪声点进行有效去除；

(5)本发明方法采用衰减因子对下一行图像数据进行预测，并通过设置衰减因子的值的改变新的一行图像数据对最后迭代结果的影响，既可以充分利用已经获取的图像数据，又可以提高图像预测的准确性和相关性。

附图说明

图1为本发明线阵遥感CCD相机动态范围自适应实时调节方法的流程图。

具体实施方式

如图1所示，本发明线阵遥感CCD相机动态范围自适应实时调节方法步骤如下：

一、从线阵遥感CCD相机逐行接收图像数据，并去除每行图像数据中包含的噪声点。

CCD成像过程中会产生各种噪声，主要包括固定图形噪声、随机噪声、散粒噪声、读出噪声等，通常系统的信噪比为48dB左右，系统的噪声(包括随机噪声、散粒噪声、读出噪声等)大概为1个DN值(8位量化)，CCD的固定图形噪声一般小于3％，根据固定图形噪声计算公式：

$\mathrm{PRNU}=\frac{{\mathrm{Pixel}}_{\max }-{\mathrm{Pixel}}_{\min }}{{\mathrm{Pixel}}_{\mathrm{avg}}}\×100\%$

其中PRNU为固定图形噪声，Pixel_max为像元最大值、Pixel_min为最小值、Pixel_avg为平均值，当图像为均匀图像时，相邻像元的最大差异在3％左右，如果量化位数为8bit则图像的最大差异为7个DN值，因为图像是均匀图像，所以图像差异不会达到7个DN值，通常情况下最大相差3-4个DN值。如果考虑到随机噪声的影响，相邻像元的差异在5个DN值左右。根据图像的相关性可知，相邻的两点通常是连续的，并且由于左右相邻像元的相关性最强，因此本发明方法中将在行方向上连续3点以上的灰度值相差小于5的像素点确定为有效像素，其余像素点即为噪声点。

二、设定图像数据的均值上限值、均值下限值、方差阈值和灰度阈值。

由于相机的应用用途不同，因此需要根据各个相机的具体设计指标进行相应的均值上限值、均值下限值、方差阈值和灰度阈值设定。根据相机具体观测目标(海水、环境、气象等)计算地面物体反射率范围，地面物体经过大气传输反射到相机入瞳处，经过相机镜头、CCD器件最终采集的图像数据，计算得到相机的有效景物上限值、下限值、方差阈值、灰度阈值等。

数据均值上限值、均值下限值可以根据下面的公式计算得到：

$S_{t\arg \mathrm{et}}=\frac{p^2\mathrm{\π}(1-\mathrm{\ϵ})t_{\mathrm{int}}}{4f^2\mathrm{hc}}{\∫}_{{\mathrm{\λ}}_{\min }}^{{\mathrm{\λ}}_{\max }}\mathrm{\η}\left(\mathrm{\λ}\right)L_{t\arg \mathrm{et}}\left(\mathrm{\λ}\right)\×{\mathrm{\τ}}_{\mathrm{optics}}\left(\mathrm{\λ}\right)\mathrm{\λd\λ}$

其中η为量子效率，τ_optics为光学系统的透过率，ε为光学口径遮挡比，f为光学系统F数，λ为波长，λ_min，λ_max为光谱通带的上下限，t_int为成像时间，p为像元大小，L_target为相机入瞳处的目标辐亮度，S_target表示最终的能量，即均值。

图像调制传递函数(MTF)的计算公式为： $\mathrm{MTF}=\frac{\mathrm{Max}-\mathrm{Min}}{\mathrm{Max}+\mathrm{Min}}$

其中Max为图像最大值，Min为图像最小值，根据MTF计算公式可知，由于系统的MTF在设计阶段是已知的，MTF是反映图像对比度的重要指标，因此根据系统MTF可以求出方差的阈值。比如MTF等于0.5，那么相邻两个像元的最大差值为3倍关系，两点的方差为

倍均值(两点)。依此类推，可以求出相应的方差阈值。

灰度的阈值反映的是灰度范围，根据不同相机的功能不同，比如气象相机关注的云层的变化，那么根据上边计算S_target方法结合云层的最低幅亮度和最高幅亮度可以计算出灰度阈值。

实际应用过程中，图像数据均值上限值、均值下限值、方差阈值、灰度阈值均由卫星进行在轨测试获取多组测试数据，然后求取测试数据的平均值得到，并根据仿真计算结果进行修正处理。

三、计算不考虑噪声点后每行图像数据的均值、方差、灰度最大值及灰度最小值。

计算公式如下：

均值： $\stackrel{\‾}{x}=\frac{1}{n}\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{x}_i,$ 式中n为像元个数，x表示像元数值。

图像的均值是对场景平均能量的度量，同一场景图像的均值与图像总体能量成正比，因此均值可以作为动态范围控制的控制量之一。本发明中，均值主要用作图像亮度是否过亮或过暗的判断。

式中x为图像均值，Th表示图像正常亮度均值的上限值，TI表示图像正常亮度均值的下限值。

方差： $\mathrm{var}=\frac{1}{n}\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{(x_i-\stackrel{\‾}{x})}^2,$ 式中n为像元个数，x表示像元数值，x表示图像均值。

方差用来表征和均值的偏离程度，当图像中包含的信息越丰富，图像的方差就越大，但图像中如果只有背景信息的话，方差就会很小。本发明中，方差主要用作背景的判断。

灰度最大值：v_max＝max(p_i)i＝1，2…n，式中p_i表示像素的灰度值，v_max表示一行图像中像素灰度的最大值，最大值可以用来检测图像中是否有饱和点，也是计算动态范围调整的依据。

灰度最小值：v_min＝min(p_i)i＝1，2…n，式中p_i表示像素的灰度值，v_min表示一行图像中像素灰度的最小值。v_min可以和上文中提到的灰度最大值v_max一起作为衡量图像动态范围大小的依据。

为了有效表示遥感图像的实际变化趋势，并且尽量少的增加计算复杂度及相机硬件资源，考虑行间图像的相关性及预测以后图像的准确性，采用衰减因子的方式进行迭代计算，充分考虑已采集的图像和当前图像的关系，这样既保证了当前图像的贡献对预测的贡献，也保证了已采集的图像对预测的影响，考虑上述各参数在计算过程中的贡献，采用下式进行迭代：

y_n＝α*x_n+(1-α)*y_n-1

式中，α为衰减因子，α为大于0小于1的小数，α越大表示新的一行图像对最后迭代结果的影响越大；x_n表示新的一行图像数据中需要迭代的数据；y_n-1为上一行迭代之后的图像数据，y_n为预测的下一行图像数据。线阵CCD每成一行新的图像，就用上式进行一次迭代运算。

四、将图像数据的计算结果和预先设定的阈值进行比较，通过比较结果判断以下四种情况：是否是背景、景物是否过暗、景物是否过亮、景物动态范围是否过窄。

各种情况下的判断依据如下：1)背景的判断依据：依据方差来判断，一般来说，背景区域的方差比较小，在不同的条件下，设定不同的阈值，来对背景进行判断；2)景物过亮的判断依据：均值大于均值上限Th时，认为景物过亮；3)景物过暗的判断依据：均值小于均值下限TI时，认为景物过暗；4)景物动态范围过窄的判断依据：图像灰度最大值与最小值之差如果小于一定的阈值，则认为是动态范围过窄。

五、根据比较结果对线阵CCD进行调节。

在做出上述判断后的对应调节策略如下：1)如果判断是背景，则保持线阵CCD的积分时间不变；2)如果判断图像的均值超过Th，说明图像过亮，则减小线阵CCD的积分时间；3)如果判断图像的均值小于TI，则说明图像曝光不足，则增加的大小用灰度拉伸公式 $\mathrm{gain}=\frac{\mathrm{TH}-\mathrm{TI}}{\stackrel{\‾}{X}}*G$ 来确定，G为当前系统增益，为TH为均值上限，TI为均值下限，X为当前均值；4)如果图像不是以上三种情况的话，再判断图像的动态范围是否过于集中，如果计算得到的每行图像数据的灰度最大值与灰度最小值之差小于设定的灰度阈值，则说明图像过于集中，则增加线阵CCD的积分时间，再用灰度拉伸公式 $\mathrm{gain}=\frac{\mathrm{TH}-\mathrm{TI}}{\mathrm{MAX}-\mathrm{MIN}}*G$ 进行计算，其中G为当前积分时间，TH为均值上限，TI为均值下限，MAX为当前最大均值，MIN为当前最小均值。否则保持线阵CCD的积分时间不变。

本发明说明书中未作详细描述的内容属本领域技术人员的公知技术。

Claims (4)

1.线阵遥感CCD相机动态范围自适应实时调节方法，其特征在于步骤如下：

(1)设定图像数据的均值上限值、均值下限值、方差阈值和灰度阈值；

(2)从线阵CCD相机逐行接收图像数据，并去除每行图像数据中包含的噪声点；

(3)结合已采集的图像和当前图像的关系，利用衰减因子对去除噪声点的图像进行迭代计算，对下一行的图像内容进行预测；

(4)计算步骤(3)中预测的下一行图像数据的均值、方差、灰度最大值及灰度最小值；

(5)若步骤(4)中计算得到的所述图像数据的方差小于步骤(1)中设定的方差阈值，则保持线阵CCD相机的积分时间不变，否则转步骤(6)；

(6)若步骤(4)中计算得到的所述图像数据的均值大于步骤(1)中设定的均值上限值，则减小线阵CCD相机的积分时间；若步骤(4)中计算得到的所述图像数据的均值小于步骤(1)中设定的均值下限值，则增加线阵CCD相机的积分时间；若步骤(4)中计算得到的所述图像数据的均值位于步骤(1)中设定的均值上限值和均值下限值之间，则转步骤(7)；

(7)若步骤(4)中计算得到的所述图像数据的灰度最大值与灰度最小值之差小于步骤(1)中设定的灰度阈值，则增加线阵CCD相机的积分时间；若步骤(4)中计算得到的所述图像数据的灰度最大值与灰度最小值之差大于步骤(1)中设定的灰度阈值，则保持线阵CCD相机的积分时间不变。

2.根据权利要求1所述的线阵遥感CCD相机动态范围自适应实时调节方法，其特征在于：所述步骤(1)中的图像数据均值上限值、均值下限值、方差阈值、灰度阈值均由卫星进行在轨测试获取多组测试数据，然后求取测试数据的平均值得到。

3.根据权利要求1或2所述的线阵遥感CCD相机动态范围自适应实时调节方法，其特征在于：所述步骤(2)中确定每行图像数据中噪声点的方法为：将在行方向上连续3点以上的灰度值相差小于5的像素点确定为有效像素，其余像素点即为噪声点。

4.根据权利要求1或2所述的线阵遥感CCD相机动态范围自适应实时调节方法，其特征在于：所述步骤(3)中结合已采集的图像和当前图像的关系，利用衰减因子对去除噪声点的图像进行迭代计算，对下一行的图像内容进行预测的方法为：采用下式计算

y_n＝α^*x_n+(1-α)^*y_n-1

其中，α为衰减因子，α为大于0小于1的分数，x_n为当前行的图像数据，y_n-1为上一行迭代之后的图像数据，y_n为预测的下一行图像数据；线阵CCD每成一行新的图像，就用上式进行一次迭代运算。

Images