CN102750683B - Modis遥感影像中海面条带噪声和条状云的过滤方法 - Google Patents
Modis遥感影像中海面条带噪声和条状云的过滤方法 Download PDFInfo
- Publication number
- CN102750683B CN102750683B CN201210200149.5A CN201210200149A CN102750683B CN 102750683 B CN102750683 B CN 102750683B CN 201210200149 A CN201210200149 A CN 201210200149A CN 102750683 B CN102750683 B CN 102750683B
- Authority
- CN
- China
- Prior art keywords
- image
- modis
- cloud
- sea surface
- pixel
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Landscapes
- Image Processing (AREA)
Abstract
本发明公开一种MODIS遥感影像中海面条带噪声和条状云的过滤方法,由HDF文件中读取同一地区、同一时段的一幅MODIS遥感影像的原始图像;对原始图像进行直方图均衡化处理;将直方图均衡化处理后的图像分割为300300像素的各个子图;求出各个子图的灰度平均值;选取阈值,小于阈值的像素为条状云或条带噪声的像素,大于阈值的像素则为海平面或海洋内波的像素;能够在短时间内对某一地区某一时段的MODIS影像中海平面的条状云和条带状噪音进行有效的滤除,同时有效保留MODIS影像中海洋内波的基本信息,方法简单,处理效率高。
Description
技术领域
本发明涉及MODIS遥感影像处理领域中一种图像预处理的方法,尤其是海面条带噪声和条状云的过滤方法。
背景技术
MODIS(Moderate Resolution Imaging Spectroradiometer,中分辨率成像光谱辐射计)是搭载在terra和aqua卫星上的一种光学遥感仪器,是卫星上唯一将实时观测数据通过x波段向全世界直接广播,并可以免费接收数据并无偿使用的星载仪器,全球许多国家和地区都在接收和使用MODIS数据,由美国国家航空航天局提供免费数据,我国已经建立了多个MODIS遥感影像地面接收站。MODIS具有成像范围大,噪声低的优点,非常适合海洋内波的大范围研究,因为太阳光照条件对MODIS有很大的限制,云的干扰对内波的观测和识别也有很大的干扰。
海洋内波的最大振幅是发生在海洋内部的,与表面波相比,内波具有更大的能量和破坏力,从而会对水下航行的潜艇和海上石油平台的安全造成严重的威胁。因此,预报海洋内波,降低海洋内波带来的损失,早发现早预防,对于航海、海上科研和海上生产,特别是深海石油平台的安全是具有现实意义的。使用遥感卫星对海洋内波进行观测是当前海洋内波研究的主要方法之一。
MODIS各级数据产品均是以HDF文件格式存储、处理和发布的。HDF文件格式是一种高效存储和分发科学数据的新型的数据格式,是美国国家高级计算应用中心(National Center for Supercomputing Application)研制的,主要是为了满足各领域的研究需求。HDF文件能够由一些通用软件,如ENVI、MATLAB等直接读取。ENVI将所有数据直接读取出来后,不容易实现在软件基础上的再次开发,而MATLAB可以直接读取HDF文件中的原始数据,然后在读取的数据的基础上进行编程、开发,实现内波检测和信息提取等工作,且程序实现相对容易,程序运行效率较高。
HDF文件中的原始数据灰度值偏低,视觉效果较差,很难直接进行图像分析,从而对于海洋内波的检测很困难,所以必须首先对获取的数据进行增强处理,使其更适合于海洋内波的检测算法。
在MODIS遥感影像中海洋内波表现为一种明暗相间的条纹,由此出发,可以采用纹理分析的方法对海洋内波的特征进行提取,实现内波的自动检测。
在MODIS遥感影像中,有两类因素会对内波条纹的纹理分析带来很大的影响:一是MODIS遥感影像中呈条带状分布的噪声,这种条带噪声是由卫星传感器的光、电器件在反复扫描地物的成像过程中,由扫描探测元正反扫描响应差异、传感器的机械运动和温度变化等造成的;另一类就是海平面上空的云,特别是较细的条状的云。这两类因素也具有很强的纹理特征,从而会对内波的识别造成很大的影响。
所以在提取海洋内波的纹理特征之前,为了减少这些噪声的干扰,首先就要对这些噪声进行滤除,尽量减少它们造成的干扰,目前都是采用在同一地区、不同时段的多幅遥感图像进行常规的噪声去云处理,处理效率低且处理的效果较差。
发明内容
本发明提供一种MODIS遥感影像中海面条带噪声和条状云的过滤方法,能够在短时间内快速有效过滤掉影像MODIS海面内波检测的条带状噪音和条状云,同时有效保留MODIS影像中海洋内波的基本信息,为海洋内波的自动检测提供了很好的基础。
本发明采用的技术方案是包括以下步骤:(1)由HDF文件中读取同一地区、同一时段的一幅MODIS遥感影像的原始图像;(2)对原始图像进行直方图均衡化处理;(3)将直方图均衡化处理后的图像分割为300 300像素的各个子图;(4)求出各个子图的灰度平均值;(5)选取阈值,小于阈值的像素为条状云或条带噪声的像素,大于阈值的像素则为海平面或海洋内波的像素。
进一步地,本发明在小于阈值的被检测的像素点周围选取10×10的区域随机进行探测,若探测到的像素点的灰度值大于阈值,则由探测点的灰度值代替被检测像素点灰度值;探测次数的上限1000次,若探测次数达到上限,则由值代替被检测像素点灰度值。
本发明的优点和效果是:与现有技术中采用多幅同一地区、不同时段的遥感图像进行去云处理不同,本发明采用同一地区、同一时段的一幅MODIS遥感影像进行影响内波检测的条状云和条带噪音的过滤。由于光照条件的不同,同一幅图像上的不同的区域,区分海平面背景和云的阈值也不相同。基于此,采用了将整幅大图分割为多幅300300的子图,在子图内光照条件基本相同,采用固定阈值的方法区分海平面背景和云,对MODIS遥感影像进行特殊的处理,能够在短时间内对某一地区某一时段的MODIS影像中海平面的条状云和条带状噪音进行有效的滤除,方法简单,运算效率高,对海平面的条状云和条带噪音的滤除效果好。
下面结合附图和具体实施方式对本发明作进一步的详细说明。
附图说明
图1是对原始图像进行直方图均衡化后的MODIS影像图;
图2是图1中局部海洋内波与条带噪声图;
图3是图1中局部海面上的条状云图;
图4为本发明过滤方法的流程图;
图5为采用本发明方法的处理结果图。
具体实施方式
参见图4,本发明的具体实施步骤如下:
一、由HDF文件中读取MODIS遥感影像的原始图像
MODIS各级数据均是以HDF文件格式存储、处理和发布的。HDF文件格式是一种高效存储和分发科学数据的新型的数据格式,是美国国家高级计算应用中心(National Center for Supercomputing Application)研制的,主要是为了满足各领域的研究需求。HDF文件能够由一些通用软件如ENVI、MATLAB等直接读取。由HDF文件中读取MODIS遥感影像的原始图像时,选择250m分辨率的原始数据。ENVI将所有数据直接读取出来后,不容易实现在软件基础上的再次开发,而MATLAB可以直接读取HDF文件中的原始数据,然后在读取的数据的基础上进行编程、开发,实现内波检测和信息提取等工作,且程序实现相对容易,程序运行效率较高。
二、对原始图像进行直方图均衡化
HDF文件中的原始数据灰度值偏低,视觉效果较差,很难直接进行图像分析,从而对于内波的检测很困难,所以必须首先对获取的数据进行增强处理,使其更适合于内波的检测。本发明采用直方图均衡化的方法,可以有效地改善图像的质量。
a、直方图的基本原理
灰度级为[0,L-1]范围的数字图像的直方图:,这是一个离散函数,其中表示第k级灰度,表示图像中灰度级为的像素个数。归一化的直方图是:,,其中n表示图像中像素的总数,L为图像中可能的灰度级总数,表示灰度级为的像素出现的概率估计值,。
直方图增强就是一种仅仅依靠给定图像的直方图信息,通过变换函数来增强图像的方法。
b、直方图均衡化
对于数字图像,灰度级出现的概率为:,,其中,n为图像中像素的总数;是图像中灰度级为的像素个数;L为图像中可能的灰度级总数。变换函数,,其中是变换后的灰度级。变换函数须满足两个条件:(1)当被归一化到时,在区间上单调递增;(2)当时,。条件(1)保证了输出图像仍然是从黑到白的顺序;条件(2)保证输出灰度级与输入灰度级有同样的范围。直方图的均衡化的变换函数可表示为:,,使得直方图均衡化后的图像灰度级能够跨越更大的范围,直方图均衡化后图像灰度级为64。
直方图均衡化后,MODIS遥感影像可以由肉眼清楚地进行识别。如果含有内波,则其中的内波影像比较清楚,这就具备了对MODIS遥感影像中是否含有内波进行自动检测的基础。
对由MATLAB直接读取HDF文件获得的MODIS影像进行直方图均衡化后,结果如图1所示,图像灰度级为64。获取的图1中局部海洋内波与条带噪声如图2所示,获取的图1中局部海面上的条状云如图3所示。
三、将经直方图均衡化后的图像分割为300300像素的各个子图
由于光照的不同,在MODIS影像的不同区域,将云、条带噪声和海平面背景有效区分的阈值也不同,因此本发明采用固定阈值,固定阈值不能将整个的待检查区域中的条状云与海面背景以及内波有效地区分开来。
本发明首先将待检查区域的图像分割成多个较小的子图像;然后在子图像内,光照情况基本相同,采用固定的阈值将海平面背景与条状云及条带状噪声进行分割。而针对不同的子图像,采用自适应的方法调整阈值;最后将条带状噪声和条状云的像素灰度值由海平面背景的灰度值代替,这样将条带状噪声和条状云部分与海平面背景融为一体,以消除它们对内波检测所造成的干扰。
将大图分割成大小不同的子图的多次实验中发现:在250m分辨率的MODIS遥感影像中,如果子图分割过大,当然内波信息很完整,但算法执行的时间将会很长,而且在较大的子图中,由于光照等条件的不同,对子图进行条状云与条带噪声过滤的阈值就非常难以确定,不利于条带噪声和条状云的滤除;如果子图分割过小,则子图中含有的内波信息不完整,而如果将大图分割为300300像素的子图,则对于阈值的选择较为有利,而且该子图的大小对于进一步的提取内波的纹理特征也非常有利。此时阈值可以由子图像素灰度的平均值来确定。
四、依次对每个子图进行如下操作
采用图像处理技术中常规的方法可求出各个子图的灰度平均值a。
对2000多幅300300像素的子图的多次实验,找到将MODIS内波影像中背景与云区分开的阈值。
选取阈值,小于阈值的像素为云或者条带状噪声的像素,大于阈值的像素则为海平面或者海洋内波的像素。
在小于阈值的被检测的像素点周围,选取10×10的区域随机地进行探测,如果探测到的像素点的灰度值大于阈值,则由探测点的灰度值代替被检测像素点灰度值。
为避免在大块云的附近(大于10×10)随机探测的时间过长,给定探测次数的上限,如果达到上限,则直接由背景值取代该被检测点像素的值。
本发明提出的MODIS遥感影像中海面条带噪声和条状云的过滤方法,是针对同一地区、同一时段获取的一幅MODIS遥感影像进行条状云和条带噪音去除处理的方法。采用将原始数据进行直方图均衡化后,将整幅大图的海平面的区域分割为多幅300×300的子图,然后在每一幅子图内,基于图的灰度的平均值给出分割海面背景和条状云和条带噪音的阈值。在此基础上,将影响MODIS内波检测的条状云和条带状噪音进行有效的滤除,同时保留内波的条纹信息。
图5是采用本发明方法的处理结果图,其中:图5a、5b、5c为原始图像直方图均衡化后获得的三幅300300的子图,图5A、5B、5C分别是图5a、5b、5c经过滤处理之后的结果图。
Claims (4)
1.一种MODIS遥感影像中海面条带噪声和条状云的过滤方法,其特征在于包括以下步骤:
(1)由HDF文件中读取同一地区、同一时段的一幅MODIS遥感影像的原始图像;
(2)对原始图像进行直方图均衡化处理;
(3)将直方图均衡化处理后的图像分割为300 300像素的各个子图;
(4)求出各个子图的灰度平均值;
(5)选取阈值,小于阈值的像素为条状云或条带噪声的像素,大于阈值的像素则为海平面或海洋内波的像素;在小于阈值的被检测的像素点周围选取10×10像素的区域随机进行探测,若探测到的像素点的灰度值大于阈值,则由探测点的灰度值代替被检测像素点灰度值;探测次数的上限1000次,若探测次数达到上限,则由值代替被检测像素点灰度值。
2.根据权利要求1所述的过滤方法,其特征在于:步骤(1)中,原始图像的分辨率是250m。
3.根据权利要求1所述的过滤方法,其特征在于:步骤(2)中,直方图均衡化后的图像灰度级为64。
4.根据权利要求1所述的过滤方法,其特征在于:步骤(3)中,子图的个数大于2000。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210200149.5A CN102750683B (zh) | 2012-06-18 | 2012-06-18 | Modis遥感影像中海面条带噪声和条状云的过滤方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210200149.5A CN102750683B (zh) | 2012-06-18 | 2012-06-18 | Modis遥感影像中海面条带噪声和条状云的过滤方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102750683A CN102750683A (zh) | 2012-10-24 |
CN102750683B true CN102750683B (zh) | 2014-10-29 |
Family
ID=47030833
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210200149.5A Expired - Fee Related CN102750683B (zh) | 2012-06-18 | 2012-06-18 | Modis遥感影像中海面条带噪声和条状云的过滤方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102750683B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015135208A1 (zh) * | 2014-03-14 | 2015-09-17 | 深圳迈瑞生物医疗电子股份有限公司 | 对图像进行噪声抑制的方法及装置 |
CN104820972B (zh) * | 2015-05-07 | 2017-06-16 | 北京空间机电研究所 | 一种基于在轨分类统计的红外影像me噪声去除方法 |
CN105574825B (zh) * | 2015-12-16 | 2018-08-10 | 中国科学院遥感与数字地球研究所 | 一种多光谱遥感图像去云和去条带的方法和装置 |
CN106651792B (zh) * | 2016-11-28 | 2020-04-07 | 苏州中科天启遥感科技有限公司 | 一种卫星影像条带噪声去除方法及装置 |
CN108648521A (zh) * | 2018-04-20 | 2018-10-12 | 湖南城市学院 | 一种应用语言学便携式语言学习工具 |
CN108830889B (zh) * | 2018-05-24 | 2022-05-31 | 中国科学院遥感与数字地球研究所 | 基于全局几何约束的遥感影像与基准影像的匹配方法 |
CN111583132B (zh) * | 2020-04-20 | 2023-05-02 | 国家卫星气象中心(国家空间天气监测预警中心) | 一种去除遥感影像异常条带式噪声的方法、装置、设备及介质 |
CN113920026A (zh) * | 2021-09-30 | 2022-01-11 | 应急管理部国家自然灾害防治研究院 | 一种去除区域滑坡形变检测结果噪声的方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5962332A (en) * | 1994-03-17 | 1999-10-05 | University Of Massachusetts | Detection of trinucleotide repeats by in situ hybridization |
CN101424741B (zh) * | 2008-12-08 | 2010-12-22 | 中国海洋大学 | 卫星遥感海雾特征量的实时提取方法 |
JP2012058978A (ja) * | 2010-09-08 | 2012-03-22 | Canon Inc | 画像処理装置、画像処理方法及びプログラム |
CN102032903B (zh) * | 2010-12-01 | 2012-11-21 | 南京大学 | 基于Landsat数据源的珊瑚岛礁遥感信息自动提取方法 |
CN102279971B (zh) * | 2011-04-06 | 2013-01-30 | 中国人民解放军理工大学气象学院 | 基于变分方法的中分辨率成像光谱仪条带噪声去除方法 |
-
2012
- 2012-06-18 CN CN201210200149.5A patent/CN102750683B/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
CN102750683A (zh) | 2012-10-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102750683B (zh) | Modis遥感影像中海面条带噪声和条状云的过滤方法 | |
CN105956557B (zh) | 一种面向对象的时序遥感影像云覆盖区域自动检测方法 | |
CN109191432B (zh) | 基于域变换滤波多尺度分解的遥感图像云检测方法 | |
CN108121991B (zh) | 一种基于边缘候选区域提取的深度学习舰船目标检测方法 | |
CN102855622B (zh) | 一种基于显著性分析的红外遥感图像海面船只检测方法 | |
CN111797712B (zh) | 基于多尺度特征融合网络的遥感影像云与云阴影检测方法 | |
CN104616303B (zh) | 一种基于紫外图像的水面溢油检测系统和方法 | |
Awrangjeb et al. | Improved building detection using texture information | |
CN103761731A (zh) | 一种基于非下采样轮廓波变换的红外空中小目标检测方法 | |
CN110866926B (zh) | 一种红外遥感图像快速精细海陆分割方法 | |
CN105488787A (zh) | 基于几何活动轮廓模型的遥感图像海岸线检测方法 | |
Wang et al. | Extracting oil slick features from VIIRS nighttime imagery using a Gaussian filter and morphological constraints | |
CN111597930A (zh) | 一种基于遥感云平台的海岸线提取方法 | |
CN109858394A (zh) | 一种基于显著性检测的遥感图像水体区域提取方法 | |
Ding et al. | Coastline detection in SAR images using multiscale normalized cut segmentation | |
CN110728212B (zh) | 一种基于计算机视觉的道路井盖监控装置及监控方法 | |
CN108230365A (zh) | 基于多源差异图像内容融合的sar图像变化检测方法 | |
CN107527331A (zh) | 基于双冒泡法的极地冰山遥感识别方法 | |
CN103810487A (zh) | 一种海洋航拍图像的目标检测与识别方法及系统 | |
Putra et al. | Visibility restoration of lake crater hazy image based on dark channel prior | |
CN112330562A (zh) | 一种异构遥感图像变换方法及系统 | |
CN115830502A (zh) | 一种基于背景抑制与特征融合的红外小目标检测方法 | |
Kim et al. | Oil spill detection from RADARSAT-2 SAR image using non-local means filter | |
CN104820818A (zh) | 一种移动物体的快速识别方法 | |
Jia et al. | A two-step approach to see-through bad weather for surveillance video quality enhancement |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20141029 Termination date: 20210618 |
|
CF01 | Termination of patent right due to non-payment of annual fee |