CN103020913A - 基于分段校正的遥感影像条带噪声去除方法 - Google Patents

Abstract

本发明提供一种基于分段校正的遥感影像条带噪声去除方法：根据不同地物的分布现象可以将影像分为均匀区域与非均匀区域，根据探测元件所扫描区域灰度值的不同可以将该区域划分为不同灰度区域；通过这两种方法可以将一幅影像（按行或列扫描成像）按列或行分为不同的区间，对这些不同的区间分段采用矩匹配、直方图匹配等常用的空间域去噪方法，进行条带噪声的去除，既考虑到不同地物的类别，又结合了外界辐射变化等带来的灰度值影响，得到的结果同时顾及了地物类型和光谱特性，更能接近真实的数据，且计算效率高，更为稳健。本发明能很好地应用于遥感影像中条带噪声的去除。

Description

基于分段校正的遥感影像条带噪声去除方法

技术领域

本发明涉及光学遥感影像处理技术领域，尤其涉及一种对遥感平台传感器获取的光学影像进行条带噪声的去除相关方法。

背景技术

光学遥感影像在获取时受CCD探测器辐射特性和随机因素影响，使得光学遥感卫星影像存在许多问题，如运动模糊、灰度降质、条带噪声等现象，其中影响最为显著的是条带噪声。条带噪声(striping noise)形成原因多是由于温度的变化和探测器材料的不同，导致各个探测器的传递函数不同，造成探测器对电磁辐射的响应及电子装置性能的差异，使相邻的扫描线在亮度方面产生不协调。

在任何使用多个探测器进行数据获取的传感器数据中条带噪声是不可避免的，并在一些光谱响应非常均匀的地区特别明显，如水体、雪、沙漠。这不仅严重地影响波谱特征增强以及空间特征增强和提取的效果，对于进行大气校正进而定量繁衍水体光学特性来说也是非常不利的。

目前，国内外针对遥感影像中条带噪声的处理方法主要包括：频率域滤波法、基于变分模型的噪声去除方法与空间域匹配法等。频率域滤波法主要利用傅立叶变换、小波变换等框架将影像转换到频率域，并通过设计某种滤波器对噪声进行处理，此类方法往往对条带噪声的去除不彻底，同时会导致影像模糊。基于变分模型的噪声去除方法，通过引入正则化技术对影像进行整体求解，条带噪声的去除效果较好，但由于其计算复杂并不适合广泛地应用于大数据量遥感影像的处理。空间域匹配方法是当前应用最为广泛的条带噪声去除方法，一般通过选取参考行（列）对条带行（列）进行匹配与修正处理，常用的方法是矩匹配法与直方图匹配法。虽然空间域匹配方法去除条带噪声的速率高，但效果不甚理想，因此需要进一步的研究。

影像中通常都存在不同类型的地物，且随着时间变化影像内部也存在灰度变换不均的现象。若直接对影像应用空间域校正方法进行条带噪声的剔除，则因为上述原因在处理后的影像上会出现条带噪声剔除不彻底与条带噪声校正过度这两种现象。目前，随着各种光学遥感影像获取途径的增加，如何在剔除条带噪声恢复原始影像信息的同时保持高效的运行速率，是去噪过程必须考虑到的问题，因此需要研究新的条带噪声去除方法。

发明内容

本发明要解决的技术问题，针对现有技术的不足之处，提供一种基于分段校正的遥感影像条带噪声去除方法，结合影像的地物分布情况，与地物灰度值变化情况进行条带噪声的去除，本方法能够更好地剔除影像中的条带噪声，并具有较高的计算效率。

本发明的技术方案为一种基于分段校正的遥感影像条带噪声去除方法，包括以下步骤：

步骤1，将待处理影像根据地物分布情况划分为均匀区域与复杂区域，提取均匀区域与复杂区域的边界像素点组成边界数组A₁；

步骤2，将待处理影像根据扫描行或列的灰度分布划分灰度值区间，提取灰度变换的分界点组成边界数组A₂；

步骤3，提取边界数组A₁与A₂的并集，并按顺序排列得到新的边界数组A；

步骤4，根据边界数组A分段处理条带噪声。

而且，步骤1包括以下子步骤，

步骤1.1，以条带噪声所在行或列的每个像素点(x_i,y_j)为中心，设一个大小为n×n的窗口；计算窗口内所有非条带噪声行或列的像素点灰度值的标准差值σ_ij，新建一个跟待处理影像大小相同的标准差数组B，将得到的标准差值σ_ij置于标准差数组B中与窗口中心点(x_i,y_j)相应的位置；

步骤1.2，对于步骤1.1所得标准差数组B，根据预设的阈值T，划分小于等于阈值T的为均匀区域，大于阈值T的为复杂区域，提取均匀区域与复杂区域的所有边界像素点，组成边界数组A₁。

而且，步骤2包括以下子步骤，

步骤2.1，以条带噪声所在行的每个像素点(x_i,y_j)为中心，设一个大小为1×m的窗口；将条带噪声所在行的所有像素点(x_i,y_j)对应的平均值μ_s组成平均值数组S；以向上或向下的方向选取离条带行最近的正常行为参考行，以条带噪声相应的参考行的每个像素点(x_i,y_j)为中心，设一个大小为1×m的窗口，计算窗口内所有像素点灰度值的平均值μ_r，将条带噪声相应的参考行的所有像素点(x_i,y_j)对应的平均值μ_r组成平均值数组R；

步骤2.2，从第一行条带行开始，计算平均值数组S与相应参考行平均值数组R，计算差值数组D，若影像的列数为L，则差值数组D的大小为1×(L+1-m)，提取差值数组D与x轴的所有交点作为灰度变换的分界点，组成边界数组A₂，若某交点不为整数，则取该交点最近的整数作为分界点。

或者，步骤2包括以下子步骤，

步骤2.1，以条带噪声所在列的每个像素点(x_i,y_j)为中心，设一个大小为m×1的窗口；将条带噪声所在列的所有像素点(x_i,y_j)对应的平均值μ_s组成平均值数组S；以向左或向右的方向选取离条带行最近的正常列为参考列，以条带噪声相应的参考列的每个像素点(x_i,y_j)为中心，设一个大小为m×1的窗口，计算窗口内所有像素点灰度值的平均值μ_r，将条带噪声相应的参考列的所有像素点(x_i,y_j)对应的平均值μ_r组成平均值数组R；

步骤2.2，从第一列条带列开始，计算平均值数组S与相应参考列平均值数组R，计算差值数组D，若影像的行数为L，则差值数组D的大小为(L+1-m)×1，提取差值数组D与y轴的所有交点作为灰度变换的分界点，组成边界数组A₂，若某交点不为整数，则取该交点最近的整数作为分界点。

而且，步骤4实现方式为，提取边界数组A中的边界点，将条带噪声所在行或列分段，对每一段分别通过空间域校正进行去噪处理。

本发明的特色在于，不同地物类别，所受的条带噪声影响有所差别，因此通过将影像区分为均匀区域与复杂区域进行处理；同一景影像中因为外界辐射等变化的因素影响，同一片扫描区域也存在灰度变换的问题，因此提取扫描区域中不同灰度值分段的区域。针对条带噪声去除过程中的条带噪声去除不彻底与过度校正现象引入分段处理机制，针对性地处理不同区域的条带噪声，有效地实现了保留影像信息的同时高效地剔除条带噪声。总之，本发明提出方法可有效地应用于光学遥感影像中条带噪声的提出，获得更好的去噪结果。

附图说明

图1是本发明的实施例流程图。

具体实施方式

本发明技术方案可采用计算机软件技术实现自动运行流程。以下结合附图和实施例详细说明本发明技术方案。

基于结合不同地物类别与地物的灰度值变化两种情况，提出了对影像进行分段条带噪声去除，即本发明的去噪方法。如图1所示，本发明实施的主要步骤可以分为三个阶段：

第一阶段：求不同地物类别的边界：将待处理影像根据地物分布情况划分为均匀区域与复杂区域，提取均匀区域与复杂区域的边界像素点组成边界数组A₁。

1）、以条带噪声所在行或列的每个像素点(x_i,y_j)为中心，设一个大小为n×n的窗口，以AQUAMODIS第30波段影像为例，n的取值可为3，但不同影像中根据条带噪声的类型可选取不同大小的窗口，具体实施时可由本领域技术人员根据具体情况设置；计算窗口内所有非条带噪声行或列的像素点灰度值的标准差值σ_ij，新建一个跟待处理影像大小相同的标准差数组B，将得到的标准差值σ_ij置于标准差数组B中与窗口中心点(x_i,y_j)相应的位置；

2）、根据影像地物分布的具体情况结合经验得到阈值T，大于阈值T的部分视为影像内部的复杂区域，小于等于阈值T的部分则视为影像的均匀区域；标准差数组B使用的阈值T根据影像地物类别的具体情况结合经验值确定；

3）、提取均匀区域与复杂区域的边界值组成边界数组A₁。

第二阶段：求灰度变换的分界：将待处理影像根据扫描行或列的灰度分布划分灰度值区间，提取灰度变换的分界点组成边界数组A₂。

1）、以条带噪声所在行或列的每个像素点(x_i,y_j)为中心，设一个大小为1×m或m×1的窗口，这里依旧以AQUA MODIS第30波段影像为例，m的取值可为3，m的取值越大则获取的影像信息则越粗糙但计算简便迅速，m的取值越小提取的信息越细致但计算较为繁琐，具体实施时可由本领域技术人员根据具体情况设置。计算窗口内所有像素点灰度值的平均值μ_s，需要注意的是，这里的窗口大小为1×m或m×1，也就是说只包含了条带行（列）的m个像素点，将条带噪声所在行或列像素点(x_i,y_j)分别对应的平均值μ_s组成平均值数组S；以向上或向下的方向选取离条带行最近的正常行（列）为参考行（列），以条带噪声相应的参考行或列的每个像素点(x_i,y_j)为中心，设一个大小为1×m或m×1的窗口，计算窗口内所有像素点灰度值的平均值μ_r，将条带噪声相应的参考行或列的所有像素点(x_i,y_j)对应的平均值μ_r组成平均值数组R；

2）、从第一行（列）条带行（列）开始，计算平均值数组S与其参考行（列）平均值数组R，计算差值数组D，若影像的列数（行数）为L，则差值数组D的大小为1×(L+1-m)或(L+1-m)×1，提取差值数组D与x轴的所有交点作为灰度变换的分界点，组成边界数组A₂。此时D表示条带行（列）与参考行（列）之间的灰度变化关联情况，D与x轴的交点表示条带行（列）与参考行（列）的灰度范围变化转折点，主要变化为部分区域条带行（列）相比较参考行偏亮或暗，这样划分出了灰度值区间，反应在条带噪声上则是不同区域叠加的条带噪声强度不一致。

3）、提取差值数组D与x轴的交点组成边界数组A₂，若交点不为整数，则取距离交点最近的整数代替。

第三阶段：对影像进行分段空间域线性处理，即将两种方法结合，对影像的处理区域进一步细化。

1）、提取边界数组A₁与A₂的并集，并按顺序排列得到新的边界数组A：实施例结合以上两个阶段获取的边界值数组A₁与A₂，将两者结合，去除重复数字，按顺序排列，组成边界值数组A。本数组将影像划分为灰度变化不一样的均匀区域与复杂区域，即以区分不同地物类型，以及不同的地物灰度值变化区域。

2）、根据边界数组A分段处理条带噪声：实施例将影像按所区分的空间进行空间域校正处理。常用的空间域校正方法有矩匹配与空间域匹配算法等。提取边界数组A中的边界点，将条带噪声所在行或列分段，对每一段采取矩匹配、直方图匹配等常用空间域校正方法进行去噪处理，即可实现条带噪声的剔除。

本领域普通技术人员可以理解，利用本发明可以进行光学遥感影像中条带噪声的剔除，且能更准确彻底地消除条带噪声，还原原始影像的信息。本发明的去噪方法具有更广泛的良好通用性，运算效率高，稳健性强。

应当注意到并理解，在不脱离权利要求所要求的本发明的精神和范围的情况下，能够对上述详细描述的本发明做出各种修改和改进。

Claims (5)

1.一种基于分段校正的遥感影像条带噪声去除方法，其特征在于，包括以下步骤：

步骤1，将待处理影像根据地物分布情况划分为均匀区域与复杂区域，提取均匀区域与复杂区域的边界像素点组成边界数组A₁；

步骤2，将待处理影像根据扫描行或列的灰度分布划分灰度值区间，提取灰度变换的分界点组成边界数组A₂；

步骤3，提取边界数组A₁与A₂的并集，并按顺序排列得到新的边界数组A；

步骤4，根据边界数组A分段处理条带噪声。

2.根据权利要求1所述基于分段校正的遥感影像条带噪声去除方法，其特征在于：步骤1包括以下子步骤，

步骤1.1，以条带噪声所在行或列的每个像素点(x_i,y_j)为中心，设一个大小为n×n的窗口；计算窗口内所有非条带噪声行或列的像素点灰度值的标准差值σ_ij，新建一个跟待处理影像大小相同的标准差数组B，将得到的标准差值σ_ij置于标准差数组B中与窗口中心点(x_i,y_j)相应的位置；

步骤1.2，对于步骤1.1所得标准差数组B，根据预设的阈值T，划分小于等于阈值T的为均匀区域，大于阈值T的为复杂区域，提取均匀区域与复杂区域的所有边界像素点，组成边界数组A₁。

3.根据权利要求1所述基于分段校正的遥感影像条带噪声去除方法，若条带噪声按行分布于影像中，则其特征在于：步骤2包括以下子步骤，

步骤2.1，以条带噪声所在行的每个像素点(x_i,y_j)为中心，设一个大小为1×m的窗口；将条带噪声所在行的所有像素点(x_i,y_j)对应的平均值μ_s组成平均值数组S；以向上或向下的方向选取离条带行最近的正常行为参考行，以条带噪声相应的参考行的每个像素点(x_i,y_j)为中心，设一个大小为1×m的窗口，计算窗口内所有像素点灰度值的平均值μ_r，将条带噪声相应的参考行的所有像素点(x_i,y_j)对应的平均值μ_r组成平均值数组R；

步骤2.2，从第一行条带行开始，计算平均值数组S与相应参考行平均值数组R，计算差值数组D，若影像的列数为L，则差值数组D的大小为1×(L+1-m)，提取差值数组D与x轴的所有交点作为灰度变换的分界点，组成边界数组A₂，若某交点不为整数，则取该交点最近的整数作为分界点。

4.根据权利要求1所述基于分段校正的遥感影像条带噪声去除方法，如果条带噪声按列分布在影像中，则其特征在于：步骤2包括以下子步骤，

步骤2.1，以条带噪声所在列的每个像素点(x_i,y_j)为中心，设一个大小为m×1的窗口；将条带噪声所在列的所有像素点(x_i,y_j)对应的平均值μ_s组成平均值数组S；以向左或向右的方向选取离条带行最近的正常列为参考列，以条带噪声相应的参考列的每个像素点(x_i,y_j)为中心，设一个大小为m×1的窗口，计算窗口内所有像素点灰度值的平均值μ_r，将条带噪声相应的参考列的所有像素点(x_i,y_j)对应的平均值μ_r组成平均值数组R；

步骤2.2，从第一列条带列开始，计算平均值数组S与相应参考列平均值数组R，计算差值数组D，若影像的行数为L，则差值数组D的大小为(L+1-m)×1，提取差值数组D与y轴的所有交点作为灰度变换的分界点，组成边界数组A₂，若某交点不为整数，则取该交点最近的整数作为分界点。

5.根据权利要求1或2或3或4所述基于分段校正的遥感影像条带噪声去除方法，其特征在于：步骤4实现方式为，提取边界数组A中的边界点，将条带噪声所在行或列分段，对每一段分别通过空间域校正进行去噪处理。

Images