CN104021521A - 基于傅里叶高通滤波与聚焦分析的遥感影像去条带方法 - Google Patents

Abstract

本发明公开了一种基于傅里叶高通滤波与聚焦分析的遥感影像去条带方法，该方法结合聚焦分析的初步平滑处理，达到去条带噪声的简易方法。结果表明，处理后的影像在各波段中的均值、标准差均较原始图像明显下降、信噪比显著上升，各变化值总体优于直方图匹配法、三次卷积处理法的去条带噪声方法，综合表明该方法适用于遥感图像的去条带处理，较当前的编程等消除噪声操作更简单、可行。

Description

基于傅里叶高通滤波与聚焦分析的遥感影像去条带方法

技术领域

本发明涉及一种遥感影像去条带方法，具体地说，涉及一种基于傅里叶高通滤波与聚焦分析的遥感影像去条带方法。 

背景技术

条带噪声是一种具有周期性、方向性且呈条带状分布的系统噪声。其引起的原因是：由于光电传感器线阵CCD器件反复扫描地物成像，受扫描探测元正反扫描相应差异、传感器机械运动和温度变化等影响所造成。条带噪声掩盖了图像中一些真实辐射信息，在计算机解译与目视判读之前应该首先消除掉条带噪声的影响。 

TM遥感影像也存在条带噪声，而当前条带噪声去除方法可分为三类：一是通过创建滤波器来消除条带噪声，但是这种方法会对处理结果产生不同程度的振铃效应，同时要求条带噪声必须是具有周期性的、在频率域上是可识别的；二是小波分析，这种方法或多或少会使图像变平滑，而且处理结果主要依赖于小波函数的选取及条带噪声在频谱域内的位置；三是通过调整图像DN值到某个参考分布上，以此达到消除探测元间条带噪声的目的，此类方法又可分为辐射均衡化、矩匹配和直方图匹配法三种。辐射均衡化方法可以消除非周期条带噪声，但是它是基于探测元响应为线性的假设。矩匹配方法对于一幅足够大的均匀图像，每个探测元生成的DN值分布概率是相同的，同时相机的成像系统要拥有较好的线性响应度。直方图匹配法彻底解决了CCD响应非线性的缺点，但是该方法依赖于图像的选取。 

发明内容

为了克服现有技术中存在的缺陷，本发明提供一种基于傅里叶高通滤波与聚焦分析的遥感影像去条带方法，是一种能为数据生产一线工作人员所掌握的，既简易、又能保证影像效果的新方法。 

其技术方案如下： 

一种基于傅里叶高通滤波与聚焦分析的遥感影像去条带方法，包括以下步骤： 

(1)条带噪声提取：对带有周期性条带噪声的TM原始影像进行快速傅里叶变换、编 辑滤波器，通过控制实验参数滤波类型、余弦滤波窗口、圆形滤波半径以及傅里叶逆变换操作，通过对比分析设立阈值，将高频辐射部分提取出来。 

(2)聚焦分析初步平滑：选取最大的聚焦分析模块对影像进行平滑处理以达到初步减弱条带辐射与滤掉单点噪声的目的，通过定义能平滑处理条带噪声的聚焦函数(求和、标准差、中值和均值运算)得出最佳处理效果影像。 

(3)阈值法替换与去除条带：用聚焦分析结果图中高于阈值的部分替换掉傅里叶逆变换影像图，而低于阈值的部分则利用原始影像图中对应部分进行替换。 

(4)卷积滤波二次去除条带：利用卷积处理进行二次条带去除得到最终处理影像图。 

进一步优选， 

第(1)步，单击图像解译Interpreter图标，在下拉列表中选中傅里叶分析FourierAnalysis子菜单，打开傅里叶变换Fourier Transform对话框；导入处理图像文件为TM-1.img，同时在输出文件文本框Output File中选择输出数据为TM-1.fft；同时选择变换的波段范围为1∶7；点击OK按钮执行傅里叶变换操作，得到频谱图影像，见图1.b。 

第(2)步，单击图像解译Interpreter图标，在其下拉列表中选择傅里叶分析Fourier Analysis子菜单，打开傅里叶变换编辑器Fourier Transform Editor，导入频谱图(即图1.b)；通过控制参数，设计一组对比实验： 

1.选择在傅里叶编辑器中打开掩膜命令Mask，在其下拉列表中选择滤波器子命令Filter，打开滤波对话框Low/High Pass Filter，选定滤波类型Filter Type为高通滤波、选择余弦滤波窗口Hanning、圆形滤波半径Radius设定为100，以此参数连续三次操作便可得到第一张频率域傅里叶图像，通过File菜单下的子命令Save as保存图像并命名(即图2.a)。在图2.a的基础上进行傅里叶逆变换，单击傅里叶编辑器中的命令按钮，弹出傅里叶逆变换Inverse Fourier Transform对话框，在对话框中勾选“忽略零值”Ignore Zero in Stats复选框，选择输出图像数据的类型为Unsigned2bit，最后单击OK按钮执行傅里叶逆变换得到空间域图2.b； 

2.选择在傅里叶编辑器中打开掩膜命令Mask，在其下拉列表中选择滤波器子命令Filter，打开滤波对话框Low/High Pass Filter，选定滤波类型Filter Type为高通滤波、选择高斯滤波Gaussian窗口、圆形滤波半径设定为30，以此参数连续两次操作便可得到第二张频率域傅里叶图像，通过File菜单下的子命令Save as保存图像并命名(即图2.c)。在图2.c的基础上进行傅里叶逆变换，单击傅里叶编辑器中的命令按钮，弹出傅里叶逆变换Inverse Fourier Transform对话框，在对话框中勾选“忽略零值”Ignore Zero in Stats复选框，选择输出图像数据的类型为Unsigned4bit，最后单击OK按钮执行傅里叶逆变换得到空间域图2.d； 

3.如图2.b所示，第一组实验提取出的原始影像图高频组份中，虽然地物的高频组份相较于第二组实验，得到明显减弱，但同时也减弱了条带噪声区域的高频组份；而第二组实验结果的条带区域高频组分得到增强的同时，地物高频组分也相应增强，见图2.d。经多组实验对比分析可得：将图2.b灰度阈值设定为3、图2.d中灰阈值设定为6时，更能有效地将两图中更多的条带噪声提取出来。 

第(3)步中，在ERDAS菜单上选择图像解译Interpreter菜单，在下拉列表中选择空间增强子菜单Spatial Enhancement，在空间增强命令子菜单中选择聚焦分析命令Focal Analysis，打开空间分析对话框Focal Analysis；选择处理影像文件并设置输出文件，设置文件坐标类型Coordinate Type为Map以及输出数据类型为Unsigned8bit；在聚焦分析中选取的平滑窗口越大，平滑效果越明显，所以选择相应最大的聚焦分析模板7×7窗口对影像进行平滑处理以达到初步减弱条带辐射与滤掉单点噪声的目的；为了能经平滑处理去减弱条带噪声，在定义聚焦函数Function Definition上只对求和Sum、标准差SD、中值Median、均值Mean进行运算。通过观察、比对分析可得，聚焦函数中值Median处理后平滑效果最佳，条带噪声得到相应地减弱，因此选用经中值Median运算处理之后的影像图3c作为下一步实验数据。 

第(4)步中，在ERDAS菜单上选择模型Modeler菜单，在其下拉列表中选中Model Maker命令，弹出模型New_Model对话框及工具箱，输入wedge.img、focal.img和TM-1.img，输出jieguo.img，采用默认设置；在函数框中选择并输入条件函数用聚焦分析结果图中高于阈值(分别设置为为3与6)的部分替换掉傅里叶逆变换影像图2.b与图2.d中的相应部分；而低于阈值的部分则利用原始影像图TM_1的对应部分进行替换，输出结果，得到图4.a与图4.b。 

第(5)步中，用卷积处理法进行二次条带去除得到结果影像图。在ERDAS菜单上选择图像解译菜单Interpreter，在其下拉列表中打开辐射增强子列表Radiometric Enhancement，再在辐射增强子列表下选择TM影像去条命令键Destripe TM Data，打开Destrioe TM对话框。选择处理图像文件与设置输出文件；设置文件坐标类型Coordinate Type为Map；选择输出数据类型为Unsigned8bit；边界处理方式Handle Edges勾选Reflection；选中Ignore Zero in Stats复选框表示在输出数据统计时忽略0值；点击OK运行，得到结果图5.a。 

本发明的有益效果：在分析遥感影像光谱特征差异的基础上，对傅里叶滤波器进行参数设定，检测出条带噪声部分与地物高频组分；利用阈值法可以实现对影像中条带噪声的有效提取。聚焦分析法的中值运算处理平滑效果良好，对原始影像中的条带辐射起到了初步地减弱作用。基于此，本发明将聚焦分析与傅里叶高通滤波结合起来构建替代模型。经过相关分 析与统计指标对比，表明该方法不仅可以有效去除各个波段上的条带噪声，也较好地保证了图像原有的波谱特性。相比传统去条带噪声方法，其简易性与可操作性也大为提升。而对比于ERDAS软件自带的只单一地进行三次卷积处理的条带去除法，本发明所使用方法更有效地提升了图像去噪效果，同时也最大限度地保留了非条带区域的清晰度，因此是一种操作性强、具有良好普及性的方法。 

附图说明

图1为原始影像图与第一波段傅里叶频谱图，其中图1a为TM原始影像，图1b为layerl； 

图2为频谱图与傅里叶逆变换图，其中图2a为滤波半径200频谱图，图2b为滤波半径200对应傅里叶逆变换图，其中图2c为滤波半径50频谱图，图2d为滤波半径50对应傅里叶逆变换图； 

图3为聚焦分析处理图，其中图3a为总和Sum，图3b标准差SD，其中图3c为中值Median，图3d为均值Mean； 

图4为阈值法处理影像图，其中图4a为阈值为3的处理影像图，图4b为阈值为6的处理影像图； 

图5为各方法去条带之后的影像图，其中图5a为总和Sum，图5b标准差SD，其中图5c为中值Median，图5d为均值Mean。 

具体实施方式

下面结合附图和具体实施方式对本发明的技术方案作进一步详细地说明。 

1.条带噪声提取与去除方法 

1.1基于傅里叶变换的条带噪声提取 

TM原始影像进行快速傅里叶变换(FFT)、编辑滤波器以及傅里叶逆变换操作，通过对比分析设立阈值，将高频辐射部分提取出来。滤波器是对波进行过滤的器件，高通滤波器允许信号中的高频分量通过，抑制低频或直流分量，因此可以使图像锐化和边缘增强。傅里叶变换可将空间域的复杂的卷积运算转化为频率域的简单的乘积运算，对于二维M×N数字影像f(x，y)，其离散傅里叶变换与逆变换分别为^[4]： 

$F(u,v)=\frac{1}{\mathrm{MN}}\underset{x=0}{\overset{M-1}{\mathrm{\Σ}}}\underset{y=0}{\overset{N-1}{\mathrm{\Σ}}}f(x,y)e^{-i2\mathrm{\π}(\frac{\mathrm{ux}}{M}+\frac{\mathrm{vy}}{N})}---\left(1\right)$

$f(x,y)=\underset{u=0}{\overset{M-1}{\mathrm{\Σ}}}\underset{v=0}{\overset{N-1}{\mathrm{\Σ}}}F(u,v)e^{i2\mathrm{\π}(\frac{\mathrm{ux}}{M}+\frac{\mathrm{vy}}{N})}---\left(2\right)$

为了能更精确地设置阈值从而达到区分条带噪声与影像中其它高频组份的目的，设置合适的高通滤波器相关参数是为首要前提。 

1.2基于聚焦分析与卷积增强的去条带方法 

1.2.1聚焦分析 

聚焦分析(Focal Analysis)使用类似卷积滤波的方法对图像数值进行多种分析，其基本算法是在所选择的窗口范围内，根据所定义的函数，应用窗口范围内的像元数值计算窗口中心像元的值(可以取邻域内所有像元的和sum、最大值Max、最小值Min、均值Mean、中值Median、标准差SD等作为新像元的值)，从而达到图像增强的目的。聚焦函数中的中值、均值处理均能使图像平滑而非锐化，其处理之后的图像条带噪声将得到一定程度上地减弱。因此可利用聚焦分析对原始影像条带噪声区域进行初步减弱并提取，通过建模对傅里叶高通滤波处理所提取出的高频组份进行替换，所得影像再利用卷积处理进行二次条带去除。 

1.2.2卷积增强处理 

卷积增强是将整个图像按照像元分块进行平均处理，用于改变图像的空间频率特征。卷积增强处理的关键是卷积算子，即系数矩阵的选择，该系数矩阵又称为卷积核。去条带处理方法是针对TM的图像扫描特点对其原始数据进行3次卷积处理以达到去除扫描条带的目的。 

2.方法应用 

2.1影像获取 

研究所使用的影像数据来自于《遥感数字图像处理实验教程》(杨昕、汤国安等编著，科学出版社)附带遥感影像资料TM_1.img(见图1a)。该数据获取时间为1994年4月6日零点二十分十四秒；地点为某干旱区山前冲积扇平原，地物分布非均质；像元数为512像素×512像素；拥有7个通道，可得到7个波段的影像尤其以第一、第三、第四与第七波段条带噪声明显。 

2.2条带噪声提取 

ERDAS傅里叶编辑器中的高通滤波器允许信号中的高频分量通过，抑制低频或直流分量，因此可以使图像锐化和边缘增强。先将原始影像图进行傅里叶变换，在傅里叶图像编辑里对FFT文件进行高通滤波处理之后再进行傅里叶逆变换，得到图2.b和图2.d。需要设定的参数包括：滤波类型(Filter Type)、窗口功能(Ideal)、圆形滤波半径(Radius)、定义高 频增益(High Frequency Gain)。 

通过控制实验参数：选定滤波类型为高通滤波、选择余弦滤波窗口、圆形滤波半径各自设定为40与200，进行对比实验得到两张傅里叶逆变换影像。如图2.b所示，第一组实验提取出的原始影响图高频组份中，虽然地物的高频组份相较于第二组实验(如图2.d)得到明显减弱，但同时也减弱了条带噪声区域的高频组份。而第二组实验结果的条带区域高频组分得到增强的同时，地物高频组分也相应增强。经过对比分析，将图2.b灰度阈值设定为3、图2.d中灰阈值设定为6时，能有效地将两图中更多的条带噪声提取出来。 

2.3条带噪声替换与去除 

在聚焦分析中，选取的平滑窗口越大，平滑效果越明显，所以选择相应最大的聚焦分析模板7×7窗口对影像进行平滑处理以达到初步减弱条带辐射与滤掉单点噪声的目的；而同时，为了能经平滑处理去减弱条带噪声，在定义聚焦函数上只对求和Sum、标准差SD、中值Median、均值Mean进行运算，实验结果如图3。 

通过观察、比对分析可得，聚焦函数中值Median处理后平滑效果最佳，条带噪声得到相应地减弱，因此选用经中值Median运算处理之后的影像)作为下一步实验数据。接着运用阈值法，用聚焦分析结果图中高于阈值的部分替换掉傅里叶逆变换影像图2.b与图2.d中的相应部分；而低于阈值的部分则利用原始影像图TM_1的对应部分进行替换，输出结果，得到图4。 

最后将所得影像图4.a与图4.b利用卷积处理进行二次条带去除，所得影像图(图5.a与图5.b)。将原始影像进行仅一次卷积处理去条带之后的影像图(图5.c)与经直方图匹配法处理之后所得影像图(图5.d)与阈值法处理之后的两张影像图分各个波段比对它们的像元均值、像元标准差、中值三个统计参数。 

2.4结果分析 

通常比较滤波影像的定量标准有均值差、等效视数、边缘保留程度和计算时间等。但最重要也是本发明所选取的评价标准是标准偏差的减小、均值的保留和信噪比的大小，信噪比越大，图像质量越好。对图5四张去噪结果影像图以及原始图像各波段的统计值分别进行对比(见表)可以得到：以像元标准差作为评价依据，本发明所讨论的基于聚焦分析与傅里叶高通滤波处理的二次条带处理法要优于单一使用三次卷积分析去条带法，而三次卷积分析法要优于直方图匹配法。这种优势在以均值保留作为标准的时候也同样得到了体现。而以信噪比作为评定标准来看，传统直方图匹配法只有在第六波段表现要比基于聚焦分析与傅里叶高通滤波处理法优异。 

表1像元均值 

表2像元标准差 

表3信噪比 

以上所述，仅为本发明较佳的具体实施方式，本发明的保护范围不限于此，任何熟悉本技术领域的技术人员在本发明披露的技术范围内，可显而易见地得到的技术方案的简单变化或等效替换均落入本发明的保护范围内。 

Claims (1)

1.一种基于傅里叶高通滤波与聚焦分析的遥感影像去条带方法，其特征在于，包括以下步骤：

(1)条带噪声提取：对带有周期性条带噪声的TM原始影像进行快速傅里叶变换FFT、编辑滤波器以及傅里叶逆变换操作，通过对比分析设立阈值，将高频辐射部分提取出来；

(2)聚焦分析初步平滑：选取最大的聚焦分析模块对影像进行平滑处理以达到初步减弱条带辐射与滤掉单点噪声的目的，通过定义能平滑处理条带噪声的聚焦函数得出最佳处理效果影像；

(3)阈值法替换与去除条带：用聚焦分析结果图中高于阈值的部分替换掉傅里叶逆变换影像图，而低于阈值的部分则利用原始影像图中对应部分进行替换；

(4)卷积滤波二次去除条带：利用卷积处理进行二次条带去除得到最终处理影像图。