CN104240242A - 一种遥感图像最大信噪比测量方法 - Google Patents
一种遥感图像最大信噪比测量方法 Download PDFInfo
- Publication number
- CN104240242A CN104240242A CN201410453652.0A CN201410453652A CN104240242A CN 104240242 A CN104240242 A CN 104240242A CN 201410453652 A CN201410453652 A CN 201410453652A CN 104240242 A CN104240242 A CN 104240242A
- Authority
- CN
- China
- Prior art keywords
- noise ratio
- remote sensing
- maximum signal
- image
- sensing images
- 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.)
- Granted
Links
Landscapes
- Image Analysis (AREA)
Abstract
本发明提出一种遥感图像最大信噪比测量方法,通过滑动窗口自动提取图像样本区,对待测图像进行遍历分析,获取图像的多项样本统计量极值,再利用样本统计量极值组合实现待测图像最大信噪比的计算。本发明方法能够有效挖掘图像细节信息,克服了目前主流方法对最大信噪比测量样本区的苛刻要求,具有普适性。而且测量过程自动进行,不存在人为因素的影响,最大信噪比计算结果唯一,可重复性好。基于以上优点,在遥感图像信息提取与评价中具有广泛的应用前景和重大应用价值。
Description
技术领域
本发明属于图像测量领域,涉及一种遥感图像最大信噪比测量方法。
背景技术
信噪比(SNR)是遥感图像质量评价的一项关键指标,目前主流的遥感图像信噪比测量方法,如参考文献“GJB5088-2002资源卫星在轨图像质量评定方法”;“QJ20099.1-2012陆地观测卫星遥感图像质量评价方法”;“高分一号卫星图像质量在轨测试评价”中提到的,需要首先人为选择均匀样本区(块),然后按待测图像行/列/块计算均值和标准差,二者比值作为该行/列/块的信噪比,样本区内所有行/列信噪比的均值或块信噪比即为图像信噪比。在有高亮度均匀样本区的条件下,这一类方法可以较好测量出图像最大信噪比,但是实际中,由于地表空间异质性的普遍存在导致,地球表面符合要求的高亮度均匀样本区是很少的,这一类信噪比测量方法不具有普适性,多数图像尤其是受人类活动影响程度较高的城市及周边地区这一类利用程度最高的遥感图像信噪比就无法测量。即使图像上存在高质量的样本区,样本区的选择严重依赖于人工干预,对同一幅图像,测量结果受用户人为因素影响,可重复性不好。有研究者在“图像信噪比算法及其在CBERS-1图像评价中的应用”一文中提出过自动测量算法,但实际效果不理想,未能转化成实用技术得到推广应用。
发明内容
本发明解决的技术问题是:克服现有技术的不足,提出一种遥感图像最大信噪比自动测量方法,本发明方法求得的最大信噪比计算结果唯一,可重复性好。
本发明的技术方案是:一种遥感图像最大信噪比测量方法,步骤如下:
1)获取尺寸为M×N的待测遥感图像,设定每个采样样本区大小为m×m,其中m≤M且m≤N;所述的m、M、N为正整数;
2)按照步骤1)设定的每个采样样本区的大小,对整个待测遥感图像进行遍历,每次滑动一个像元,获得K个样本区,其中K为正整数;
3)计算获得每个样本区的像元灰度均值标准差σ,以及均值与标准差的比值
4)选取K个样本区中最大的标准差σmax以及均值与标准差的最小比值Amin;
5)计算获得待测遥感图像最大信噪比
所述的m∈[8,10]。
本发明与现有技术相比的优点在于:本发明方法克服了现有技术对图像最大信噪比测量样本区的苛刻要求,通过有效挖掘图像细节信息,使许多图像信噪比测量成为可能。而且测量过程自动进行,不存在人为因素的影响,最大信噪比计算结果唯一,可重复性好。
附图说明
图1为本发明方法的流程图;
图2至图5为试验中采用的蓝、绿、红及近红外谱段图像。
具体实施方式
下面参照附图对遥感图像最大信噪比测量方法进行说明。
如图1所示,遥感图像最大信噪比测量方法步骤如下:
1、获取尺寸为M×N的待测遥感图像,设定每个采样样本区大小为m×m,其中m≤M且m≤N;所述的m、M、N为正整数。试验中待测遥感图像采用高分一号多光谱图像,包括蓝、绿、红、近红外4个谱段(如图2至图5所示),每个谱段图像尺寸M=4296,N=4548,m=9;
2、编程按照前一步骤设定的每个采样样本区的大小,对整个待测遥感图像进行遍历,每次滑动一个像元,获得K个样本区,其中K为正整数;
3、计算获得每个样本区的像元灰度均值标准差σ,以及均值与标准差的比值
4、根据图像量化位数,为σ,以及A分别设置初值为0,0,1023;如果当前样本区计算出来的σ值大于设置值或者A值小于设置值,则用当前样本区统计量替换设置值。遍历后保存的设置值为K个样本区中最大的标准差σmax以及均值与标准差的最小比值Amin;
5、计算获得待测遥感图像最大信噪比待测图像蓝、绿、红、近红外4个谱段图像最大信噪比分别为47.72dB、46.64dB、46.05dB、45.98dB。将该结果与遥感器设计值、在轨测试值以及“图像信噪比算法及其在CBERS-1图像评价中的应用”一文中提出的均值局域方差法和局域最大最小方差法两种自动测量算法进行了比较(如表1所示),可知本发明方法显著优于已经报道的两种自动测量算法,结果与遥感器设计值以及在轨测试值相当。
表1算法效果检验
波段 | Band1 | Band2 | Band3 | Band4 |
遥感器设计值 | ≥46 | ≥46 | ≥46 | ≥46 |
在轨测试值 | 45.43 | 45.75 | 46.66 | 45.96 |
均值局域方差法 | 1.07 | 1.68 | 2.14 | 2.40 |
局域最大最小方差法 | 21.67 | 20.10 | 22.00 | 20.42 |
本文算法 | 47.72 | 46.64 | 46.05 | 45.98 |
注:均值局域方差法利用图像均值与局域方差来计算信噪比,局域最大最小方差法利用图像局域方差极大值和极小值计算图像最大信噪比。
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 (2)
1.一种遥感图像最大信噪比测量方法,其特征在于步骤如下:
1)获取尺寸为M×N的待测遥感图像,设定每个采样样本区大小为m×m,其中m≤M且m≤N;所述的m、M、N为正整数;
2)按照步骤1)设定的每个采样样本区的大小,对整个待测遥感图像进行遍历,每次滑动一个像元,获得K个样本区,其中K为正整数;
3)计算获得每个样本区的像元灰度均值标准差σ,以及均值与标准差的比值
4)选取K个样本区中最大的标准差σmax以及均值与标准差的最小比值Amin;
5)计算获得待测遥感图像最大信噪比
2.根据权利要求1所述的一种遥感图像最大信噪比测量方法,其特征在于:所述的m∈[8,10]。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410453652.0A CN104240242B (zh) | 2014-09-05 | 2014-09-05 | 一种遥感图像最大信噪比测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410453652.0A CN104240242B (zh) | 2014-09-05 | 2014-09-05 | 一种遥感图像最大信噪比测量方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104240242A true CN104240242A (zh) | 2014-12-24 |
CN104240242B CN104240242B (zh) | 2017-03-15 |
Family
ID=52228248
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410453652.0A Active CN104240242B (zh) | 2014-09-05 | 2014-09-05 | 一种遥感图像最大信噪比测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104240242B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105096319A (zh) * | 2015-09-10 | 2015-11-25 | 北京空间机电研究所 | 一种基于凝视成像的卫星在轨信噪比测试方法 |
CN106841086A (zh) * | 2016-11-22 | 2017-06-13 | 北京空间机电研究所 | 一种提高大气探测傅里叶光谱仪信噪比的方法 |
CN108965867A (zh) * | 2018-07-25 | 2018-12-07 | 首都师范大学 | 一种相机图像参数计算方法及装置 |
CN112733589A (zh) * | 2020-10-29 | 2021-04-30 | 广西科技大学 | 一种基于深度学习的红外图像行人检测方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09200805A (ja) * | 1996-01-11 | 1997-07-31 | Kokusai Denshin Denwa Co Ltd <Kdd> | ディジタル画像品質評価装置 |
CN103279950A (zh) * | 2013-05-14 | 2013-09-04 | 中国科学院光电研究院 | 一种基于行列噪声标准差的遥感图像信噪比评估方法 |
-
2014
- 2014-09-05 CN CN201410453652.0A patent/CN104240242B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09200805A (ja) * | 1996-01-11 | 1997-07-31 | Kokusai Denshin Denwa Co Ltd <Kdd> | ディジタル画像品質評価装置 |
CN103279950A (zh) * | 2013-05-14 | 2013-09-04 | 中国科学院光电研究院 | 一种基于行列噪声标准差的遥感图像信噪比评估方法 |
Non-Patent Citations (2)
Title |
---|
PAUL J.CURRAN等: "Estimation of signal-to-noise: a new procedure applied to AVIRIS data", 《IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING》 * |
朱 博等: "光学遥感图像信噪比评估方法研究进展", 《遥感技术与应用》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105096319A (zh) * | 2015-09-10 | 2015-11-25 | 北京空间机电研究所 | 一种基于凝视成像的卫星在轨信噪比测试方法 |
CN105096319B (zh) * | 2015-09-10 | 2017-11-07 | 北京空间机电研究所 | 一种基于凝视成像的卫星在轨信噪比测试方法 |
CN106841086A (zh) * | 2016-11-22 | 2017-06-13 | 北京空间机电研究所 | 一种提高大气探测傅里叶光谱仪信噪比的方法 |
CN108965867A (zh) * | 2018-07-25 | 2018-12-07 | 首都师范大学 | 一种相机图像参数计算方法及装置 |
CN112733589A (zh) * | 2020-10-29 | 2021-04-30 | 广西科技大学 | 一种基于深度学习的红外图像行人检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104240242B (zh) | 2017-03-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105989322B (zh) | 一种基于高分辨率遥感影像的多指标融合滑坡检测方法 | |
CN101980293B (zh) | 一种基于刃边图像的高光谱遥感系统mtf检测方法 | |
CN104240242A (zh) | 一种遥感图像最大信噪比测量方法 | |
CN105243367B (zh) | 一种基于卫星遥感数据的水体范围监测方法和装置 | |
CN110175964A (zh) | 一种基于拉普拉斯金字塔的Retinex图像增强方法 | |
CN101482973B (zh) | 基于早期视觉的部分参考图像质量评价方法 | |
CN104463836B (zh) | 一种基于移动窗口的城市绿色空间遥感度量方法 | |
CN107105223B (zh) | 一种基于全局特征的色调映射图像质量客观评价方法 | |
CN108596103A (zh) | 基于最佳光谱指数选择的高分辨率卫星遥感影像建筑物提取方法 | |
CN107230197B (zh) | 基于卫星云图和rvm的热带气旋客观定强方法 | |
CN105528776B (zh) | 针对jpeg图像格式的显著性细节保持的质量评价方法 | |
CN109584286A (zh) | 一种基于广义回归神经网络的沥青路面构造深度计算方法 | |
CN105547602A (zh) | 一种地铁隧道管片渗漏水的远距离测量方法 | |
CN104217426A (zh) | 一种基于ENVISAT ASAR与Landsat TM遥感数据面向对象提取水体的方法 | |
CN105096319A (zh) | 一种基于凝视成像的卫星在轨信噪比测试方法 | |
CN110749942A (zh) | 适用于静止卫星资料同化的晴空通道检测质量控制方法 | |
CN107462182A (zh) | 一种基于机器视觉和红线激光器的截面轮廓形变检测方法 | |
CN104036493A (zh) | 一种基于多重分形谱的无参考图像质量评价方法 | |
CN104574424B (zh) | 基于多分辨率dct边缘梯度统计的无参照图像模糊度评价方法 | |
CN106934770A (zh) | 一种评价雾霾图像去雾效果的方法和装置 | |
CN104573662B (zh) | 一种云判方法和系统 | |
CN103279954A (zh) | 一种基于土地利用数据库的遥感影像变化检测方法 | |
CN107657206B (zh) | 一种基于遥感技术估算绿地覆盖率的方法 | |
CN104951800A (zh) | 一种面向资源开采型地区的遥感影像融合方法 | |
CN105049835A (zh) | 感知立体图像质量的客观评价方法 |
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 |