CN104680488A - 一种基于中值滤波的dsm进行星载sar影像正射纠正的方法 - Google Patents
一种基于中值滤波的dsm进行星载sar影像正射纠正的方法 Download PDFInfo
- Publication number
- CN104680488A CN104680488A CN201510043234.9A CN201510043234A CN104680488A CN 104680488 A CN104680488 A CN 104680488A CN 201510043234 A CN201510043234 A CN 201510043234A CN 104680488 A CN104680488 A CN 104680488A
- Authority
- CN
- China
- Prior art keywords
- window
- pixel
- filtering
- filter
- value
- 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.)
- Pending
Links
Landscapes
- Image Processing (AREA)
Abstract
本发明涉及一种基于中值滤波的DSM在星载SAR影像正射纠正中的应用方法,中值滤波是一种非线性平滑滤波,依赖于快速排序算法,是一种领域运算,首先确定一个以某个像素为中心点的领域,然后将领域中的各个像素的灰度值进行排序,取其中间值作为中心点像素灰度的新值,所述领域被称为窗口,当窗口在图像中上下左右进行移动后,利用中值滤波算法对图像进行平滑处理,采用中值滤波的方法,将光学卫星影像的DSM进行平滑滤波处理,消除扭曲变形现象。
Description
技术领域
本方法涉及一种基于中值滤波的DSM在星载SAR影像正射纠正中的应用方法,采用中值滤波的方法,将光学卫星影像的DSM进行平滑滤波处理,消除扭曲变形现象。
背景技术
由于星载SAR是侧视成像,故高程起伏对定位精度影响较大。在进行星载SAR影像的正射纠正过程中,需要高精度的DEM或DSM。目前,全球高精度的DEM是美国公开的90m格网的SRTM数据,然而远不能满足星载SAR影像正射纠正所需的DEM精度。因此,相应区域的高精度DEM是星载SAR影像正射纠正的关键之一。
资源三号卫星是我国第一颗高精度的民用光学卫星,系统标称精度可以达到平面精度优于3m、高程精度优于2m,因此是提取相应区域高精度DSM的首选。DSM提取的本质在于立体影像中同名像点的寻找,核心技术为立体影像的自动匹配。然而,现有影像匹配技术是对单个立体影像的匹配,从立体影像中获取的DSM密度与精度较低,DSM粗差剔除、建筑物采集等后续生产过程需要大量的人工编辑工作。如果利用未经编辑的DSM进行星载SAR影像的正射纠正,正射纠正后的SAR影像中局部区域存在扭曲变形的现象,如房屋和地形起伏较大的区域。考虑到人工编辑DSM的工作量很大,不便于工程化的应用,因此对DSM异常点的处理需要研究一种自动化平滑滤波的手段来解决。
目前,数字图像平滑处理主要有平滑、锐化滤波、均值滤波、中值滤波等多种方法。其中均值滤波是数字图像处理领域比较活跃的一个分支,是用所选的邻域中的各象素灰度的平均值来替代中心象素的灰度值。但是,它不仅平滑噪声,而且使图像中的细节模糊化。
1971年,图基(Tukey)在进行时间序列分析时提出中值滤波器的概念,后来人们又将其引入到图像处理中,这种滤波器的优点是运算简单而且速度较快,在滤除加性白噪声和长尾噪声方面显示出了极好的性能;并且,它可以克服线性滤波器(如均值滤波)给图像带来的模糊,做到在有效地清除噪声的同时,又保持良好的边缘特性,同时,中值滤波器很容易自适应化,从而可以进一步提高其滤波性能,因此,它就非常适用于一些线性滤波器无法胜任的数字图象处理应用场合。
发明内容
本发明的目的在于克服现有技术的缺陷,提供一种基于中值滤波的DSM在星载SAR影像正射纠正中的应用方法,采用中值滤波的方法将资源三号DSM进行平滑处理,有效消除星载SAR正射影像局部扭曲变形的现象。
为了实现上述目的,本发明采用了以下技术方案:
一种基于中值滤波的DSM在星载SAR影像正射纠正中的应用方法,中值滤波是一种非线性平滑滤波,依赖于快速排序算法,是一种领域运算,首先确定一个以某个像素为中心点的领域,然后将领域中的各个像素的灰度值进行排序,取其中间值作为中心点像素灰度的新值,所述领域被称为窗口,当窗口在图像中上下左右进行移动后,利用中值滤波算法对图像进行平滑处理,其特征在于,
对一维序列x1,x2,x3,… ,xn,把n个数据按大小排列:xi1≤xi2≤xi3 …≤xin,则该序列的中值y为:当n为奇数时,y=med{x1,x2,x3,… ,xn}=xi((n+1)/2);当n为偶数时,y=med{x1,x2,x3,… ,xn}=0.5(xi(n/2)+xi((n+1)/2)) (1)
取特定长度为L=2n+1的滤波窗口,n为正整数。将窗口在数据上滑动,中值滤波输出就是窗口正中所对的像素值用窗口内各像素值的中值代替,即:yi=med{xi-n … xi … xi+n} (2)
从式(1)和(2)可以看出,由于叠加原理不再成立,故中值滤波器是一种非线性滤波器,且中值滤波可以保持信号边缘,使其不被模糊,为窗口的宽度为2n+1时,信号序列中宽度不大于n的脉冲便会被中值滤波清除;
图像信号是一个二维信号,对于滤波窗口为A的二维中值滤波,其输出可表示为:yij=med{xij} (3)
式中,{xij}为二维数据序列。
具体步骤如下:
(1)选取合适的滤波窗口作为像素点的实心邻域,在图像中漫游,并将滤波窗口中心与图像中心某个像素的位置重合;
(2)读取滤波窗口下各对应像素的灰度值;
(3)将这些灰度值从小到大排列成一列;
(4)找出排在中间的一个值;
(5)将这个中间值赋给对应模板中心位置的像素。
考虑到图像在两维方向上均具有相关性,在选取窗口时,活动窗口一般都选为二维窗口(3x3, 5x5或7x7等),窗口的形状常用的有方形、十字形、圆形或 X 字形等,为了更全面地保护图像的边缘细节而消除噪声,经常采用全方位子窗口选择办法。
本发明的有益效果是,中值滤波的输出像素是由领域图像的中间值决定的,因而中值滤波对极限像素值远不如平均值那么敏感,从而可以消除孤立的噪声点,又可以使图像产生较少的模糊。
(l)滤除噪声的性能:中值滤波是非线性运算,对于零均值正态分布的噪声输入,中值滤波输出与输入噪声的分布密度有关,输出噪声方差与输入噪声密度函数的平方成反比。对随机噪声的抑制能力,中值滤波比均值滤波要差些。但对于脉冲干扰来讲,特别是脉冲宽度小于滤波窗口长度,相距较远的窄脉冲,中值滤波是很有效的。
(2)对某些信号的不变性:对于某些特定的输入信号,中值滤波输出信号保持与输入信号相同,所以相对于一般的线性滤波器(比如均值滤波),中值滤波能更好的保护图像细节。
(3)中值滤波的频谱特性:中值滤波器的频率响应与输入信号的频谱有关,呈现不规则波动不大的曲线,可以认为信号经中值滤波后,频谱基本不变。
具体实施方式
一种基于中值滤波的DSM在星载SAR影像正射纠正中的应用方法,中值滤波是一种非线性平滑滤波,依赖于快速排序算法,是一种领域运算,首先确定一个以某个像素为中心点的领域,然后将领域中的各个像素的灰度值进行排序,取其中间值作为中心点像素灰度的新值,所述领域被称为窗口,当窗口在图像中上下左右进行移动后,利用中值滤波算法对图像进行平滑处理,其特征在于,
对一维序列x1,x2,x3,… ,xn,把n个数据按大小排列:xi1≤xi2≤xi3 …≤xin,则该序列的中值y为:当n为奇数时,y=med{x1,x2,x3,… ,xn}=xi((n+1)/2);当n为偶数时,y=med{x1,x2,x3,… ,xn}=0.5(xi(n/2)+xi((n+1)/2)) (1)
取特定长度为L=2n+1的滤波窗口,n为正整数。将窗口在数据上滑动,中值滤波输出就是窗口正中所对的像素值用窗口内各像素值的中值代替,即:yi=med{xi-n … xi … xi+n} (2)
从式(1)和(2)可以看出,由于叠加原理不再成立,故中值滤波器是一种非线性滤波器,且中值滤波可以保持信号边缘,使其不被模糊,为窗口的宽度为2n+1时,信号序列中宽度不大于n的脉冲便会被中值滤波清除;
图像信号是一个二维信号,对于滤波窗口为A的二维中值滤波,其输出可表示为:
yij=med{xij} (3)
式中,{xij}为二维数据序列。
具体步骤如下:
(1)选取合适的滤波窗口作为像素点的实心邻域,在图像中漫游,并将滤波窗口中心与图像中心某个像素的位置重合;
(2)读取滤波窗口下各对应像素的灰度值;
(3)将这些灰度值从小到大排列成一列;
(4)找出排在中间的一个值;
(5)将这个中间值赋给对应模板中心位置的像素。
考虑到图像在两维方向上均具有相关性,在选取窗口时,活动窗口一般都选为二维窗口(3x3, 5x5或7x7等),窗口的形状常用的有方形、十字形、圆形或 X 字形等,为了更全面地保护图像的边缘细节而消除噪声,经常采用全方位子窗口选择办法。
采用陕西省西安市阎良区为实验区,地势平坦,获取了资源三号三线阵影像前、正、后视各一景,成像时间是2014-5-8,分辨率分别为3.5m、2.5m、3.5m;遥感13号SAR影像一景,成像时间是2014-7-16,分辨率为3m,降轨右视。
区域均匀布设了9个光学影像控制点(三位数的点号),9个角反射器点(以5开头的四位数点号),其中光学控制点和角反射器点一一对应,每组平均相距50-100米。采用双频GPS接收机RTK模型进行野外采集测量,测量精度为厘米级精度。
考虑到该地区地势平坦,建筑物大小不一,采用不同的中值滤波窗口进行测试。利用滤波前的DSM进行星载SAR的正射纠正,建筑物等扭曲变形现象很严重;经过中值滤波后,大分部建筑物的扭曲变形现象得以消除,效果很明显;但是对于特殊高大的建筑物,需要较大的窗口(如35*35大小),才能够很好地消除。
Claims (2)
1.一种基于中值滤波的DSM在星载SAR影像正射纠正中的应用方法,中值滤波是一种非线性平滑滤波,依赖于快速排序算法,是一种领域运算,首先确定一个以某个像素为中心点的领域,然后将领域中的各个像素的灰度值进行排序,取其中间值作为中心点像素灰度的新值,所述领域被称为窗口,当窗口在图像中上下左右进行移动后,利用中值滤波算法对图像进行平滑处理,其特征在于,
对一维序列x1,x2,x3,… ,xn,把n个数据按大小排列:xi1≤xi2≤xi3 …≤xin,则该序列的中值y为:当n为奇数时,y=med{x1,x2,x3,… ,xn}=xi((n+1)/2);当n为偶数时,y=med{x1,x2,x3,… ,xn}=0.5(xi(n/2)+xi((n+1)/2)) (1)
取特定长度为L=2n+1的滤波窗口,n为正整数;
将窗口在数据上滑动,中值滤波输出就是窗口正中所对的像素值用窗口内各像素值的中值代替,即:yi=med{xi-n … xi … xi+n} (2)
从式(1)和(2)可以看出,由于叠加原理不再成立,故中值滤波器是一种非线性滤波器,且中值滤波可以保持信号边缘,使其不被模糊,为窗口的宽度为2n+1时,信号序列中宽度不大于n的脉冲便会被中值滤波清除;
图像信号是一个二维信号,对于滤波窗口为A的二维中值滤波,其输出可表示为:yij=med{xij} (3)
式中,{xij}为二维数据序列;
具体步骤如下:
(1)选取合适的滤波窗口作为像素点的实心邻域,在图像中漫游,并将滤波窗口中心与图像中心某个像素的位置重合;
(2)读取滤波窗口下各对应像素的灰度值;
(3)将这些灰度值从小到大排列成一列;
(4)找出排在中间的一个值;
(5)将这个中间值赋给对应模板中心位置的像素。
2.根据权利要求1所述的一种基于中值滤波的DSM在星载SAR影像正射纠正中的应用方法,其特征在于,所述窗口为二维窗口,窗口的形状为方形、十字形、圆形或 X 字形,为了更全面地保护图像的边缘细节而消除噪声,采用全方位子窗口选择办法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510043234.9A CN104680488A (zh) | 2015-01-28 | 2015-01-28 | 一种基于中值滤波的dsm进行星载sar影像正射纠正的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510043234.9A CN104680488A (zh) | 2015-01-28 | 2015-01-28 | 一种基于中值滤波的dsm进行星载sar影像正射纠正的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104680488A true CN104680488A (zh) | 2015-06-03 |
Family
ID=53315487
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510043234.9A Pending CN104680488A (zh) | 2015-01-28 | 2015-01-28 | 一种基于中值滤波的dsm进行星载sar影像正射纠正的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104680488A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106296607A (zh) * | 2016-08-04 | 2017-01-04 | 甘宗平 | 一种sar影像的中值滤波快速近似算法 |
CN107092022A (zh) * | 2017-04-21 | 2017-08-25 | 哈尔滨工业大学 | 基于InSAL的区域滤波质量引导相位解缠方法 |
CN109063711A (zh) * | 2018-07-06 | 2018-12-21 | 航天星图科技(北京)有限公司 | 一种基于llts框架的卫星影像正射纠正算法 |
CN109767406A (zh) * | 2019-01-28 | 2019-05-17 | 中南林业科技大学 | 一种应用于图像处理的自适应中值滤波去噪方法 |
CN111913162A (zh) * | 2020-09-04 | 2020-11-10 | 内蒙古工业大学 | 射频干扰检测方法及装置、射频干扰抑制方法及装置 |
CN112017263A (zh) * | 2020-08-24 | 2020-12-01 | 上海松鼠课堂人工智能科技有限公司 | 基于深度学习的试卷智能生成方法和系统 |
CN113870198A (zh) * | 2021-09-14 | 2021-12-31 | 青岛农业大学 | 一种防治农作物半翅目害虫的方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1793844A (zh) * | 2005-11-30 | 2006-06-28 | 江苏科技大学 | 纺织品色牢度色差评级测试方法和装置 |
CN101813467A (zh) * | 2010-04-23 | 2010-08-25 | 哈尔滨工程大学 | 基于双目立体视觉技术的旋翼共锥度测量装置及其方法 |
CN102819818A (zh) * | 2012-08-14 | 2012-12-12 | 公安部第三研究所 | 基于fpga芯片的动态可重构技术实现图像处理的方法 |
-
2015
- 2015-01-28 CN CN201510043234.9A patent/CN104680488A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1793844A (zh) * | 2005-11-30 | 2006-06-28 | 江苏科技大学 | 纺织品色牢度色差评级测试方法和装置 |
CN101813467A (zh) * | 2010-04-23 | 2010-08-25 | 哈尔滨工程大学 | 基于双目立体视觉技术的旋翼共锥度测量装置及其方法 |
CN102819818A (zh) * | 2012-08-14 | 2012-12-12 | 公安部第三研究所 | 基于fpga芯片的动态可重构技术实现图像处理的方法 |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106296607A (zh) * | 2016-08-04 | 2017-01-04 | 甘宗平 | 一种sar影像的中值滤波快速近似算法 |
CN106296607B (zh) * | 2016-08-04 | 2019-11-08 | 甘宗平 | 一种sar影像的中值滤波快速近似方法 |
CN107092022A (zh) * | 2017-04-21 | 2017-08-25 | 哈尔滨工业大学 | 基于InSAL的区域滤波质量引导相位解缠方法 |
CN107092022B (zh) * | 2017-04-21 | 2019-08-02 | 哈尔滨工业大学 | 基于InSAL的区域滤波质量引导相位解缠方法 |
CN109063711A (zh) * | 2018-07-06 | 2018-12-21 | 航天星图科技(北京)有限公司 | 一种基于llts框架的卫星影像正射纠正算法 |
CN109063711B (zh) * | 2018-07-06 | 2021-10-29 | 中科星图股份有限公司 | 一种基于llts框架的卫星影像正射纠正算法 |
CN109767406A (zh) * | 2019-01-28 | 2019-05-17 | 中南林业科技大学 | 一种应用于图像处理的自适应中值滤波去噪方法 |
CN112017263A (zh) * | 2020-08-24 | 2020-12-01 | 上海松鼠课堂人工智能科技有限公司 | 基于深度学习的试卷智能生成方法和系统 |
CN112017263B (zh) * | 2020-08-24 | 2021-04-30 | 上海松鼠课堂人工智能科技有限公司 | 基于深度学习的试卷智能生成方法和系统 |
CN111913162A (zh) * | 2020-09-04 | 2020-11-10 | 内蒙古工业大学 | 射频干扰检测方法及装置、射频干扰抑制方法及装置 |
CN113870198A (zh) * | 2021-09-14 | 2021-12-31 | 青岛农业大学 | 一种防治农作物半翅目害虫的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104680488A (zh) | 一种基于中值滤波的dsm进行星载sar影像正射纠正的方法 | |
CN102609701B (zh) | 基于最佳尺度的高分辨率合成孔径雷达遥感检测方法 | |
CN103455813A (zh) | 一种ccd图像测量系统光斑中心定位的方法 | |
CN101727662A (zh) | Sar图像非局部均值去斑方法 | |
CN103679167A (zh) | 一种ccd图像处理的方法 | |
CN102279973A (zh) | 基于高梯度关键点的海天线检测方法 | |
CN110580705B (zh) | 一种基于双域图信号滤波检测建筑物边缘点的方法 | |
CN105606123B (zh) | 一种低空航空摄影测量自动纠正数字地面高程模型的方法 | |
CN113960595A (zh) | 一种地表形变监测方法及系统 | |
Chen et al. | A mathematical morphology-based multi-level filter of LiDAR data for generating DTMs | |
CN104732531A (zh) | 一种高分辨率遥感图像信噪比曲线自适应获取方法 | |
CN105139375A (zh) | 一种结合全球dem与立体视觉的卫星影像云检测方法 | |
CN114355367A (zh) | 一种基于星载单光子激光雷达数据测量浅海水深的方法 | |
CN113034569A (zh) | 一种基于点云数据的船舶超限预警方法及系统 | |
CN113970734A (zh) | 路侧多线激光雷达降雪噪点去除方法、装置及设备 | |
KR101426226B1 (ko) | 레이더의 신호 처리 방법 | |
CN103186900B (zh) | 一种InSAR水体和阴影区域自动提取和识别的方法 | |
CN113899349B (zh) | 海浪参数检测方法、设备及存储介质 | |
CN105678716B (zh) | 一种地基sar大气干扰相位校正方法及装置 | |
CN104180794A (zh) | 数字正射影像拉花区域的处理方法 | |
Vybornova | Application of spatial interpolation methods for restoration of partially defined images | |
CN103777237A (zh) | 一种基于空变加权镶边波数域滤波的地表高程平滑方法 | |
CN104502992A (zh) | 一种基于空时过采样扫描的弱小点目标精确定位方法及系统 | |
CN114757238B (zh) | 地铁保护区变形监测的方法、系统、电子设备和存储介质 | |
CN114594503B (zh) | 一种浅海地形反演方法、计算机设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20150603 |