CN104754327A - 一种检测及消除高光谱图像坏点的方法 - Google Patents

Abstract

一种检测及消除高光谱图像坏点的方法，首先对拍摄图像所对应的背景图像进行分析，并根据邻近点的插值是否大于阈值来判断此点是否为坏点，再根据坏点周围是否存在别的坏点来划分坏点的类别，然后对不同类别的坏点采用不同的坏点消除方法进行处理，最终得到消除坏点后的图像。本方法不仅利用了像元空间维的关系，还利用了像元光谱维上的关系，可以有效的消除坏点；并且不需对全部像元检测，缩短了检测及消除坏点的时间。

Description

一种检测及消除高光谱图像坏点的方法

技术领域

本发明涉及一种检测及消除高光谱图像坏点的方法，属于高光谱图像处理技术领域。

背景技术

高光谱遥感技术将确定物质或地物性质的光谱与揭示其空间和几何关系的图像结合在一起，而许多物质的特征往往表现在一些狭窄的光谱范围内，高光谱遥感实现了获取地物的光谱特征同时又不失其整体形态及其与周围地物的关系。

高光谱图像所提供的丰富的空间和光谱信息可以显著地提高数据分析的质量、细节性、可靠性以及可信度,可有效地用于地物类型的像素级甚至亚像素级识别,己广泛应用于地质勘探与地球资源调查、城市遥感与规划管理、环境与灾害监测、精细农业、测绘及考古等方面。

由于军事和民用对高光谱遥感技术的需求，也对高光谱遥感图像的质量提出了更高的要求。而相机可能会出现损坏，从而导致拍摄出的图像出现坏点，因此需要自动检测并去除高光谱图像中的坏点。专利号为CN103475828A、发明人为庄永军、吴乘跃、专利名称为【一种图像坏点校正方法及图像传感器】的专利给出了一种以5×5Bayer中心点与其周围点进行比较从而判定并消除坏点的方法，但这需要对图像每一个像元都进行遍历，这样会浪费大量的时间，导致效率低。

发明内容

为了克服现有技术存在的缺陷和不足，本发明提供了一种检测及消除高光谱图像坏点的方法。

本发明的技术方案如下：

一种检测及消除高光谱图像坏点的方法，通过计算机进行图像数据读入、分析及计算处理，该方法步骤如下：

1)设定图像的名词参数

a)在计算机里存储图像的波段顺序格式(band sequential format，BSQ)：

在计算机里由前至后依次存放图像的第一波段数据、第二波段数据、…、最后一波段数据；每一波段中依次存放该波段数据中的第一行数据、第二行数据、…、最后一行数据；每一行数据中依次存放该行数据中对应的第一个像元、第二个像元、…、最后一个像元；

b)定义背景图像及其处理方法：

背景图像是在无外界光进入摄像机时所测得的图像，对背景图像的每一个波段做如下处理：将波段中每一行数据对应相加后再除以行数，得到该波段对应的一行数据，将各波段处理后得到的每行数据根据对应波段的顺序从小到大排序，组成一个新的图像，该图像简称为背景；

c)定义拍摄图像：拍摄图像是摄像机面对景物实际拍摄得到的图像；

2)判断背景中的一个点是否为坏点的方式

将背景分为两个部分，第一部分是处在第一列的像元，第二部分是除了第一部分的其余像元；对两部分采用不用的检测方式：对第一部分的像元求其与其上方最近的且不是坏点的像元的差，判断差值是否大于阈值，若大于阈值则此点为坏点，否则则不是坏点；对于第二部分的像元，求其与其左方最近的且不是坏点的像元的差，判断差值是否大于阈值，若大于阈值则此点为坏点，否则则不是坏点；

3)划分坏点：根据以下具体的方式将求出的坏点进行划分归类

a)若此坏点在背景数据中的第一行且其右侧像元是坏点，则我们将其归为第7类坏点；

b)若此坏点在背景数据中的第一行且其右侧像元不是坏点，则我们将其归为第6类坏点；

c)若此坏点在背景数据中的最后一行且其右侧像元是坏点，或者此坏点在背景数据中的第一列且其下方像元是坏点或没有点，则我们将其归为第5类坏点；

d)若此坏点在背景数据中的第一列且其下方像元不是坏点，则我们将其归为第4类坏点；

e)若此坏点下方点与其右侧点均为坏点，则我们将其归为第3类坏点；

f)若此坏点周围仅下方点为坏点，则我们将其归为第2类坏点；

g)若此坏点周围仅右侧点均为坏点，则我们将其归为第1类坏点；

h)若此坏点周围均不是坏点，则我们将其归为第0类坏点；

4)消除坏点：根据3)中所标识的不同类坏点，采用不同方式进行坏点的消除

a)对于0类坏点，使用坏点上下左右四点的均值赋给坏点；

b)对于1类坏点，使用坏点上下左侧三点的均值赋给坏点；

c)对于2类坏点，使用坏点上左右侧三点的均值赋给坏点；

d)对于3类坏点，采用预测方法进行插值：

设X表示当前坏点，W表示X左侧第一个像元，WW表示X左侧第二个像元，N表示X所处前一波段中位置与X位置相同的像元，NW表示N左侧第一个像元，NE表示N右侧第一个像元，NN表示X所处前二个波段中位置与X位置相同的像元，NNE表示NN右侧第一个像元，则插值方式如下：

设两个变量dh和dv(无具体表示意义，仅用于下面判断插值方式而已)，则得到：

dh＝|W–WW|+|N–NW|+|NE–N|，

dv＝|W–NW|+|N–NN|+|NE–NNE|，

如果dh-dv>0.008,则X＝N，即将N的值赋给坏点X；

如果dv-dh>0.008,则X＝W,即将W的值赋给坏点X；

如果0.008>dh-dv>0.0032,则X＝((N+W)/2+(NE-NW)/4+N)/2；

如果0.008>dv-dh>0.0032,则X＝((N+W)/2+(NE-NW)/4+W)/2；

如果0.0032>dh-dv>0.0008,则X＝(((N+W)/2+(NE-NW)/4)*3+N)/4；

如果0.0032>dv-dh>0.0008,则X＝(((N+W)/2+(NE-NW)/4)*3+W)/4；

e)对于4类坏点，使用其上下两点的均值赋给坏点；

f)对于5类坏点，将其上方的像元值赋给坏点；

g)对于6类坏点，使用其左右两点的均值赋给坏点；

h)对于7类坏点，将其左方的像元值赋给坏点；

5)由计算机将上述更改的图像数据进行保存，即可得到消除坏点后的完整图像。

本发明的有益效果是可以同时利用图像空间维与光谱维的特点，有效且快速的消除高光谱图像中的坏点。

附图说明

图1表示波段顺序格式数据储存说明图示：

其中B代表波段Bands、L代表行数Lines、S代表像元Samples、上述字母后面的数字代表从0到最大数值之间的数、max代表最大数值，例如BmaxL3S5表示此处为最后一波段第3行第5个像元。

图2表示预测法插值像元关系图示：

如消除第三类坏点时所涉及到的像元与当前坏点的位置关系，其中X表示当前坏点，W表示坏点X左侧第一个像元，WW表示坏点X左侧第二个像元，N表示坏点X所处波段的前一波段中位置与X位置相同的像元，NW表示像元N左侧第一个像元，NE表示像元N右侧第一个像元，NN表示坏点X所处波段的前二个波段中位置与X位置相同的像元，NNE表示像元NN右侧第一个像元。

具体实施方式

下面结合实施例对本发明作进一步说明，但不限于此。

实施例：

本发明实施例如下：一种检测及消除高光谱图像坏点的方法，通过计算机进行图像数据读入、分析及计算处理，该方法步骤如下：

1)设定图像的名词参数

a)在计算机里存储图像的波段顺序格式(band sequential format，BSQ)：

在计算机里由前至后依次存放图像的第一波段数据、第二波段数据、…、最后一波段数据；每一波段中依次存放该波段数据中的第一行数据、第二行数据、…、最后一行数据；每一行数据中依次存放该行数据中对应的第一个像元、第二个像元、…、最后一个像元；

b)定义背景图像及其处理方法：

背景图像是在无外界光进入摄像机时所测得的图像，对背景图像的每一个波段做如下处理：将波段中每一行数据对应相加后再除以行数，得到该波段对应的一行数据，将各波段处理后得到的每行数据根据对应波段的顺序从小到大排序，组成一个新的图像，该图像简称为背景；

c)定义拍摄图像：拍摄图像是摄像机面对景物实际拍摄得到的图像；

2)判断背景中的一个点是否为坏点的方式

将背景分为两个部分，第一部分是处在第一列的像元，第二部分是除了第一部分的其余像元；对两部分采用不用的检测方式：对第一部分的像元求其与其上方最近的且不是坏点的像元的差，判断差值是否大于阈值，若大于阈值则此点为坏点，否则则不是坏点；对于第二部分的像元，求其与其左方最近的且不是坏点的像元的差，判断差值是否大于阈值，若大于阈值则此点为坏点，否则则不是坏点；

3)划分坏点：根据以下具体的方式将求出的坏点进行划分归类

a)若此坏点在背景数据中的第一行且其右侧像元是坏点，则我们将其归为第7类坏点；

b)若此坏点在背景数据中的第一行且其右侧像元不是坏点，则我们将其归为第6类坏点；

c)若此坏点在背景数据中的最后一行且其右侧像元是坏点，或者此坏点在背景数据中的第一列且其下方像元是坏点或没有点，则我们将其归为第5类坏点；

d)若此坏点在背景数据中的第一列且其下方像元不是坏点，则我们将其归为第4类坏点；

e)若此坏点下方点与其右侧点均为坏点，则我们将其归为第3类坏点；

f)若此坏点周围仅下方点为坏点，则我们将其归为第2类坏点；

g)若此坏点周围仅右侧点均为坏点，则我们将其归为第1类坏点；

h)若此坏点周围均不是坏点，则我们将其归为第0类坏点；

4)消除坏点：根据3)中所标识的不同类坏点，采用不同方式进行坏点的消除

a)对于0类坏点，使用坏点上下左右四点的均值赋给坏点；

b)对于1类坏点，使用坏点上下左侧三点的均值赋给坏点；

c)对于2类坏点，使用坏点上左右侧三点的均值赋给坏点；

d)对于3类坏点，采用预测方法进行插值：

设X表示当前坏点，W表示X左侧第一个像元，WW表示X左侧第二个像元，N表示X所处前一波段中位置与X位置相同的像元，NW表示N左侧第一个像元，NE表示N右侧第一个像元，NN表示X所处前二个波段中位置与X位置相同的像元，NNE表示NN右侧第一个像元，则插值方式如下：

设两个变量dh和dv(无具体表示意义，仅用于下面判断插值方式而已)，则得到：

dh＝|W–WW|+|N–NW|+|NE–N|，

dv＝|W–NW|+|N–NN|+|NE–NNE|，

如果dh-dv>0.008,则X＝N，即将N的值赋给坏点X；

如果dv-dh>0.008,则X＝W,即将W的值赋给坏点X；

如果0.008>dh-dv>0.0032,则X＝((N+W)/2+(NE-NW)/4+N)/2；

如果0.008>dv-dh>0.0032,则X＝((N+W)/2+(NE-NW)/4+W)/2；

如果0.0032>dh-dv>0.0008,则X＝(((N+W)/2+(NE-NW)/4)*3+N)/4；

如果0.0032>dv-dh>0.0008,则X＝(((N+W)/2+(NE-NW)/4)*3+W)/4；

e)对于4类坏点，使用其上下两点的均值赋给坏点；

f)对于5类坏点，将其上方的像元值赋给坏点；

g)对于6类坏点，使用其左右两点的均值赋给坏点；

h)对于7类坏点，将其左方的像元值赋给坏点；

5)由计算机将上述更改的图像数据进行保存，即可得到消除坏点后的完整图像。

Claims (1)

1.一种检测及消除高光谱图像坏点的方法，通过计算机进行图像数据读入、分析及计

算处理，该方法步骤如下：

1)设定图像的名词参数

a)在计算机里存储图像的波段顺序格式：

在计算机里由前至后依次存放图像的第一波段数据、第二波段数据、…、最后一波段数据；每一波段中依次存放该波段数据中的第一行数据、第二行数据、…、最后一行数据；每一行数据中依次存放该行数据中对应的第一个像元、第二个像元、…、最后一个像元；

b)定义背景图像及其处理方法：

背景图像是在无外界光进入摄像机时所测得的图像，对背景图像的每一个波段做如下处理：将波段中每一行数据对应相加后再除以行数，得到该波段对应的一行数据，将各波段处理后得到的每行数据根据对应波段的顺序从小到大排序，组成一个新的图像，该图像简称为背景；

c)定义拍摄图像：拍摄图像是摄像机面对景物实际拍摄得到的图像；

2)判断背景中的一个点是否为坏点的方式

将背景分为两个部分，第一部分是处在第一列的像元，第二部分是除了第一部分的其余像元；对两部分采用不用的检测方式：对第一部分的像元求其与其上方最近的且不是坏点的像元的差，判断差值是否大于阈值，若大于阈值则此点为坏点，否则则不是坏点；对于第二部分的像元，求其与其左方最近的且不是坏点的像元的差，判断差值是否大于阈值，若大于阈值则此点为坏点，否则则不是坏点；

3)划分坏点：根据以下具体的方式将求出的坏点进行划分归类

a)若此坏点在背景数据中的第一行且其右侧像元是坏点，则我们将其归为第7类坏点；

b)若此坏点在背景数据中的第一行且其右侧像元不是坏点，则我们将其归为第6类坏点；

c)若此坏点在背景数据中的最后一行且其右侧像元是坏点，或者此坏点在背景数据中的第一列且其下方像元是坏点或没有点，则我们将其归为第5类坏点；

d)若此坏点在背景数据中的第一列且其下方像元不是坏点，则我们将其归为第4类坏点；

e)若此坏点下方点与其右侧点均为坏点，则我们将其归为第3类坏点；

f)若此坏点周围仅下方点为坏点，则我们将其归为第2类坏点；

g)若此坏点周围仅右侧点均为坏点，则我们将其归为第1类坏点；

h)若此坏点周围均不是坏点，则我们将其归为第0类坏点；

4)消除坏点：根据3)中所标识的不同类坏点，采用不同方式进行坏点的消除

a)对于0类坏点，使用坏点上下左右四点的均值赋给坏点；

b)对于1类坏点，使用坏点上下左侧三点的均值赋给坏点；

c)对于2类坏点，使用坏点上左右侧三点的均值赋给坏点；

d)对于3类坏点，采用预测方法进行插值：

设X表示当前坏点，W表示X左侧第一个像元，WW表示X左侧第二个像元，N表示X所处前一波段中位置与X位置相同的像元，NW表示N左侧第一个像元，NE表示N右侧第一个像元，NN表示X所处前二个波段中位置与X位置相同的像元，NNE表示NN右侧第一个像元，则插值方式如下：

设两个变量dh和dv，则得到：

dh＝|W–WW|+|N–NW|+|NE–N|，

dv＝|W–NW|+|N–NN|+|NE–NNE|，

如果dh-dv>0.008,则X＝N，即将N的值赋给坏点X；

如果dv-dh>0.008,则X＝W,即将W的值赋给坏点X；

如果0.008>dh-dv>0.0032,则X＝((N+W)/2+(NE-NW)/4+N)/2；

如果0.008>dv-dh>0.0032,则X＝((N+W)/2+(NE-NW)/4+W)/2；

如果0.0032>dh-dv>0.0008,则X＝(((N+W)/2+(NE-NW)/4)*3+N)/4；

如果0.0032>dv-dh>0.0008,则X＝(((N+W)/2+(NE-NW)/4)*3+W)/4；

e)对于4类坏点，使用其上下两点的均值赋给坏点；

f)对于5类坏点，将其上方的像元值赋给坏点；

g)对于6类坏点，使用其左右两点的均值赋给坏点；

h)对于7类坏点，将其左方的像元值赋给坏点；

5)由计算机将上述更改的图像数据进行保存，即可得到消除坏点后的完整图像。