CN105787925B - 推扫型光学遥感载荷原始图像坏线的自动检测方法和系统 - Google Patents
推扫型光学遥感载荷原始图像坏线的自动检测方法和系统 Download PDFInfo
- Publication number
- CN105787925B CN105787925B CN201610077960.7A CN201610077960A CN105787925B CN 105787925 B CN105787925 B CN 105787925B CN 201610077960 A CN201610077960 A CN 201610077960A CN 105787925 B CN105787925 B CN 105787925B
- Authority
- CN
- China
- Prior art keywords
- row
- mrow
- original image
- msub
- difference
- 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.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/001—Industrial image inspection using an image reference approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30168—Image quality inspection
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种推扫型光学遥感载荷原始图像坏线的自动检测方法和系统，所述方法包括：读取待检测的原始图像；设定原始图像的初始有效列，并以初始有效列为参考列，同时向参考列两边扫描；计算扫描过程中当前列与参考列之间的归一化指数的差值，并将差值的绝对值与阈值T比较；若差值的绝对值大于阈值T，则标记当前列为无效列；否则标记当前列为有效列，并将当前列作为下一个比较过程的参考列，重复该步骤，直到标记完所有的列；统计所有无效列的数量n，并将所有无效列的数量n与原始图像的总列数N的比值作为坏线率。本发明能够自动检测出光学遥感载荷在轨运行过程中的原始图像中的坏线。
Description
技术领域
本发明涉及光学遥感载荷在轨性能测试、遥感数据质量分析与评价的交叉领域，具体涉及一种推扫型光学遥感载荷原始图像坏线的自动检测方法和系统。
背景技术
光学遥感载荷在轨性能测试是载荷发射以后保障载荷性能和数据质量的必要手段，通过对原始图像进行坏线检测，可以及时发现探测元件中的坏像元，同时也为遥感数据预处理过程的坏线修复提供有效参考，保障数据产品质量。
目前，实验室环境下主要利用背景和黑体对探测器中死像元和坏像元进行检测，在轨运行以后主要依赖人工结合图像分析软件进行坏像元判别，基于图像的自动判别方法较少。
现有技术中，一种是基于背景和黑体的检测方法，需要在实验室环境下，对黑体或者均匀背景下各个探测元的响应范围进行测试，计算单个探测元响应率与像元平均响应率之间的差值，通过阈值进行判断，从而检测出坏像元；但这种方法需要输入均一光源信号或对均匀背景进行探测，适用于载荷研制阶段在实验室环境下进行坏像元检测，或具有星上定标功能的载荷利用星上定标装置进行坏像元检测；对于没有星上定标器的光学载荷，在轨以后获取的数据由于复杂地物背景的干扰，该方法无法适用。
另一种是用于遥感影像条纹检测的方法，主要原理为利用当前列像素均值与左右两列像素均值求差值，在除以左右两列像素的均值，计算相对变化率，再利用阈值对图像中的条纹进行检测。这种方法能检测出图像数据中存在的条纹，适用于对相对辐射校正后图像进行条纹检测，但由于原始图像还未进行相对辐射校正，各个探测像元之间的响应差异没有消除，因此该方法会将有效像元误检测为条纹，不能达到检测坏线(即坏像元)的目的。
发明内容
本发明所要解决的技术问题是提供一种推扫型光学遥感载荷原始图像坏线的自动检测方法和系统，能够自动检测出光学遥感载荷在轨运行过程中的坏线。
本发明解决上述技术问题的技术方案如下：一种推扫型光学遥感载荷原始图像坏线的自动检测方法，包括：
S1，读取待检测的原始图像；
S2，设定原始图像的初始有效列，并以所述初始有效列为参考列，同时向所述参考列的两边扫描；
S3，计算扫描过程中当前列与所述参考列之间的归一化指数的差值，并将所述差值的绝对值与阈值T比较；若所述差值的绝对值大于阈值T，则标记所述当前列为无效列；否则标记所述当前列为有效列，并将当前列作为下一个比较过程的参考列，重复步骤S3，直到标记完所有的列；
S4，统计所有所述无效列的数量n，并将所有所述无效列的数量n与所述原始图像的总列数N的比值作为坏线率。
本发明的有益效果是：通过设定原始图像的初始有效列，然后以此初始有效列作为参考列，向两边扫描其他列，并将其他列的归一化指数与参考列的归一化指数的差值与阈值T比较，并将大于阈值T的列标记为无效列，最后根据统计的无效列的个数与总列数的比值计算坏线率，从而实现在轨运行以后对原始图像的坏线数据的自动检测。
在上述技术方案的基础上，本发明还可以做如下改进:
进一步，所述步骤S2中设定原始图像的初始有效列，具体按照以下方法实施：
从原始图像的第2列开始搜索，将每一列归一化差值的绝对值与阈值T比较，并将第一个不大于阈值T的列设定为初始有效列；所述每一列归一化差值指当前列与前一列归一化指数的差值，并记为ΔIi，ΔIi＝Ii-Ii-1，Ii为第i列的归一化指数，Ii-1为第i-1列的归一化指数。
采用上述进一步方案的有益效果是:通过从原始图像的第2列开始搜索，将每一列的归一化差值的绝对值与阈值T比较，以及将第一个不大于阈值T的列设定为初始有效列，降低了误检率。
进一步，所述步骤S2和S3中每一列的归一化指数按照以下方法计算：
S31，获取所述原始图像中每一列像素的最大值和最小值，并计算每一列像素的灰度动态范围值，具体为：
ri＝Max(pi)-Min(pi)
其中，pi为第i列的一个像素值，ri为第i列像素的灰度动态范围值，Max(pi)为第i列最大的像素值，Min(pi)为第i列最小的像素值；
和
计算所述原始图像中每一列像素的标准差，具体为：
其中，M为所述原始图像的总行数，pim为第m行第i列的像素；为第i列像素的均值，σi为第i列的标准差；
S32，计算所述每一列像素的标准差与所述灰度动态范围值的比值，得到每一列的归一化指数Ii。
采用上述进一步方案的有益效果是：通过计算每列像素的标准差与动态范围，并利用标准差与动态范围的比值构建归一化指数来衡量各个像元的响应特性，使得检测结果比仅使用列间均值或列间动态范围更加有效，提高了坏线检测精度；，以及在此过程中使用归一化指数来衡量各个数据的响应特性，检测结果更加精确可靠。
进一步，所述阈值T按照以下方法计算：
其中，为所述原始图像中所有列归一化差值的均值；M为所述原始图像的总行数；ΔIi为每一列归一化差值，每一列归一化差值指当前列与前一列归一化指数的差值；m为行数。
采用上述进一步方案的有益效果是:通过原始图像中每一列的归一化差值来计算阈值T，避免了传统的使用由人为设定的固定阈值T而造成适用性差的问题。
本发明解决上述技术问题的另一种技术方案如下:一种推扫型光学遥感载荷原始图像坏线的自动检测系统，包括：
读取模块，用于读取待检测的原始图像；
设定及扫描模块，用于设定原始图像的初始有效列，并以所述初始有效列为参考列，同时向所述参考列的两边扫描；
计算及标记模块，用于计算扫描过程中当前列与所述参考列之间的归一化指数的差值，并将所述差值的绝对值与阈值T比较；若所述差值的绝对值大于阈值T，则标记所述当前列为无效列；否则标记所述当前列为有效列，并将当前列作为下一个比较过程的参考列，重复所述计算及标记模块执行的动作，直到标记完所有其他的列；
统计及计算模块，用于统计所有所述无效列的数量n，并将所述所有所述无效列的数量n与所述原始图像的总列数N的比值作为坏线率。
本发明的有益效果是：通过设定及扫描模块设定原始图像的初始有效列，然后以此初始有效列作为参考列，向两边扫描其他列，并由计算及标记模块将其他列的归一化指数与初始有效列的归一化指数的差值与阈值T比较，并将大于阈值T的列标记为无效列，最后由统计及计算模块根据统计的无效列的个数与总列数的比值计算坏线率，从而实现在轨运行以后对原始图像中的坏线数据的自动检测。
在上述技术方案的基础上，本发明还可以做如下改进:
进一步，所述设定及扫描模块和计算及标记模块中设定原始图像的初始有效列，具体按照以下方法实施：
从原始图像的第2列开始搜索，将每一列归一化差值的绝对值与阈值T比较，并将第一个不大于阈值T的列设定为初始有效列；所述每一列归一化差值指当前列与前一列之间的归一化指数的差值，并记为ΔIi，ΔIi＝Ii-Ii-1，Ii为第i列的归一化指数，Ii-1为第i-1列的归一化指数。
进一步，所述计算及标记模块中每一列的归一化指数按照以下方法计算：
S31，获取所述原始图像中每一列像素的最大值和最小值，并计算每一列像素的灰度动态范围值，具体为：
ri＝Max(pi)-Min(pi)
其中，pi为第i列的一个像素值，ri为第i列像素的灰度动态范围值，Max(pi)为第i列最大的像素值，Min(pi)为第i列最小的像素值；
和
计算所述原始图像中每一列像素的标准差，具体为：
其中，M为所述原始图像的总行数，pim为第m行第i列的像素；为第i列像素的均值，σi为第i列的标准差；
S32，计算所述每一列像素的标准差与所述灰度动态范围值的比值，得到每一列的归一化指数Ii。
进一步，所述阈值T按照以下方法计算：
其中，为所述原始图像中所有列归一化差值的均值；M为所述原始图像的总行数；ΔIi为每一列归一化差值，每一列归一化差值指当前列与前一列归一化指数的差值；m为行数。
附图说明
图1为本发明一种推扫型光学遥感载荷原始图像坏线的自动检测方法的流程示意图；
图2为本发明一种推扫型光学遥感载荷原始图像坏线的自动检测系统的结构示意图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。
如图1所示，一种推扫型光学遥感载荷原始图像坏线的自动检测方法，包括：
S1，读取待检测的原始图像；
S2，设定原始图像的初始有效列，并以所述初始有效列为参考列，同时向所述参考列的两边扫描；具体为从参考列的两边开始同时扫描；
S3，计算扫描过程中当前列与所述参考列之间的归一化指数的差值，并将所述差值的绝对值与阈值T比较；若所述差值的绝对值大于阈值T，则标记所述当前列为无效列；否则标记所述当前列为有效列，并将当前列作为下一个比较过程的参考列，重复步骤S3，直到标记完所有的列；
S4，统计所有所述无效列的数量n，并将所有所述无效列的数量n与所述原始图像的总列数N的比值作为坏线率。
其中，所述步骤S2中设定原始图像的初始有效列，具体按照以下方法实施：
从原始图像的第2列开始搜索，将每一列归一化差值的绝对值与阈值T比较，并将第一个不大于阈值T的列设定为初始有效列；所述每一列归一化差值指当前列与前一列归一化指数的差值，并记为ΔIi，ΔIi＝Ii-Ii-1，Ii为第i列的归一化指数，Ii-1为第i-1列的归一化指数。
所述步骤S2和S3中每一列的归一化指数按照以下方法计算：
S31，获取所述原始图像中每一列像素的最大值和最小值，并计算每一列像素的灰度动态范围值，具体为：
ri＝Max(pi)-Min(pi)
其中，pi为第i列的一个像素值，ri为第i列像素的灰度动态范围值，Max(pi)为第i列最大的像素值，Min(pi)为第i列最小的像素值；
和
计算所述原始图像中每一列像素的标准差，具体为：
其中，M为所述原始图像的总行数，pim为第m行第i列的像素；为第i列像素的均值，σi为第i列的标准差；
S32，计算所述每一列像素的标准差与所述灰度动态范围值的比值，得到每一列的归一化指数Ii。
所述阈值T按照以下方法计算：
其中，为所述原始图像中所有列归一化差值的均值；M为所述原始图像的总行数；ΔIi为每一列归一化差值，每一列归一化差值指当前列与前一列归一化指数的差值；m为行数。
可选地，阈值也可以根据载荷长期的数据统计情况，人为给定一个经验阈值，该经验阈值可以根据载荷成像特性及数据统计情况不断调整。
如图2所示，一种推扫型光学遥感载荷原始图像坏线的自动检测系统，包括：
读取模块，用于读取待检测的原始图像；
设定及扫描模块，用于设定原始图像的初始有效列，并以所述初始有效列为参考列，同时向所述参考列的两边扫描；
计算及标记模块，用于计算扫描过程中当前列与所述参考列之间的归一化指数的差值，并将所述差值的绝对值与阈值T比较；若所述差值的绝对值大于阈值T，则标记所述当前列为无效列；否则标记所述当前列为有效列，并将当前列作为下一个比较过程的参考列，重复所述计算及标记模块执行的动作，直到标记完所有其他的列；
统计及计算模块，用于统计所有所述无效列的数量n，并将所述所有所述无效列的数量n与所述原始图像的总列数N的比值作为坏线率。
所述设定及扫描模块和计算及标记模块中设定原始图像的初始有效列，具体按照以下方法实施：
从原始图像的第2列开始搜索，将每一列归一化差值的绝对值与阈值T比较，并将第一个不大于阈值T的列设定为初始有效列；所述每一列归一化差值指当前列与前一列之间的归一化指数的差值，并记为ΔIi，ΔIi＝Ii-Ii-1，Ii为第i列的归一化指数，Ii-1为第i-1列的归一化指数。
所述计算及标记模块中每一列的归一化指数按照以下方法计算：
S31，获取所述原始图像中每一列像素的最大值和最小值，并计算每一列像素的灰度动态范围值，具体为：
ri＝Max(pi)-Min(pi)
其中，pi为第i列的一个像素值，ri为第i列像素的灰度动态范围值，Max(pi)为第i列最大的像素值，Min(pi)为第i列最小的像素值；
和
计算所述原始图像中每一列像素的标准差，具体为：
其中，M为所述原始图像的总行数，pim为第m行第i列的像素；为第i列像素的均值，σi为第i列的标准差；
S32，计算所述每一列像素的标准差与所述灰度动态范围值的比值，得到每一列的归一化指数Ii。
所述阈值T按照以下方法计算：
其中，为所述原始图像中所有列归一化差值的均值；M为所述原始图像的总行数；ΔIi为每一列归一化差值，每一列归一化差值指当前列与前一列归一化指数的差值；m为行数。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (4)
1.一种推扫型光学遥感载荷原始图像坏线的自动检测方法，其特征在于，包括：
S1，读取待检测的原始图像；
S2，设定原始图像的初始有效列，并以所述初始有效列为参考列，同时向所述参考列的两边扫描；
S3，计算扫描过程中当前列与所述参考列之间的归一化指数的差值，并将所述差值的绝对值与阈值T比较；若所述差值的绝对值大于阈值T，则标记所述当前列为无效列；否则标记所述当前列为有效列，并将当前列作为下一个比较过程的参考列，重复步骤S3，直到标记完所有的列；
S4，统计所有所述无效列的数量n，并将所有所述无效列的数量n与所述原始图像的总列数N的比值作为坏线率；
其中S31，获取所述原始图像中每一列像素的最大值和最小值，并计算每一列像素的灰度动态范围值，具体为：
ri＝Max(pi)-Min(pi)
其中，pi为第i列的一个像素值，ri为第i列像素的灰度动态范围值，Max(pi)为第i列最大的像素值，Min(pi)为第i列最小的像素值；
和计算所述原始图像中每一列像素的标准差，具体为：
<mrow>
<msub>
<mover>
<mi>p</mi>
<mo>&OverBar;</mo>
</mover>
<mi>i</mi>
</msub>
<mo>=</mo>
<mrow>
<mo>(</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>m</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mi>M</mi>
</munderover>
<msub>
<mi>p</mi>
<mrow>
<mi>i</mi>
<mi>m</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mo>/</mo>
<mi>M</mi>
<mo>;</mo>
<msub>
<mi>&sigma;</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<msqrt>
<mrow>
<mo>(</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>m</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mi>M</mi>
</munderover>
<msup>
<mrow>
<mo>(</mo>
<mrow>
<msub>
<mi>p</mi>
<mrow>
<mi>i</mi>
<mi>m</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mover>
<mi>p</mi>
<mo>&OverBar;</mo>
</mover>
<mi>i</mi>
</msub>
</mrow>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>)</mo>
<mo>/</mo>
<mi>M</mi>
</mrow>
</msqrt>
<mo>;</mo>
</mrow>
其中，M为所述原始图像的总行数，pim为第m行第i列的像素；为第i列像素的均值，σi为第i列的标准差；
S32，计算所述每一列像素的标准差与所述灰度动态范围值的比值，得到每一列的归一化指数Ii；
所述阈值T按照以下方法计算：
<mrow>
<mi>T</mi>
<mo>=</mo>
<mn>3</mn>
<mo>*</mo>
<msqrt>
<mrow>
<mo>(</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>m</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>M</mi>
</munderover>
<msup>
<mrow>
<mo>(</mo>
<mrow>
<msub>
<mi>&Delta;I</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<mi>&Delta;</mi>
<mover>
<mi>I</mi>
<mo>&OverBar;</mo>
</mover>
</mrow>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>)</mo>
<mo>/</mo>
<mo>(</mo>
<mi>M</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</msqrt>
</mrow>
其中，为所述原始图像中所有列归一化差值的均值；M为所述原始图像的总行数；ΔIi为每一列归一化差值，每一列归一化差值指当前列与前一列归一化指数的差值；m为行数。
2.根据权利要求1所述一种推扫型光学遥感载荷原始图像坏线的自动检测方法，其特征在于，所述步骤S2中设定原始图像的初始有效列，具体按照以下方法实施：
从原始图像的第2列开始搜索，将每一列归一化差值的绝对值与阈值T比较，并将第一个不大于阈值T的列设定为初始有效列；所述每一列归一化差值指当前列与前一列归一化指数的差值，并记为ΔIi，ΔIi＝Ii-Ii-1，Ii为第i列的归一化指数，Ii-1为第i-1列的归一化指数。
3.一种推扫型光学遥感载荷原始图像坏线的自动检测系统，其特征在于，包括：
读取模块，用于读取待检测的原始图像；
设定及扫描模块，用于设定原始图像的初始有效列，并以所述初始有效列为参考列，同时向所述参考列的两边扫描；
计算及标记模块，用于计算扫描过程中当前列与所述参考列之间的归一化指数的差值，并将所述差值的绝对值与阈值T比较；若所述差值的绝对值大于阈值T，则标记所述当前列为无效列；否则标记所述当前列为有效列，并将当前列作为下一个比较过程的参考列，重复所述计算及标记模块执行的动作，直到标记完所有其他的列；
统计及计算模块，用于统计所有所述无效列的数量n，并将所述所有所述无效列的数量n与所述原始图像的总列数N的比值作为坏线率；其中所述计算及标记模块中每一列的归一化指数按照以下方法计算：
获取所述原始图像中每一列像素的最大值和最小值，并计算每一列像素的灰度动态范围值，具体为：
ri＝Max(pi)-Min(pi)
其中，pi为第i列的一个像素值，ri为第i列像素的灰度动态范围值，Max(pi)为第i列最大的像素值，Min(pi)为第i列最小的像素值；
和计算所述原始图像中每一列像素的标准差，具体为：
<mrow>
<msub>
<mover>
<mi>p</mi>
<mo>&OverBar;</mo>
</mover>
<mi>i</mi>
</msub>
<mo>=</mo>
<mrow>
<mo>(</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>m</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mi>M</mi>
</munderover>
<msub>
<mi>p</mi>
<mrow>
<mi>i</mi>
<mi>m</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mo>/</mo>
<mi>M</mi>
<mo>;</mo>
<msub>
<mi>&sigma;</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<msqrt>
<mrow>
<mo>(</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>m</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mi>M</mi>
</munderover>
<msup>
<mrow>
<mo>(</mo>
<mrow>
<msub>
<mi>p</mi>
<mrow>
<mi>i</mi>
<mi>m</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mover>
<mi>p</mi>
<mo>&OverBar;</mo>
</mover>
<mi>i</mi>
</msub>
</mrow>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>)</mo>
<mo>/</mo>
<mi>M</mi>
</mrow>
</msqrt>
<mo>;</mo>
</mrow>
其中，M为所述原始图像的总行数，pim为第m行第i列的像素；为第i列像素的均值，σi为第i列的标准差；
计算所述每一列像素的标准差与所述灰度动态范围值的比值，得到每一列的归一化指数Ii；
所述阈值T按照以下方法计算：
<mrow>
<mi>T</mi>
<mo>=</mo>
<mn>3</mn>
<mo>*</mo>
<msqrt>
<mrow>
<mo>(</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>m</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>M</mi>
</munderover>
<msup>
<mrow>
<mo>(</mo>
<mrow>
<msub>
<mi>&Delta;I</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<mi>&Delta;</mi>
<mover>
<mi>I</mi>
<mo>&OverBar;</mo>
</mover>
</mrow>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>)</mo>
<mo>/</mo>
<mo>(</mo>
<mi>M</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</msqrt>
</mrow>
其中，为所述原始图像中所有列归一化差值的均值；M为所述原始图像的总行数；ΔIi为每一列归一化差值，每一列归一化差值指当前列与前一列归一化指数的差值；m为行数。
4.根据权利要求3所述一种推扫型光学遥感载荷原始图像坏线的自动检测系统，其特征在于，所述设定及扫描模块和计算及标记模块中设定原始图像的初始有效列，具体按照以下方法实施：
从原始图像的第2列开始搜索，将每一列归一化差值的绝对值与阈值T比较，并将第一个不大于阈值T的列设定为初始有效列；所述每一列归一化差值指当前列与前一列之间的归一化指数的差值，并记为ΔIi，ΔIi＝Ii-Ii-1，Ii为第i列的归一化指数，Ii-1为第i-1列的归一化指数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610077960.7A CN105787925B (zh) | 2016-02-03 | 2016-02-03 | 推扫型光学遥感载荷原始图像坏线的自动检测方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610077960.7A CN105787925B (zh) | 2016-02-03 | 2016-02-03 | 推扫型光学遥感载荷原始图像坏线的自动检测方法和系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105787925A CN105787925A (zh) | 2016-07-20 |
| CN105787925B true CN105787925B (zh) | 2018-05-29 |
Family
ID=56403252
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610077960.7A Active CN105787925B (zh) | 2016-02-03 | 2016-02-03 | 推扫型光学遥感载荷原始图像坏线的自动检测方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105787925B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106651799B (zh) * | 2016-12-16 | 2019-05-28 | 东北林业大学 | 一种基于地物光谱属性的坏线修复方法 |
| CN109740410B (zh) * | 2018-11-07 | 2020-11-13 | 中国铁路总公司 | 一种无需预设模板的列车组故障识别方法及装置 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102663693A (zh) * | 2012-03-26 | 2012-09-12 | 航天恒星科技有限公司 | 一种基于最小二乘法的线阵推扫式影像自适应辐射校正方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010105193A (ja) * | 2008-10-28 | 2010-05-13 | Canon Inc | インクジェット記録ヘッド |
-
2016
- 2016-02-03 CN CN201610077960.7A patent/CN105787925B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102663693A (zh) * | 2012-03-26 | 2012-09-12 | 航天恒星科技有限公司 | 一种基于最小二乘法的线阵推扫式影像自适应辐射校正方法 |
Non-Patent Citations (2)
| Title |
|---|
| Hyperion高光谱影像的分析与处理;梁继等;《冰川冻土》;20090415;第31卷(第2期);第247-253页 * |
| Reflectance calibration and shadow effect of VNIS spectra acquired by the Yutu rover;Sen Hu等;《Research in Astronomy and Astrophysics》;20150915;第15卷(第9期);第1587-1596页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105787925A (zh) | 2016-07-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101403610B (zh) | 一种基于数字图像法测量皮革面积的系统及其方法 | |
| US6366870B2 (en) | Identification of features in indexed data and equipment therefore | |
| CN112818988B (zh) | 一种指针式仪表自动识别读数方法及系统 | |
| CN103389310B (zh) | 一种基于辐射标定的亚像素光学元件损伤在线检测方法 | |
| CN107220645A (zh) | 基于动态图像处理的水表识别方法 | |
| CN109655234B (zh) | 一种针对于相机的自动化测试方法 | |
| CN103093458B (zh) | 关键帧的检测方法及装置 | |
| CN102495068B (zh) | 大米垩白米在线检测方法 | |
| KR20090101356A (ko) | 결함 검출 장치 및 결함 검출 방법 | |
| CN110766095A (zh) | 基于图像灰度特征的缺陷检测方法 | |
| CN104729718A (zh) | 一种用于红外成像系统netd的处理系统及方法 | |
| CN107341824B (zh) | 一种图像配准的综合评价指标生成方法 | |
| CN105787925B (zh) | 推扫型光学遥感载荷原始图像坏线的自动检测方法和系统 | |
| CN109410175B (zh) | 基于多子区图像匹配的sar雷达成像质量快速自动评价方法 | |
| CN108564621A (zh) | 用于车辙检测的结构光光条中心提取方法及装置 | |
| CN106526651B (zh) | 一种探测器晶体位置表的建立方法及系统 | |
| CN104515473A (zh) | 一种漆包线直径的在线检测方法 | |
| CN103413319A (zh) | 一种工业摄像机参数现场标定方法 | |
| CN108827915B (zh) | 一种基于光电传感阵列测量折射率的亚像素位置获取方法 | |
| CN105279244B (zh) | 甘蔗种芽分类特征数据库的建立方法 | |
| CN110084795A (zh) | 一种基于本底的红外图像盲元检测方法及系统 | |
| CN103337080A (zh) | 基于梯度方向Hausdorff 距离的红外图像和可见光图像配准技术 | |
| CN106204531B (zh) | 一种同步检测彩色图像中噪点与边缘点的方法 | |
| CN103903258B (zh) | 基于次序统计量谱聚类的遥感图像变化检测方法 | |
| CN116380257A (zh) | 一种基于双重阈值的红外焦平面探测器闪元测试方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |