CN108090883B - 高光谱图像预处理方法、装置及电子设备 - Google Patents

高光谱图像预处理方法、装置及电子设备 Download PDF

Info

Publication number
CN108090883B
CN108090883B CN201810009247.8A CN201810009247A CN108090883B CN 108090883 B CN108090883 B CN 108090883B CN 201810009247 A CN201810009247 A CN 201810009247A CN 108090883 B CN108090883 B CN 108090883B
Authority
CN
China
Prior art keywords
hyperspectral
image
hyperspectral image
calibration
pixel 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.)
Active
Application number
CN201810009247.8A
Other languages
English (en)
Other versions
CN108090883A (zh
Inventor
万余庆
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Meihang Remote Sensing Information Co ltd
Aerial Photogrammetry and Remote Sensing Co Ltd
Original Assignee
Meihang Remote Sensing Information Co ltd
Aerial Photogrammetry and Remote Sensing Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Meihang Remote Sensing Information Co ltd, Aerial Photogrammetry and Remote Sensing Co Ltd filed Critical Meihang Remote Sensing Information Co ltd
Priority to CN201810009247.8A priority Critical patent/CN108090883B/zh
Publication of CN108090883A publication Critical patent/CN108090883A/zh
Application granted granted Critical
Publication of CN108090883B publication Critical patent/CN108090883B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/90—Dynamic range modification of images or parts thereof
    • 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
    • G06T2207/10036—Multispectral image; Hyperspectral image
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20024—Filtering details
    • 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
    • G06T2207/30181—Earth observation

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)

Abstract

本发明实施例提供一种高光谱图像预处理方法、装置及电子设备，涉及图像处理技术领域，该方法包括：获得多个待处理高光谱图像，根据多个待处理高光谱图像中行数最小的待处理高光谱图像对其它待处理高光谱图像进行修正，得到修正版高光谱图像，针对每个修正版高光谱图像，获得亮度和调整系数，根据亮度和调整系数对该修正版高光谱图像进行调整得到调整版高光谱图像。获得定标公式，根据定标公式对该调整版高光谱图像进行光谱定标处理得到光谱定标图像，获取该光谱定标图像的光谱反射率，根据所述光谱反射率对该光谱定标图像进行平滑处理，得到平滑高光谱图像。采用该方法、装置及电子设备，能解决图像的辐射畸变和光谱曲线失真的问题。

Description

高光谱图像预处理方法、装置及电子设备
技术领域
本发明涉及图像处理技术领域，具体而言，涉及一种高光谱图像预处理方法、装置及电子设备。
背景技术
目前常规的对无人机航测图像的处理技术大多存在不稳定性，使得处理之后的图像存在辐射畸变，光谱定标之后的光谱曲线严重失真。
发明内容
有鉴于此，本发明实施例的目的在于提供一种高光谱图像预处理方法、装置及电子设备，以解决现有技术对图像处理之后存在辐射畸变和导致光谱曲线失真的问题。
本发明实施例提供了一种高光谱图像预处理方法，所述方法包括：
获得多个待处理高光谱图像，各所述待处理高光谱图像包括反映图像尺寸的行数；
查找出所述多个待处理高光谱图像中行数最小的待处理高光谱图像，将该待处理高光谱图像作为基准图像，根据该基准图像的最小行数对所述多个待处理高光谱图像中的其余待处理高光谱图像进行修正，将修正之后的待处理高光谱图像和所述基准图像作为修正版高光谱图像；
针对每个修正版高光谱图像，获得该修正版高光谱图像的亮度和调整系数，根据所述调整系数对该修正版高光谱图像的亮度进行调整，得到调整版高光谱图像；
获得定标公式，针对每个调整版高光谱图像，采用所述定标公式对该调整版高光谱图像进行光谱定标处理，得到光谱定标图像；
针对每个光谱定标图像，获取该光谱定标图像的光谱反射率，根据所述光谱反射率对该光谱定标图像进行平滑处理，得到平滑高光谱图像。
可选地，根据该基准图像的最小行数对所述多个待处理高光谱图像进行修正的步骤，包括：
针对所述多个待处理高光谱图像中的其余待处理高光谱图像中的每个待处理高光谱图像，根据最小行数对该待处理高光谱图像的行数进行剔除处理，使经过剔除处理的该待处理高光谱图像的行数与所述最小行数一致。
可选地，各所述待处理高光谱图像还包括多个波段数，所述各波段数包括多个像元值，所述各像元值包括对应的亮度，针对每个修正版高光谱图像，获得该修正版高光谱图像的亮度和调整系数，根据调整系数对该修正版高光谱图像的亮度进行调整，得到调整版高光谱图像的步骤，包括：
获得该修正版高光谱图像的所有波段数中每个波段数的亮度，计算所有波段数的亮度的平均值；
根据所述平均值计算得到该修正版影像的调整系数；
根据所述调整系数对该修正版高光谱图像的每个波段中的每个像元值所对应的亮度进行调整，得到调整版高光谱图像。
可选地，根据所述调整系数对该修正版高光谱图像的每个波段中的每个像元值所对应的亮度进行调整，得到调整版高光谱图像的步骤，包括：
采用调整公式对该修正版高光谱图像的每个波段中的每个像元值所对应的亮度进行调整，得到调整版高光谱图像，所述调整公式为：
ak(i,j)＝bk(i,j)×t(i,j)
其中，
i为该修正版高光谱图像的列数，i的取值范围为1到列数设定值；
j为该修正版高光谱图像的行数，j的取值范围为1到行数设定值；
k为波段数，k的取值范围为1到波段数设定值；
ak(i,j)为调整过亮度的像元值；
bk(i,j)为未调整过亮度的像元值；
t(i,j)为调整系数，t(i,j)通过所述平均值计算得到。
可选地，所述定标公式通过以下步骤获得：
获得白板定标值和黑板定标值；
根据所述白板定标值和所述黑板定标值计算得到定标公式；
所述定标公式为：
R k(i,j)＝(ak(i,j)-dbk)/(dwk-dbk)
其中，
dwk为第k波段对应的白板定标值；
dbk为第k波段对应的黑板定标值。
可选地，针对每个光谱定标图像，获取该光谱定标图像的光谱反射率，根据所述光谱反射率对该光谱定标图像进行平滑处理，得到平滑高光谱图像的步骤，包括：
获得该光谱定标图像的每个像元值在每个波段数中的光谱反射率；根据所述多个光谱反射率和所述多个波段数获得该像元值的光谱曲线；
根据所述光谱曲线对该像元值进行滤波处理；
计算滤波处理后的像元值和滤波处理前的像元值的差值，若该差值不超过预设值，将滤波处理前的像元值作为平滑像元值，将该平滑像元值对应的光谱定标图像作为平滑高光谱图像；若该差值超过预设值，将滤波处理后的像元值作为平滑像元值，将该平滑像元值对应的光谱定标图像作为平滑高光谱图像。
可选地，所述方法还包括：
针对所述光谱曲线，查找出该光谱曲线中信噪比低于预设标准值的波段范围，对该波段范围内的每个像元值进行滤波处理；
计算滤波处理后的像元值和滤波处理前的像元值的差值，若该差值不超过预设值，将滤波处理前的像元值作为平滑像元值，将该平滑像元值对应的波段范围作为平滑处理后的波段范围，将该平滑处理后的波段范围对应的光谱定标图像作为平滑高光谱图像；若该差值超过预设值，将滤波处理后的像元值作为平滑像元值，将该平滑像元值对应的波段范围作为平滑处理后的波段范围，将该平滑处理后的波段范围对应的光谱定标图像作为平滑高光谱图像。
本发明实施例还提供了一种高光谱图像预处理装置，所述高光谱图像预处理装置包括：
获取模块，用于获得多个待处理高光谱图像，各所述待处理高光谱图像包括行数；
行数修正模块，用于查找出所述多个待处理高光谱图像中行数最小的待处理高光谱图像，将该待处理高光谱图像作为基准图像，根据该基准图像的最小行数对所述多个待处理高光谱图像中的其余待处理高光谱图像进行修正，将修正之后的待处理高光谱图像和所述基准图像作为修正版高光谱图像；
亮度调整模块，用于针对每个修正版高光谱图像，获得该修正版高光谱图像的亮度和调整系数，根据所述调整系数对该修正版高光谱图像的亮度进行调整，得到调整版高光谱图像；
光谱定标模块，用于获得定标公式，针对每个调整版高光谱图像，采用所述定标公式对该调整版高光谱图像进行光谱定标处理，得到光谱定标图像；
平滑处理模块，用于针对每个光谱定标图像，获取该光谱定标图像的光谱反射率，根据所述光谱反射率对该光谱定标图像进行平滑处理，得到平滑高光谱图像。
本发明实施例还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述高光谱图像预处理方法。
本发明实施例还提供了一种计算机可读存储介质，所述可读存储介质包括计算机程序，所述计算机程序运行时控制所述可读存储介质所在电子设备执行上述高光谱图像预处理方法。
本发明实施例提供的高光谱图像预处理方法、装置及电子设备能根据调整系数对图像的亮度进行调整，保证了每张图的总体亮度一致。对光谱定标后的图像进行平滑处理，能对光谱曲线失真的部分进行修正，进而减少失真和辐射畸变。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本发明较佳实施例提供的一种电子设备10的方框示意图。
图2为本发明较佳实施例提供的一种高光谱图像预处理方法的流程图。
图3为一实施方式中图2所示步骤S22包括的另一子步骤的示意图。
图4为一实施方式中图4所示步骤S24包括的另一子步骤的示意图。
图5为本发明实施例所提供的一种高光谱图像预处理装置20的模块框图。
图标：10-电子设备；11-存储器；12-处理器；13-网络模块；20-高光谱图像预处理装置；21-获取模块；22-行数修正模块；23-亮度调整模块；24-光谱定标模块；25-平滑处理模块。
具体实施方式
经研究发现，目前常规的对无人机航测获得的图像进行处理的软件，如ENVI、PCI、ERDAS等，在图像的辐射校正方面的功能模块，只针对参见的国内外陆地卫星影像，没有针对国产新型旋翼无人机载高光谱传感器的选项，所以不能解决此类传感器获取的光谱图像上出现的辐射畸变问题，在进行图像处理后，光谱曲线的形态严重偏离实际光谱。
基于上述研究，本发明实施例提供了一种能够对无人机航测获得的高光谱图像进行畸变处理和平滑处理的方法。
下面将结合本发明实施例中附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
如图1所示，是本发明较佳实施例提供的电子设备10的方框示意图。本发明实施例中的电子设备10可以为具有数据存储、传输、处理功能的服务端。如图1所示，电子设备10包括：存储器11、处理器12、网络模块13及高光谱图像预处理装置20。
所述存储器11、处理器12以及网络模块13相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。存储器11中存储有高光谱图像预处理装置20，所述高光谱图像预处理装置20包括至少一个可以软件或固件(firmware)的形式存储于所述存储器11中的软件功能模块，所述处理器12通过运行存储在存储器11内的软件程序以及模块，如本发明实施例中的高光谱图像预处理装置20，从而执行各种功能应用以及数据处理，即实现本发明实施例中的视频点播方法。
其中，所述存储器11可以是，但不限于，随机存取存储器(Random Access Memory，RAM)，只读存储器(Read Only Memory，ROM)，可编程只读存储器(Programmable Read-OnlyMemory，PROM)，可擦除只读存储器(Erasable Programmable Read-Only Memory，EPROM)，电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory，EEPROM)等。其中，存储器11用于存储程序，所述处理器12在接收到执行指令后，执行所述程序。
所述处理器12可能是一种集成电路芯片，具有数据的处理能力。上述的处理器12可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等。可以实现或者执行本发明实施例中公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
网络模块13用于通过网络建立电子设备10与其他通信终端之间的通信连接，实现网络信号及数据的收发操作。上述网络信号可包括无线信号或者有线信号。
可以理解，图1所示的结构仅为示意，电子设备10还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。图1中所示的各组件可以采用硬件、软件或其组合实现。
本发明实施例还提供一种计算机可读存储介质，所述可读存储介质包括计算机程序。所述计算机程序运行时控制所述可读存储介质所在电子设备10执行下面的高光谱图像预处理方法。
请参阅图2，是本发明较佳实施例提供的一种高光谱图像预处理方法的流程图。所述方法有关的流程所定义的方法步骤应用于电子设备10，可以由所述处理器12实现。下面将对图2所示的具体流程进行详细阐述。
步骤S21，获得多个待处理高光谱图像，对各待处理高光谱图像的统一性进行处理，得到多个修正版高光谱图像。
在本实施例中，由于人工控制的旋翼无人机光谱成像，在图像采集过程中，图像行数不一致，因此需要对每次航测获取的多个待处理高光谱图像的行数进行调整，便于后续的统计分析，为后续的图像亮度的统计和调整做准备。
可选地，针对n个待处理高光谱图像，查找出n各待处理高光谱图像中行数最小的待处理高光谱图像，将该最小行数作为标准，例如，最小行数为1023，将1023作为标准。将其他待处理高光谱图像的上下边缘各剔除等量的行数，使各个待处理高光谱图像的行数都为1023。由于图像分幅之间存在较大的重叠度，此过程实际只是去除了极少数的重叠区影像条带，不会造成图像的缺失。
步骤S22，针对每个修正版高光谱图像，获得该修正版高光谱图像的亮度和调整系数，根据调整系数对该修正版高光谱图像的亮度进行调整，得到调整版高光谱图像。
请结合参阅图3，本实施例中通过步骤S221、步骤S222和步骤S223列举了步骤S22的其中一种实现方式。
步骤S221，获得该修正版高光谱图像的所有波段数中的每个波段数的亮度，计算所有波段数的亮度的平均值。
在本实施例中，各待处理高光谱图像包括多个波段数，各波段数包括多个像元值，各像元值包括对应的亮度。经过步骤S21的处理后，各修正版高光谱图像的波段数、像元值和亮度没有改变。
例如，每个修正版高光谱图像可以包括176个波段，每个波段可以包括960*1023个像元值，每个像元值包括对应的亮度。
计算176个波段的亮度的平均值M，计算176个波段的总体亮度图像p(i,j)。
步骤S222，根据所述平均值计算得到该修正版影像的调整系数。
根据平均值M，计算调整系数t(i,j)，计算公式如下：
t(i,j)＝M/p(i,j)
其中，
t(i,j)为调整系数；
i为列数，在本实施例中，i的取值范围可以是[0,959]；
j为行数，在本实施例中，j的取值范围可以是[0,1022]。
步骤S223，根据所述调整系数对该修正版高光谱图像的每个波段中的每个像元值所对应的亮度进行调整，得到调整版高光谱图像。
根据调整系数，采用调整公式对该修正版高光谱图像的每个波段中的每个像元值所对应的亮度进行调整，得到调整版高光谱图像，调整公式为：
ak(i,j)＝bk(i,j)×t(i,j)
其中，
k为波段数，在本实施例中，k的取值范围可以是[0,175]；
ak(i,j)为调整过的像元值；
bk(i,j)为未调整过的像元值。
通过上述公式，可以获得每个波段下的每个像元值经过亮度调整过后的像元值ak(i,j)。
步骤S23，获得定标公式，针对每个调整版高光谱图像，采用所述定标公式对该调整版高光谱图像进行光谱定标处理，得到光谱定标图像。
遥感成像时，需要测定白板的反射辐射强度，这种辐射来自于被白板反射的太阳辐射，还需要测定黑板辐射强度，以便进行光谱定标处理。
在本实施例中，可以采用双利合谱的V10成像光谱仪在定标测试过程中产生两个文件，*.wcor和*.dcor，这两个文件分别对应白板和黑板的定标记录，根据定标记录可以得到定标公式如下所示：
Rk(i,j)＝(ak(i,j)-dbk)/(dWk-dbk)
其中，
dWk为第k波段对应的白板定标值；
dbk为第k波段对应的黑板定标值；
Rk(i,j)为光谱定标之后的像元值。
通过上述公式，可以对经过亮度调整的像元值进行光谱定标处理，得到Rk(i,j)。
在本实施例中，Rk(i,j)的结果是浮点型数据，理论值介于0.0～1.0之间，为便于分析，可以将Rk(i,j)放大10000倍，以整形方式记录。
步骤S24，针对每个光谱定标图像，获取该光谱定标图像的光谱反射率，根据所述光谱反射率对该光谱定标图像进行平滑处理，得到平滑高光谱图像。
请结合参阅图4，本实施例中通过步骤S241和步骤S242列举了步骤S24的其中一种实现方式。
步骤S241，获得该光谱定标图像的每个像元值在每个波段数中的光谱反射率，根据所述多个光谱反射率和所述多个波段数获得该像元值的光谱曲线。
在本实施例中，每个像元值在每个波段数中的光谱反射率可以作为纵坐标，波段数可以作为横坐标，根据横、纵坐标可以得到该像元值的光谱曲线。
步骤S242，根据所述光谱曲线对该像元值进行滤波处理。
在本实施例中，对像元值进行滤波处理的公式如下：
MRk(i,j)＝mean(Rk(i,j)，N)
其中，
MRk(i,j)为滤波之后的像元值；
Rk(i,j)为光谱定标之后的像元值，可以理解为滤波之前的像元值；
N为均值滤波的核大小，在本实施例中N的取值可以为7；
mean(,)为中值滤波计算函数。
通过上述公式，可以对光谱定标后的像元值Rk(i,j)进行滤波处理，得到滤波之后的像元值MRk(i,j)。
进一步地，计算各像点在每个波段的像元值滤波前后的差值Δk(i,j)，若差值Δk(i,j)不超过预设值D，则保持滤波前的像元值不变，若差值Δk(i,j)超过预设值D时，将滤波前的像元值替换为滤波后的像元值，如此判别的意义在于保留某些细微的变化。
例如，判定过程如下：
Δk(i,j)＝Rk(i,j)-MRk(i,j)
if(Δk(i,j)≥D)，then Rk(i,j)＝MRk(i,j)
可选地，可针对某一光谱曲线，查找出该光谱曲线中信噪比低于预设标准值的波段范围，对该波段范围内的每个像元值进行上述的滤波处理。
例如，分析某一光谱曲线，查找出波长介于400～500nm、700～1000nm之间的光谱曲线信噪比低于预设标准值，则对波长介于400～500nm、700～1000nm之间的光谱曲线对应的像元值进行滤波处理，又例如，判定过程如下：
if(Δk(i,j)≥D)and(k≤k1or k≥k2)
then Rk(i,j)＝MRk(i,j)
其中，k1和k2为波长小于500nm和大于700nm处对应的波段序号，预设标准值根据实际需求设置。
如此设置，根据波长范围和变化幅度有限制的调整，既能有效地平滑信噪比低的区间的曲线，又能保留信噪比高的区间的光谱细节特征。
在上述基础上，如图5所示，本发明实施例提供了一种高光谱图像预处理装置20，所述高光谱图像预处理装置20包括获取模块21、行数修正模块22、亮度调整模块23、光谱定标模块24和平滑处理模块25。
获取模块21，用于获得多个待处理高光谱图像，各所述待处理高光谱图像包括行数。
由于获取21和图2中步骤S21的实现原理类似，因此在此不作更多说明。
行数修正模块22，用于查找出所述多个待处理高光谱图像中行数最小的待处理高光谱图像，将该待处理高光谱图像作为基准图像，根据该基准图像的最小行数对所述多个待处理高光谱图像进行修正，将修正之后的待处理高光谱图像和所述基准图像作为修正版高光谱图像。
由于行数修正模块22和图2中步骤S21的实现原理类似，因此在此不作更多说明。
亮度调整模块23，用于针对每个修正版高光谱图像，获得该修正版高光谱图像的亮度和调整系数，根据所述调整系数对该修正版高光谱图像的亮度进行调整，得到调整版高光谱图像。
由于亮度调整模块23和图2中步骤S22的实现原理类似，因此在此不作更多说明。
光谱定标模块24，用于获得定标公式，针对每个调整版高光谱图像，采用所述定标公式对该调整版高光谱图像进行光谱定标处理，得到光谱定标图像。
由于光谱定标模块24和图2中步骤S23的实现原理类似，因此在此不作更多说明。
平滑处理模块25，用于针对每个光谱定标图像，获取该光谱定标图像的光谱反射率，根据所述光谱反射率对该光谱定标图像进行平滑处理，得到平滑高光谱图像。
由于平滑处理模块25和图2中步骤S24的实现原理类似，因此在此不作更多说明。
本发明实施例中的高光谱图像预处理方法、装置及电子设备，会对每张待处理高光谱图像在每个波段下的像元值进行亮度调整，基于大量高光谱图像的统计，分析传感器在推扫过程中出现的调整系数的变化趋势，作出对应的调整，保障的各个波段的总体亮度一致。对光谱定标后的图像进行平滑处理，根据波长范围和变化幅度进行灵活调整，既能有效的平滑信噪比低的区间的噪音，又能保留信噪比高的区间的光谱细节特征，解决了辐射畸变和光谱定标之后的光谱曲线失真的问题。
在本发明实施例所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置和方法实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，电子设备10，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本发明的可选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。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 (10)

1.一种高光谱图像预处理方法，其特征在于，所述方法包括：
获得多个待处理高光谱图像，各所述待处理高光谱图像包括反映图像尺寸的行数；
查找出多个所述待处理高光谱图像中行数最小的待处理高光谱图像，将该待处理高光谱图像作为基准图像，根据该基准图像的最小行数对多个所述待处理高光谱图像进行修正，将修正之后的待处理高光谱图像和所述基准图像作为修正版高光谱图像；
针对每个修正版高光谱图像，获得该修正版高光谱图像的亮度和调整系数，根据所述调整系数对该修正版高光谱图像的亮度进行调整，得到调整版高光谱图像；
获得定标公式，针对每个调整版高光谱图像，采用所述定标公式对该调整版高光谱图像进行光谱定标处理，得到光谱定标图像；
针对每个光谱定标图像，获取该光谱定标图像的光谱反射率，根据所述光谱反射率对该光谱定标图像进行平滑处理，得到平滑高光谱图像。
2.根据权利要求1所述的高光谱图像预处理方法，其特征在于，根据该基准图像的最小行数对多个所述待处理高光谱图像进行修正的步骤，包括：
针对多个所述待处理高光谱图像中的每个待处理高光谱图像，根据最小行数对该待处理高光谱图像的行数进行剔除处理，使经过剔除处理的该待处理高光谱图像的行数与所述最小行数一致。
3.根据权利要求1所述的高光谱图像预处理方法，其特征在于，各所述待处理高光谱图像还包括多个波段数，各所述波段数包括多个像元值，各所述像元值包括对应的亮度，针对每个修正版高光谱图像，获得该修正版高光谱图像的亮度和调整系数，根据所述调整系数对该修正版高光谱图像的亮度进行调整，得到调整版高光谱图像的步骤，包括：
获得该修正版高光谱图像的所有波段数中每个波段数的亮度，计算所有波段数的亮度的平均值；
根据所述平均值计算得到该修正版影像的调整系数；
根据所述调整系数对该修正版高光谱图像的每个波段中的每个像元值所对应的亮度进行调整，得到调整版高光谱图像。
4.根据权利要求3所述的高光谱图像预处理方法，其特征在于，根据所述调整系数对该修正版高光谱图像的每个波段中的每个像元值所对应的亮度进行调整，得到调整版高光谱图像的步骤，包括：
采用调整公式对该修正版高光谱图像的每个波段中的每个像元值所对应的亮度进行调整，得到调整版高光谱图像，所述调整公式为：
ak(i,j)＝bk(i,j)×t(i,j)
其中，
i为该修正版高光谱图像的列数，i的取值范围为1到列数设定值；
j为该修正版高光谱图像的行数，j的取值范围为1到行数设定值；
k为波段数，k的取值范围为1到波段数设定值；
ak(i,j)为调整过亮度的像元值；
bk(i,j)为未调整过亮度的像元值；
t(i,j)为调整系数，t(i,j)通过所述平均值计算得到。
5.根据权利要求1所述的高光谱图像预处理方法，其特征在于，所述定标公式通过以下步骤获得：
获得白板定标值和黑板定标值；
根据所述白板定标值和所述黑板定标值计算得到定标公式；
所述定标公式为：
Rk(i,j)＝(ak(i,j)-dbk)/(dwk-dbk)
其中，
dwk为第k波段对应的白板定标值；
dbk为第k波段对应的黑板定标值。
6.根据权利要求3所述的高光谱图像预处理方法，其特征在于，针对每个光谱定标图像，获取该光谱定标图像的光谱反射率，根据所述光谱反射率对该光谱定标图像进行平滑处理，得到平滑高光谱图像的步骤，包括：
获得该光谱定标图像的每个像元值在每个波段数中的光谱反射率；根据多个所述光谱反射率和多个所述波段数获得该像元值的光谱曲线；
根据所述光谱曲线对该像元值进行滤波处理；
计算滤波处理后的像元值和滤波处理前的像元值的差值，若该差值不超过预设值，将滤波处理前的像元值作为平滑像元值，将该平滑像元值对应的光谱定标图像作为平滑高光谱图像；若该差值超过预设值，将滤波处理后的像元值作为平滑像元值，将该平滑像元值对应的光谱定标图像作为平滑高光谱图像。
7.根据权利要求6所述的高光谱图像预处理方法，其特征在于，所述方法还包括：
针对所述光谱曲线，查找出该光谱曲线中信噪比低于预设标准值的波段范围，对该波段范围内的每个像元值进行滤波处理；
计算滤波处理后的像元值和滤波处理前的像元值的差值，若该差值不超过预设值，将滤波处理前的像元值作为平滑像元值，将该平滑像元值对应的波段范围作为平滑处理后的波段范围，将该平滑处理后的波段范围对应的光谱定标图像作为平滑高光谱图像；若该差值超过预设值，将滤波处理后的像元值作为平滑像元值，将该平滑像元值对应的波段范围作为平滑处理后的波段范围，将该平滑处理后的波段范围对应的光谱定标图像作为平滑高光谱图像。
8.一种高光谱图像预处理装置，其特征在于，所述高光谱图像预处理装置包括：
获取模块，用于获得多个待处理高光谱图像，各所述待处理高光谱图像包括行数；
行数修正模块，用于查找出多个所述待处理高光谱图像中行数最小的待处理高光谱图像，将该待处理高光谱图像作为基准图像，根据该基准图像的最小行数对多个所述待处理高光谱图像中的其余待处理高光谱图像进行修正，将修正之后的待处理高光谱图像和所述基准图像作为修正版高光谱图像；
亮度调整模块，用于针对每个修正版高光谱图像，获得该修正版高光谱图像的亮度和调整系数，根据所述调整系数对该修正版高光谱图像的亮度进行调整，得到调整版高光谱图像；
光谱定标模块，用于获得定标公式，针对每个调整版高光谱图像，采用所述定标公式对该调整版高光谱图像进行光谱定标处理，得到光谱定标图像；
平滑处理模块，用于针对每个光谱定标图像，获取该光谱定标图像的光谱反射率，根据所述光谱反射率对该光谱定标图像进行平滑处理，得到平滑高光谱图像。
9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1～7任一项所述的高光谱图像预处理方法。
10.一种计算机可读存储介质，其特征在于，所述可读存储介质包括计算机程序，所述计算机程序运行时控制所述可读存储介质所在电子设备执行权利要求1～7任一项所述的高光谱图像预处理方法。
CN201810009247.8A 2018-01-04 2018-01-04 高光谱图像预处理方法、装置及电子设备 Active CN108090883B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810009247.8A CN108090883B (zh) 2018-01-04 2018-01-04 高光谱图像预处理方法、装置及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810009247.8A CN108090883B (zh) 2018-01-04 2018-01-04 高光谱图像预处理方法、装置及电子设备

Publications (2)

Publication Number Publication Date
CN108090883A CN108090883A (zh) 2018-05-29
CN108090883B true CN108090883B (zh) 2020-05-05

Family

ID=62179946

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810009247.8A Active CN108090883B (zh) 2018-01-04 2018-01-04 高光谱图像预处理方法、装置及电子设备

Country Status (1)

Country Link
CN (1) CN108090883B (zh)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111489315B (zh) * 2020-04-17 2023-04-28 南京智谱科技有限公司 一种光谱波段位置校正方法、装置及计算设备
CN113567390A (zh) * 2021-06-24 2021-10-29 贵州省茶叶研究所 一种基于近红外光谱技术审评红茶的方法及系统
CN113450281A (zh) * 2021-07-09 2021-09-28 浙江省农业科学院 一种基于光电技术的黄瓜果型识别系统
CN113658063B (zh) * 2021-07-28 2023-05-26 中国科学院西安光学精密机械研究所 一种用于aotf型光谱成像仪的自动数据修正方法及系统
CN113887543B (zh) * 2021-12-07 2022-03-18 深圳市海谱纳米光学科技有限公司 一种基于高光谱特征的箱包鉴伪方法与光谱采集装置
CN114399641A (zh) * 2021-12-21 2022-04-26 北京微纳星空科技有限公司 高光谱图像处理方法、装置、系统、电子设备及存储介质
CN114666523B (zh) * 2022-03-30 2023-10-27 湖南格为科技有限公司 一种可自动适应人眼亮度节能液晶电视
CN117252875B (zh) * 2023-11-17 2024-02-09 山东大学 基于高光谱图像的医疗图像处理方法、系统、介质及设备
CN117474815B (zh) * 2023-12-25 2024-03-19 山东大学 一种高光谱图像校准方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101599173A (zh) * 2009-07-24 2009-12-09 武汉大学 一种卫星或航空遥感影像的辐射校正方法
CN105160631A (zh) * 2015-07-02 2015-12-16 山东大学 一种求辐射校正系数的方法
CN106918816A (zh) * 2017-03-21 2017-07-04 中国科学院遥感与数字地球研究所 农作物长势监测系统及其数据处理方法和模块

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7337065B2 (en) * 2001-01-23 2008-02-26 Spectral Sciences, Inc. Methods for atmospheric correction of solar-wavelength hyperspectral imagery over land
US20140240477A1 (en) * 2013-02-26 2014-08-28 Qualcomm Incorporated Multi-spectral imaging system for shadow detection and attenuation

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101599173A (zh) * 2009-07-24 2009-12-09 武汉大学 一种卫星或航空遥感影像的辐射校正方法
CN105160631A (zh) * 2015-07-02 2015-12-16 山东大学 一种求辐射校正系数的方法
CN106918816A (zh) * 2017-03-21 2017-07-04 中国科学院遥感与数字地球研究所 农作物长势监测系统及其数据处理方法和模块

Also Published As

Publication number Publication date
CN108090883A (zh) 2018-05-29

Similar Documents

Publication Publication Date Title
CN108090883B (zh) 高光谱图像预处理方法、装置及电子设备
Acito et al. Subspace-based striping noise reduction in hyperspectral images
US9742960B2 (en) Color correction system and method
EP1781043B1 (en) Image processor and computer program product
US20160275682A1 (en) Machine vision image sensor calibration
CN107727231B (zh) 一种对光谱成像仪条带噪声进行修正的方法
US10148926B2 (en) Imaging apparatus and image processing method of thereof
US7522782B2 (en) Digital image denoising
CA2877547C (en) System and method for residual analysis of images
EP1315367A2 (en) Method and system for improving color images
CN101980521B (zh) 一种图像锐化方法以及相关装置
EP2462558B1 (en) Image processing apparatus, image processing method, and computer program
US20110085729A1 (en) De-noising method and related apparatus for image sensor
CN103873740A (zh) 图像处理装置及信息处理方法
CN116468958B (zh) 通信铁塔安全检测方法及系统
US20080025630A1 (en) Adaptive noise filtering for reducing imager noise in digital image applications
CN111310571A (zh) 一种基于空谱维滤波的高光谱图像分类方法及装置
CN111507939A (zh) 一种水果外部缺陷类型的检测方法、装置和终端
US10750135B2 (en) Hardware-friendly model-based filtering system for image restoration
CN109360167B (zh) 一种红外图像校正方法、装置及存储介质
US20080144056A1 (en) Color metric for halo artifacts
US20100183235A1 (en) Method and apparatus for designing restoration filter, and method and apparatus for restoring image using the restoration filter
US9552628B2 (en) Image processor
CN116385370A (zh) 鱼眼图像处理方法、装置、电子设备和存储介质
US12045948B2 (en) Image processing method and system

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant