CN108470325B - 一种面阵凝视红外遥感图像时空三维噪声识别及补偿方法 - Google Patents

Abstract

本发明提供了一种面阵凝视红外遥感图像时空三维噪声识别及补偿方法。该方法针对面阵凝视红外图像中行轴、列轴和时间轴产生的非稳定型三维噪声，实现准确的噪声定位及补偿处理。该方法通过样本选择、空间滤波、噪声初选、噪声定位文件制作、噪声补偿5个过程实现，具有不依赖黑体定标信息、噪声定位精确、仅处理噪声像元而不损失图像信息的特点。本发明克服了目前噪声滤波方法应用于具有时空三维非稳定噪声的面阵红外遥感图像序列时计算量大、易造成图像信息损失等缺点，可应用于红外图像在轨处理、质量改善等领域，也有助于提高面阵红外图像几何匹配精度。

Description

一种面阵凝视红外遥感图像时空三维噪声识别及补偿方法

技术领域

本发明涉及一种高轨面阵凝视红外遥感图像时空三维噪声识别及补偿方法，用于改善凝视型面阵红外遥感图像质量，属于遥感图像处理技术领域。

背景技术

由于红外焦平面阵列探测器生产工艺和材料的缺陷，部分阵列元可能失效，导致对红外辐射的响应明显偏离正常值。随着红外成像系统的更新换代，探测器、信号传输和处理系统高度集成在一起，探测器噪声和信号处理噪声复合在一起变得更为复杂，它会随地物目标环境以及时间产生变化，形成三维噪声(图像行轴、列轴以及时间轴)。对于面阵红外图像，某噪声像素在亮背景下可表现为黑点，但在暗背景下可能表现为亮点，也可能在常规背景下表现为类似正常像元，这一情况在高轨凝视红外图像中尤为突出。

当前国内外已发展出多种探测器噪声检测和补偿方法，包括时域、频域和空间补偿法。时域补偿法主要利用序列图像各帧之间的相关性来获取补偿信息，逐像素在时间轴上进行统计，适合基于静态目标连续成像图像的处理，易受图像配准精度影响，且如果图像像素较大，连续观测样本较多，每个像素单独分析将导致计算量将指数级增长，不适合高轨红外图像大面积连续观测地表现象及其变化需求。空域和频域补偿主要对单帧图像内部像素异常信息进行修正，涵盖频域或空域多种滤波算子，如中值滤波、领域滤波以及自适应滤波等，此类平滑滤波方法容易模糊图像的细节。对于连续成像的高轨面阵凝视红外图像序列而言，需要对每帧图像做单独的统计分析、人工阈值设定工作，计算效率较低，实用性较差。

传统图像处理在直接应用于高轨遥感数据噪声补偿过程中，或造成信息损失，或难满足遥感大量数据计算效率的需求，不利于探测器性能的发挥。

发明内容

本发明的技术解决问题是：克服现有技术的不足，专门针对高轨凝视面阵红外遥感图像的探测器提供一种高轨面阵凝视红外遥感图像时空三维噪声识别及补偿方法，提升高轨面阵红外遥感图像的数据质量及其信息产品品质，促进应用水平，提升应用效能。

本发明的技术解决方案为：一种面阵凝视红外遥感图像时空三维噪声识别及补偿方法，该方法包括如下步骤：

(1)、随机选取不同时相或不同区域的N幅面阵凝视红外遥感图像x_i,(i∈[1,N])，形成噪声分析图像样本集X＝{x₁,x₂,…x_N}；

(2)、对噪声分析图像样本集X中的每一幅图像x_i,(i∈[1,N])进行滤波，得到滤波后的图像y_i,(i∈[1,N])；

(3)、将噪声分析图像样本集每一幅图像x_i,(i∈[1,N])与其滤波后的图像y_i,(i∈[1,N])各像素位置的像素值作差，统计同一像素位置像素差为非零值的次数，将非零值出现次数大于预设门限v的像素位置判定为三维噪声所在位置；

(4)、根据噪声所在位置，生成图像掩膜M，利用图像掩膜M对待补偿的面阵凝视红外遥感图像I进行掩膜处理；

(5)、对掩膜处理后的面阵凝视红外遥感图像I中的噪声像素进行补偿。

所述步骤(1)选取的面阵凝视红外遥感图像为经过系统辐射校正之后的图像。

所述步骤(1)中不同时相或不同区域的定义具体如下：

不同时相：面阵红外图像x_i与x_i+1成像时间相隔一个小时以上；

不同区域：面阵红外图像x_i与x_i+1的重叠度低于10％。

所述N大于等于30。

所述滤波方法为自适应箱滤波法。

统计同一像素位置像素差为非零值的次数的方法为：

图像样本集每一幅图像x_i,(i∈[1,N])与其滤波后的图像y_i,(i∈[1,N])各像素位置的像素值作差，将各差值图像中的非零值赋值为1，其它像元赋值为0，形成二值图像序列T＝{t₁,t₂,…t_N}，将二值图像序列T中各图像同一位置像素值相加，形成图像f，即得到同一像素位置像素差为非零值的次数。

所述预设门限v设为图像f的标准差η的三倍。

所述步骤(5)的一种具体实现方式为：对噪声像素周围的8像元像素值进行分析，统计南-北、东-西、东南-西北、西南-东北4个方向上像素值的梯度变化，选择梯度变化最大的方向，取此方向上与噪声像素相相邻的两个像素的像素值中值作为噪声补偿值。

所述步骤(5)的另一种具体实现方式为：直接取噪声像元周围8个像元的像素值均值作为补偿值。

本发明与现有技术相比的有益效果是：

(1)本发明仅利用部分样本数据实现对随时间、目标环境等随机变化的非稳定噪声快速定位，不必对待处理图像进行单独的统计分析或阈值设定，可自动完成红外遥感图像时空三维噪声的补偿，减少了用户输入错误，提高了大批量高轨凝视时序遥感数据处理的精度和便捷性。

(2)、本发明针对高轨面阵凝视红外遥感图像，利用不同时相、不同区域的样本数据进行处理，不依赖星上黑体定标信息，无需在轨卫星为图像定标增加额外任务，减轻在星上定标负担；

(3)、本发明采用趋势外推理论，认为正常的目标像素点灰度值与邻域像素都有很强的相关性，是一种渐进式的变化，通过对高轨红外遥感系统所获取的多幅图像的行轴、列轴和时间轴信息进行统计，定位跳跃式的变化，并对出现次数频繁的定义为三维噪声，该方法对三维噪声定位准确；

(4)、本发明不同于常用的噪声滤波算法对图像中的信号和噪声均有所改变，仅对噪声像元进行处理，并考虑了不同方向上的灰度梯度特征，实现对噪声像元的精确补偿的同时，保留了图像原有信息；

(5)本发明一旦利用样本数据建立起噪声定位文件之后，短时间内，再无需对待处理图像进行统计分析，也无需人工干预设定阈值参数，计算简便，适合高轨凝视面阵红外成像产生的大规模时序数据的快速批量处理。

附图说明

图1为本发明主要流程图，包括了三维噪声识别及补偿等步骤；

图2为本发明的高轨面阵凝视红外遥感图像(系统绝对辐射校正后)有效像素值域[MIN,MAX]计算结果示意；

图3(a)为红外面阵原始图像及直方图分析结果；

图3(b)为利用ENVI软件bit error自适应滤波处理后图像及直方图分析结果；

图3(c)为利用高轨面阵凝视红外遥感图像时空三维噪声识别及补偿方法处理后图像及直方图分析结果；

具体实施方式

以下结合附图和具体实施例对本发明进行详细描述。

如图1所示，以TEL2000型制冷式面阵长波红外相机遥感数据三维噪声检测与补偿为案例，本发明的具体实施方法如下：

(1)样本选择

随机选取不同的N幅面阵凝视红外遥感图像x_i,(i∈[1,N])，形成噪声分析图像样本集X＝{x₁,x₂,…x_N}；

为了保证样本数据的一致性，所述噪声分析图像样本集需经过系统辐射校正的初级高轨面阵凝视红外图像产品。

为了保证样本数据的多样性和普适性，所述噪声分析图像样本集需选择不同时相或不同区域的图像：

不同时相是指面阵红外图像x_i与x_i+1成像时间相隔一个小时以上，不同区域是指面阵红外图像x_i与x_i+1的重叠度低于10％，i∈[1,N-1]。

本实施例中，从不同时相的面阵红外相机遥感数据中随机抽取出90幅经过系统辐射校正的面阵凝视红外遥感图像，形成噪声识别图像样本集X＝{x₁,x₂,…x_N}，其中x_i(i∈[1,N])为样本集X中的第i幅样本图像，N为样本集中红外图像的数目(N＝90)。

(2)空间滤波

对噪声分析图像样本集X中的每一幅图像x_i,(i∈[1,N])进行滤波，得到滤波后的图像y_i,(i∈[1,N])；。

本实施例中，利用自适应滤波方法对样本集中的各幅图像进行自适应箱滤波，以第i幅样本图像x_i为例，自适应箱滤波的具体实现过程如下：

(2.1)、定义一个大小为(2n+1)×(2n+1)的方箱，其中n为指定方箱矩阵的边长系数(以像素为单位)，n为正整数；如：n＝1时，方箱为：3×3的方形矩阵；

(2.2)、统计样本图像x_i中有效像素的值域[MIN,MAX]，其中，MIN为有效像素的最小值，MAX为有效像素的最大值，其中，对于未作绝对辐射定标的红外图像而言，MAX、MIN与图像量化位数U有关：MIN＝1，MAX＝2^U-1；对于已完成绝对辐射定标红外图像而言，则将前述MAX、MIN值分带入绝对辐射定标公式，得到所需的最值；例如，对于图2这样的某样本图像直方图分布，其值域为[253.15,324.10]，但有效值域为[288.31,324.10]，因此MIN＝288.31,MAX＝324.10。

(2.3)定义脉冲函数D_i：

其中，k∈[1,W],l∈[1,H]，其中W,H分别为面阵图像的行、列像素数目；

针对样本图像x_i对每个像素位置的像素位置(k,l)对应的x_i(k,l)进行如下处理：

(2.4)以像素x_i(k,l)为中心，构建步骤(2.1)所述的方箱，统计方箱中有效像素值之和S_i(k,l)、有效像素数C_i(k,l)以及有效像素值的平方和SS_i(k,l)：

(2.5)定义低通滤波器LPF(k,l)，为矩形箱中有效像素的均值：

LPF_i(k,l)＝S_i(k,l)/C_i(k,l)

(2.6)定义替代值R_i(k,l)，为矩形箱中除中心像素外其余有效像素均值：

R_i(k,l)＝[S_i(k,l)-D_i(k,l)·x_i(k,l)]/[C_i(k,l)-D_i(k,l)]

(2.7)统计矩形箱中有效像素的方差V_i(k,l)及标准差σ_i(k,l)，其算式如下：

V_i(k,l)＝[SS_i(k,l)/C_i(k,l)]-[SS_i(k,l)²/C_i(k,l)²]

(2.8)当像素值满足|x_i(k,l)-LPF_i(k,l)|＞P·σ_i(k,l)且|x_i(k,l)-LPF_i(k,l)|＞TOL时，该位置的像素值用R_i(k,k)替换，否则，保持原值不变。

即：

其中，参数P为常数，用以定义标准差σ_i(k,l)的倍数，取值通常为1到3，值越高越易对噪声漏判，反之越易对噪声误判，本发明中默认值为2；

TOL为阈值，用以避免对位于低方差区域的有效像元进行滤波，对于8位图像而言TOL通常取值2～10，10位图像则8～40，本发明中噪声分析图像样本集为8位图像，默认值为3。

(3)噪声识别

将噪声分析图像样本集每一幅图像x_i,(i∈[1,N])与其滤波后的图像y_i,(i∈[1,N])各像素位置的像素值作差，统计同一像素位置像素差为非零值的次数，将非零值出现次数大于预设门限v的像素位置判定为三维噪声所在位置；

具体过程为：

(3.1)噪声初选

将步骤(1)获取到的图像序列与步骤(2)获取到的图像序列做代数相减运算，得到二值图像序列T′＝{t′₁,t′₂,…t′_N}，公式如下：

t′_i(k,l)＝x_i(k,l)-y_i(k,l),

将各差值图像中的非零值赋值为1，其它像元赋值为0，形成二值图像序列T＝{t₁,t₂,…t_N}：

式中t_i(k,l)为图像t_i中第k行l列的像素值，k∈[1,W],l∈[1,H]，其中W,H分别为面阵图像的行、列像素数目；如果t_i(k,l)＝1，则判定该像元为疑似三维噪声。

(3.2)噪声定位文件制作

统计二值图像序列T中各像素位置1值出现的次数将二值图像序列T中各图像同一位置像素值相加，形成一幅图像f，f(k,l)为f中每个像点的值，对应同一像素位置像素差为非零值的次数，即

定义图像f的标准差为η，设置截止频率v＝3η。如果某像素位置非零值出现次数大于v，则判定该像元所在位置为三维噪声，进而形成噪声定位图像Noi，公式如下：

定位所有三维噪声在图像Noi中的分布(即Noi中的非零值)，完成噪声识别步骤；图像Noi即为噪声定位文件。同一像元位置，高温背景下表现为“暗点”，在低温背景下则有可能表现为“亮点”。

(4)噪声补偿

(4.1)掩膜处理

对待处理红外图像I应用噪声掩膜，即利用步骤(3.2)获得的噪声定位文件Noi制作图像掩膜M，并对待处理红外图像I进行掩膜处理，公式如下：

I(k,l)＝I(k,l)·M(k,l),

上述公式亦可用以下形式简化：

I(k,l)＝I(k,l)·[1-Noi(k,l)]

(4.2)噪声补偿

对完成步骤(4.2)噪声掩膜处理后的红外图像I中的噪声像元周围的8个像元进行分析，统计南-北、东-西、东南-西北、西南-东北4个方向上像素值的梯度变化，选择差异最大的方向，取此方向上两个像素的中值作为噪声补偿值，如果追求计算效率则直接取噪声像元周围8个像元的均值作为补偿值，公式如下：

矩阵O即为完成三维噪声补偿后的红外图像。

本实施例中，对噪声像元周围的8个像元进行分析，统计南-北、东-西、东南-西北、西南-东北4个方向上像素值的梯度变化，选择差异最大的方向，取此方向上两个像素的中值作为噪声补偿值。补偿结果如图3(a)、图3(b)和图3(c)所示，其中图3(a)为红外面阵原始图像直方图分析结果；图3(b)为利用ENVI软件bit error自适应滤波处理后图像直方图分析结果；图3(c)为利用高轨面阵凝视红外遥感图像时空三维噪声识别及补偿方法处理后图像直方图分析结果。对图像信息进行统计表明，本发明有效地抑制了三维噪声，且对图像标准差、信息熵等的改变较小，与原始图像保持了更高的相关性。详细图像信息统计如下表所示。

三维噪声补偿前后图像信息及变化率统计

在Thinkpad X220(Core i5 2.5Ghz/4GB ram)，windows 32位平台，利用java语言开发软件处理模块，对90景面阵红外图像进行处理(图像大小：640*512；数据类型：长整型)，三维噪声补偿时间耗时约为2.5秒，平均处理速度约20.8帧/秒。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

本发明说明书中未作详细描述的内容属于本领域专业技术人员公知的现有技术。

Claims (8)

1.一种面阵凝视红外遥感图像时空三维噪声识别及补偿方法，其特征在于包括如下步骤：

(1)、随机选取不同时相或不同区域的N幅面阵凝视红外遥感图像x_i，i∈[1，N]，形成噪声分析图像样本集X＝{x₁，x₂，…x_N}；

(2)、对噪声分析图像样本集X中的每一幅图像x_i，i∈[1，N]进行滤波，得到滤波后的图像y_i，i∈[1，N]；滤波方法为自适应箱滤波法，所述自适应箱滤波的具体实现过程如下：

(2.1)、定义一个大小为(2n+1)×(2n+1)的方箱，其中n为指定方箱矩阵的边长系数，以像素为单位，n为正整数；

(2.2)、统计样本图像x_i中有效像素的值域[MIN，MAX]，其中，MIN为有效像素的最小值，MAX为有效像素的最大值，其中，对于未作绝对辐射定标的红外图像而言，MAX、MIN与图像量化位数U有关：MIN＝1，MAX＝2^U-1；对于已完成绝对辐射定标红外图像而言，则将前述MAX、MIN值分带入绝对辐射定标公式，得到所需的最值；

(2.3)、定义脉冲函数D_i：

其中，k∈[1，W]，l∈[1，H]，其中W，H分别为面阵图像的行、列像素数目；

针对样本图像x_i对每个像素位置的像素位置(k，l)对应的x_i(k，l)进行如下处理：

(2.4)、以像素x_i(k，l)为中心，构建步骤(2.1)所述的方箱，统计方箱中有效像素值之和S_i(k，l)、有效像素数C_i(k，l)以及有效像素值的平方和SS_i(k，l)：

(2.5)、定义低通滤波器，为矩形箱中有效像素的均值：

LPF_i(k，l)＝S_i(k，l)/C_i(k，l)

(2.6)、定义替代值R_i(k，l)，为矩形箱中除中心像素外其余有效像素均值：

R_i(k，l)＝[S_i(k，l)-D_i(k，l)·x_i(k，l)]/[C_i(k，l)-D_i(k，l)]

(2.7)、统计矩形箱中有效像素的方差V_i(k，l)及标准差σ_i(k，l)，其算式如下：

V_i(k，l)＝[SS_i(k，l)/C_i(k，l)]-[SS_i(k，l)²/C_i(k，l)²]

(2.8)、当像素值满足|x_i(k，l)-LPF_i(k，l)|＞P·σ_i(k，l)且|x_i(k，l)-LPF_i(k，l)|＞TOL时，该位置的像素值用R_i(k，k)替换，否则，保持原值不变；

(3)、将噪声分析图像样本集每一幅图像x_i与其滤波后的图像y_i各像素位置的像素值作差，统计同一像素位置像素差为非零值的次数，将非零值出现次数大于预设门限v的像素位置判定为三维噪声所在位置，i∈[1，N]；

(4)、根据噪声所在位置，生成图像掩膜M，利用图像掩膜M对待补偿的面阵凝视红外遥感图像I进行掩膜处理；

(5)、对掩膜处理后的面阵凝视红外遥感图像I中的噪声像素进行补偿。

2.根据权利要求1所述的一种面阵凝视红外遥感图像时空三维噪声识别及补偿方法，其特征在于所述步骤(1)选取的面阵凝视红外遥感图像为经过系统辐射校正之后的图像。

3.根据权利要求1所述的一种面阵凝视红外遥感图像时空三维噪声识别及补偿方法，其特征在于所述步骤(1)中不同时相或不同区域的定义具体如下：

不同时相：面阵红外图像x_i与x_i+1成像时间相隔一个小时以上；

不同区域：面阵红外图像x_i与x_i+1的重叠度低于10％。

4.根据权利要求1所述的一种面阵凝视红外遥感图像时空三维噪声识别及补偿方法，其特征在于所述N大于等于30。

5.根据权利要求1所述的一种面阵凝视红外遥感图像时空三维噪声识别及补偿方法，其特征在于统计同一像素位置像素差为非零值的次数的方法为：

图像样本集每一幅图像x_i与其滤波后的图像y_i各像素位置的像素值作差，将各差值图像中的非零值赋值为1，其它像元赋值为0，形成二值图像序列T＝{t₁，t₂，…t_N}，将二值图像序列T中各图像同一位置像素值相加，形成图像f，即得到同一像素位置像素差为非零值的次数，i∈[1，N]。

6.根据权利要求1所述的一种面阵凝视红外遥感图像时空三维噪声识别及补偿方法，其特征在于所述预设门限v设为图像f的标准差η的三倍。

7.根据权利要求1所述的一种面阵凝视红外遥感图像时空三维噪声识别及补偿方法，其特征在于所述步骤(5)的一种具体实现方式为：对噪声像素周围的8像元像素值进行分析，统计南-北、东-西、东南-西北、西南-东北4个方向上像素值的梯度变化，选择梯度变化最大的方向，取此方向上与噪声像素相邻的两个像素的像素值中值作为噪声补偿值。

8.根据权利要求1所述的一种面阵凝视红外遥感图像时空三维噪声识别及补偿方法，其特征在于所述步骤(5)的另一种具体实现方式为：直接取噪声像元周围8个像元的像素值均值作为补偿值。

Images