CN110689494A - 一种条纹去除方法、装置、电子设备及存储介质 - Google Patents
一种条纹去除方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN110689494A CN110689494A CN201910898628.0A CN201910898628A CN110689494A CN 110689494 A CN110689494 A CN 110689494A CN 201910898628 A CN201910898628 A CN 201910898628A CN 110689494 A CN110689494 A CN 110689494A
- Authority
- CN
- China
- Prior art keywords
- harmonic
- vector
- mean square
- square error
- mean
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 108
- 239000011159 matrix material Substances 0.000 claims abstract description 201
- 230000009466 transformation Effects 0.000 claims abstract description 95
- 238000004590 computer program Methods 0.000 claims description 7
- 238000000844 transformation Methods 0.000 claims description 2
- 230000001131 transforming effect Effects 0.000 claims 2
- 150000001875 compounds Chemical class 0.000 claims 1
- 238000004458 analytical method Methods 0.000 abstract description 16
- 230000000694 effects Effects 0.000 abstract description 13
- 238000010586 diagram Methods 0.000 description 21
- 230000003595 spectral effect Effects 0.000 description 12
- 230000006870 function Effects 0.000 description 8
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 4
- 230000000737 periodic effect Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000000052 comparative effect Effects 0.000 description 3
- 230000005684 electric field Effects 0.000 description 3
- 230000005855 radiation Effects 0.000 description 3
- 238000001228 spectrum Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 238000012847 principal component analysis method Methods 0.000 description 2
- 239000000523 sample Substances 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000017105 transposition Effects 0.000 description 2
- 238000001444 catalytic combustion detection Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000005672 electromagnetic field Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
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
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本申请提供一种条纹去除方法、装置、电子设备及存储介质,用于改善对不同频率的高光谱图像进行条纹去除时效果不好的问题。该方法包括:分别计算影像矩阵的各列平均值和影像矩阵的各列均方差,获得第一平均值向量和第一均方差向量;分别对第一平均值向量和第一均方差向量进行谐波正变换和谐波逆变换,获得第二平均值向量和第二均方差向量;根据第一平均值向量、第一均方差向量、第二平均值向量和第二均方差向量对影像矩阵进行去除条纹处理,获得去除条纹后的影像矩阵。在上述的实现过程中,基于统计学理论基础上,采用了信号领域中时频分析方法,可对不同频率的条纹同时去除,从而有效地提高对不同频率的条纹进行去除时的效果。
Description
技术领域
本申请涉及高光谱遥感卫星影像的数据处理的技术领域,具体而言,涉及一种条纹去除方法、装置、电子设备及存储介质。
背景技术
高光谱图像(Hyperspectral Image),是指光谱分辨率在10l数量级范围内的光谱图像,这里的光谱分辨率是指传感器所能记录的电磁波谱中,某一特定的波长范围值,波长范围值越宽,光谱分辨率越低。高光谱图像通常是由遥感卫星获取的,因此又称高光谱影像、高光谱遥感卫星影像或者遥感影像(Remote Sensing Image,RS),这里的遥感影像指的是记录各种地物电磁波大小的数字形式存储的影像,当然这些影像也可以以胶片或照片的形式存储,例如:航空像片和卫星相片等等。
现有技术存在的对高光谱图像进行条纹去除方法,例如:基于统计学的直方图匹配的条纹噪声去除方法、基于主成分分析法的条纹噪声去除方法和基于矩匹配的条纹噪声去除方法。然而以上几种方法,均存在对不同频率的高光谱图像进行条纹去除时效果不好的问题,也就是无法完全去除高光谱图像中的条纹。
发明内容
本申请实施例的目的在于提供一种条纹去除方法、装置、电子设备及存储介质,用于改善对不同频率的高光谱图像进行条纹去除时效果不好的问题。
本申请实施例提供了一种条纹去除方法,包括:分别计算影像矩阵的各列平均值和所述影像矩阵的各列均方差,获得第一平均值向量和第一均方差向量;分别对所述第一平均值向量和所述第一均方差向量进行谐波正变换和谐波逆变换,获得第二平均值向量和第二均方差向量;根据所述第一平均值向量、所述第一均方差向量、所述第二平均值向量和所述第二均方差向量对所述影像矩阵进行去除条纹处理,获得去除条纹后的影像矩阵。在上述的实现过程中,基于统计学理论基础上,结合信号领域中时频分析的谐波分析理论,先计算影像矩阵的各列平均值和所述影像矩阵的各列均方差,获得第一平均值向量和第一均方差向量,再通过谐波正变换和谐波逆变换去除第一平均值向量和第一均方差向量中的条纹噪声,获得无条纹噪声状态下的第二平均值向量和第二均方差向量,最后根据上述的参数反算理论正确的各列像素值;由于该方法采用了时频分析方法,可对不同频率的条纹同时去除,从而有效地解决了对不同频率的高光谱图像进行条纹去除时效果不好的问题。
可选地,在本申请实施例中,在所述分别计算影像矩阵的各列平均值和所述影像矩阵的各列均方差,获得第一平均值向量和第一均方差向量之前,还包括:若所述影像矩阵的条纹类型为水平条纹,则将所述影像矩阵转置;在所述根据所述第一平均值向量、所述第一均方差向量、所述第二平均值向量和所述第二均方差向量对所述影像矩阵进行去除条纹处理,获得去除条纹后的影像矩阵之后,还包括:将所述去除条纹后的影像矩阵进行转置。在上述的实现过程中,通过在执行去除影像矩阵的垂直条纹之前,将影像矩阵进行转置,且在执行去除影像矩阵的垂直条纹之后,将影像矩阵进行转置,有效地将水平条纹的处理方式简化为垂直条纹的处理方式,从而简化了计算方式和流程,减少了重复劳动。
可选地,在本申请实施例中,所述分别对所述第一平均值向量和所述第一均方差向量进行谐波正变换和谐波逆变换,获得第二平均值向量和第二均方差向量,包括:对所述第一平均值向量进行谐波正变换,获得第一谐波振幅、第一谐波相位和第一谐波余项;对所述第一谐波振幅、所述第一谐波相位和所述第一谐波余项进行谐波逆变换,获得所述第二平均值向量。在上述的实现过程中,由于采用了时频分析方法,可对不同频率的条纹同时去除,从而消除了不同传感器获取的影像矩阵中不同频率的条纹类型的差异,有效地提高了算法的适用性和鲁棒性,解决了对不同频率的高光谱图像进行条纹去除时效果不好的问题。
可选地,在本申请实施例中,所述对所述第一平均值向量进行谐波正变换,获得第一谐波振幅、第一谐波相位和第一谐波余项,包括:根据和对E=[μ1,μ2,…,μj,…,μn]进行谐波正变换,获得第一谐波振幅、第一谐波相位和第一谐波余项;其中,j为所述影像矩阵的第j列,n为所述影像矩阵的列数量,μj为所述影像矩阵的第j列的像素值的平均值,即所述第一平均值向量中的第j个平均值,μ1,μ2,…,μj,…,μn为所述影像矩阵的第1列到第n列的平均值,即所述第一平均值向量中的第1个到第n个平均值,E为所述第一平均值向量,h表示所述谐波正变换的预设次数,Ah、Bh分别为第一系数和第二系数,Ch为所述第一谐波振幅,φh为所述第一谐波相位,为所述第一谐波余项。
可选地,在本申请实施例中,所述对所述第一谐波振幅、所述第一谐波相位和所述第一谐波余项进行谐波逆变换,获得所述第二平均值向量,包括:根据和对所述第一谐波振幅、所述第一谐波相位和所述第一谐波余项进行谐波逆变换,获得E'=[μ'1,μ'2,…,μ'j,…,μ'n];其中,j为所述影像矩阵的第j列,n为所述影像矩阵的列数量,μ'j为所述影像矩阵的第j列的经过谐波逆变换后的平均值,即所述第二平均值向量中的第j个平均值,μ'1,μ'2,…,μ'j,…,μ'n为所述影像矩阵的第1列到第n列的经过谐波逆变换后的平均值,即所述第二平均值向量中的第1个到第n个平均值,E'为所述第二平均值向量,h表示所述谐波正变换的预设次数,Ah、Bh分别为第一系数和第二系数,Ch为所述第一谐波振幅,φh为所述第一谐波相位,为所述第一谐波余项。
可选地,在本申请实施例中,所述分别对所述第一平均值向量和所述第一均方差向量进行谐波正变换和谐波逆变换,获得第二平均值向量和第二均方差向量,包括:对所述第一均方差向量进行谐波正变换,获得第二谐波振幅、第二谐波相位和第二谐波余项;对所述第二谐波振幅、所述第二谐波相位和所述第二谐波余项进行谐波逆变换,获得所述第二均方差向量。在上述的实现过程中,由于采用了时频分析方法,可对不同频率的条纹同时去除,从而消除了不同传感器获取的影像矩阵中不同频率的条纹类型的差异,有效地提高了算法的适用性和鲁棒性,解决了对不同频率的高光谱图像进行条纹去除时效果不好的问题。
可选地,在本申请实施例中,所述对所述第一均方差向量进行谐波正变换,获得第二谐波振幅、第二谐波相位和第二谐波余项,包括:根据和对Δ=[δ1,δ2,…,δj,…,δn]进行谐波正变换,获得第二谐波振幅、第二谐波相位和第二谐波余项;其中,j为所述影像矩阵的第j列,n为所述影像矩阵的列数量,δj为所述影像矩阵的第j列的像素值的均方差,即所述第一均方差向量中的第j个均方差,δ1,δ2,…,δj,…,δn为所述影像矩阵的第1列到第n列的均方差,即所述第一均方差向量中的第1个到第n个均方差,Δ为所述第一均方差向量,h表示所述谐波正变换的预设次数,Ah、Bh分别为第一系数和第二系数,Ch为所述第二谐波振幅,φh为所述第二谐波相位,为所述第二谐波余项。
可选地,在本申请实施例中,所述对所述第二谐波振幅、所述第二谐波相位和所述第二谐波余项进行谐波逆变换,获得所述第二均方差向量,包括:根据和对所述第二谐波振幅、所述第二谐波相位和所述第二谐波余项进行谐波逆变换,获得,获得Δ'=[δ'1,δ'2,…,δ'j,…,δ'n];其中,j为所述影像矩阵的第j列,n为所述影像矩阵的列数量,δ'j为所述影像矩阵的第j列的经过谐波逆变换后的均方差,即所述第二均方差向量中的第j个均方差,δ'1,δ'2,…,δ'j,…,δ'n为所述影像矩阵的第1列到第n列的经过谐波逆变换后的均方差,即所述第二均方差向量中的第1个到第n个均方差,Δ'为所述第二均方差向量,h表示所述谐波正变换的预设次数,Ah、Bh分别为第一系数和第二系数,Ch为所述第二谐波振幅,φh为所述第二谐波相位,为所述第二谐波余项。
可选地,在本申请实施例中,所述分别计算影像矩阵的各列平均值和所述影像矩阵的各列均方差,获得第一平均值向量和第一均方差向量,包括:根据和分别计算所述影像矩阵的各列平均值和所述影像矩阵的各列均方差,获得E=[μ1,μ2,…,μj,…,μn]和Δ=[δ1,δ2,δ3,…,δn];其中,i=1,2,3,…,m,i为所述影像矩阵的第i行,m为所述影像矩阵的行数量,j=1,2,3,…,n,j为所述影像矩阵的第j列,n为所述影像矩阵的列数量,xij为所述影像矩阵的第i行第j列的像素值,μj为所述影像矩阵的第j列的像素值的平均值,即所述第一平均值向量中的第j个平均值,μ1,μ2,…,μj,…,μn为所述影像矩阵中从第1列到第n列的平均值,即所述第一平均值向量中的第1个到第n个平均值,E为所述第一平均值向量,δj为所述影像矩阵的第j列的像素值的均方差,即所述第一均方差向量中的第j个均方差,δ1,δ2,δ3,…,δn为所述影像矩阵中从第1列到第n列的均方差,即所述第一均方差向量中的第1个到第n个均方差,Δ为所述第一均方差向量。
可选地,在本申请实施例中,所述根据所述第一平均值向量、所述第一均方差向量、所述第二平均值向量和所述第二均方差向量对所述影像矩阵进行去除条纹处理,获得去除条纹后的影像矩阵,包括:根据对所述影像矩阵进行去除条纹处理,获得去除条纹后的影像矩阵;其中,xij为去除条纹前的影像矩阵的第i行第j列的像素值,x′ij为所述去除条纹后的影像矩阵的第i行第j列的像素值,δj为所述影像矩阵的第j列的像素值的均方差,即所述第一均方差向量中的第j个均方差,δ'j为所述影像矩阵的第j列的经过谐波逆变换后的均方差,即所述第二均方差向量中的第j个均方差,μj为所述影像矩阵的第j列的像素值的平均值,即所述第一平均值向量中的第j个平均值,μ'j为所述影像矩阵的第j列的经过谐波逆变换后的平均值,即所述第二平均值向量中的第j个平均值,如果大于1,则取值为1。
本申请实施例还提供了一种条纹去除装置,包括:向量获得模块,用于分别计算影像矩阵的各列平均值和所述影像矩阵的各列均方差,获得第一平均值向量和第一均方差向量;谐波变换模块,用于分别对所述第一平均值向量和所述第一均方差向量进行谐波正变换和谐波逆变换,获得第二平均值向量和第二均方差向量;去除条纹模块,用于根据所述第一平均值向量、所述第一均方差向量、所述第二平均值向量和所述第二均方差向量对所述影像矩阵进行去除条纹处理,获得去除条纹后的影像矩阵。
可选地,在本申请实施例中,还包括:类型判断模块,用于若所述影像矩阵的条纹类型为水平条纹,则将所述影像矩阵转置;矩阵转置模块,用于将所述去除条纹后的影像矩阵进行转置。
可选地,在本申请实施例中,所述谐波变换模块包括:第一正变换模块,用于对所述第一平均值向量进行谐波正变换,获得第一谐波振幅、第一谐波相位和第一谐波余项;第一逆变换模块,用于对所述第一谐波振幅、所述第一谐波相位和所述第一谐波余项进行谐波逆变换,获得所述第二平均值向量。
可选地,在本申请实施例中,所述谐波变换模块包括:第二正变换模块,用于对所述第一均方差向量进行谐波正变换,获得第二谐波振幅、第二谐波相位和第二谐波余项;第二逆变换模块,用于对所述第二谐波振幅、所述第二谐波相位和所述第二谐波余项进行谐波逆变换,获得所述第二均方差向量。
本申请实施例还提供了一种电子设备,包括:处理器和存储器,所述存储器存储有所述处理器可执行的机器可读指令,所述机器可读指令被所述处理器执行时执行如上所述的方法。
本申请实施例还提供了一种存储介质,该存储介质上存储有计算机程序,该计算机程序被处理器运行时执行如上所述的方法。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请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申请的某些实施例,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示出的本申请实施例提供的条纹去除方法流程示意图;
图2示出的本申请实施例提供的对第一平均值向量和第一均方差向量进行重构的流程示意图;
图3示出的本申请实施例提供的包括陆地部分的珠海一号卫星影像第20波段条纹去除前的示意图;
图4示出的本申请实施例提供的包括陆地部分的珠海一号卫星影像第20波段条纹去除后的示意图;
图5示出的本申请实施例提供的包括水域部分的珠海一号卫星影像第20波段条纹去除前的示意图;
图6示出的本申请实施例提供的包括水域部分的珠海一号卫星影像第20波段条纹去除后的示意图;
图7示出的本申请实施例提供的珠海一号卫星影像第8波段条纹去除前的示意图;
图8示出的本申请实施例提供的珠海一号卫星影像第8波段条纹去除后的示意图;
图9示出的本申请实施例提供的条纹去除装置结构示意图;
图10示出的本申请实施例提供的电子设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整的描述。
在介绍本申请实施例中的条纹去除方法之前,先介绍本申请实施例所涉及的一些概念,再介绍对照实施例中的条纹去除方法的思路,本申请实施例所涉及的一些概念如下:
电磁波,是指由相同且互相垂直的电场与磁场在空间中衍生发射的震荡粒子波,是以波动的形式传播的电磁场,具有波粒二象性。由同相振荡且互相垂直的电场与磁场在空间中以波的形式移动,其传播方向垂直于电场与磁场构成的平面。电磁波在真空中速率固定,速度为光速。为了对各种电磁波有个全面的了解,人们将这些电磁波按照它们的波长或频率、波数、能量的大小顺序进行排列,这就是电磁波谱。
遥感卫星(Remote Sensing Satellite),是指用作外层空间遥感平台的人造卫星,用卫星作为平台的遥感技术称为卫星遥感。由遥感卫星获取的影像通常被称为遥感影像(Remote SensingImage,RS),这里的遥感影像指的是记录各种地物电磁波大小的数字形式存储的影像,例如:珠海一号卫星影像。
光谱分辨率(Spectral Resolution)指遥感器接受目标辐射时能分辨的最小波长间隔。间隔越小,分辨率越高。所选用的波段数量的多少、各波段的波长位置、及波长间隔的大小,这三个因素共同决定光谱分辨率。
高光谱影像(Hyperspectral Image),是指光谱分辨率在10l数量级范围内的光谱图像,有时又称高光谱图像、高光谱卫星影像、高光谱分辨率图像或者光谱卫星影像。这里的光谱分辨率是指传感器所能记录的电磁波谱中,某一特定的波长范围值,波长范围值越宽,光谱分辨率越低。这里的高光谱影像通常是由上述的遥感卫星获取的,因此又称高光谱遥感卫星影像。
电荷耦合元件(Charge-Coupled Device,CCD),是指一种用电荷量表示信号大小,且用耦合方式传输信号的探测元件。CCD广泛应用在数码摄影、天文学,尤其是光学遥测技术和高速摄影技术。CCD中的探元是指相机镜头中感光元件中一个感光的单元,对应的是CCD获得影像的像素。
如上所描述的,上面介绍了本申请实施例所涉及的一些概念,下面将介绍对照实施例中的条纹去除方法的思路,对照实施例中的条纹去除方法的思路具体如下:
基于统计学的直方图匹配的条纹噪声去除方法:直方图匹配法是假设CCD中每个探元所探测的地物具有相同的辐射分布,并将每个探元所形成的子图像调整到一个参考直方图上,最终去除高光谱图像中的条纹。
基于主成分分析法的条纹噪声去除方法:主成分分析法是将含有噪声的主成分图像数值设为常数,再将其反变换值原图像,然后去除高光谱图像中的条纹。
基于矩匹配的条纹噪声去除方法:该方法类似于直方图匹配方法,矩匹配方法假设每个探元所探测的地物信息具有相同的均衡式辐射分布,然后将每个探元的均值方差调整至某一参考值,从而达到去除高光谱图像中的条纹。
然而在具体的实施过程中发现,以上几种方法不能对不同频率类型的条纹兼容去除,均存在对不同频率的高光谱图像进行条纹去除时效果不好的问题,也就是无法完全去除高光谱图像中的条纹。
需要说明的是,本申请实施例提供的条纹去除方法可以由电子设备来执行,这里的电子设备包括:具有执行计算机程序功能的设备终端或者服务器,设备终端例如:个人电脑、网络交换机、网络路由器或台式主机等;当然这里的电子设备也可以是服务器,该服务器是指通过网络提供计算服务的设备,服务器例如:x86服务器以及非x86服务器,非x86服务器包括:大型机、小型机和UNIX服务器。
本申请实施例提供的条纹去除方法的应用场景包括但不限于高光谱遥感卫星影像,即该方法可以对高光谱遥感卫星影像中的条纹进行去除,当然也可以对其它情况的影像中条纹进行去除,这些情况例如:存在大面积水域的高光谱影像、条纹频率不一致的高光谱影像和星载高光谱遥感影像等等。为了便于理解和说明,下面以高光谱遥感卫星影像中的条纹去除方法进行详细地说明:
请参见图1示出的本申请实施例提供的条纹去除方法流程示意图;该条纹去除方法可以包括如下步骤:
步骤S110:分别计算影像矩阵的各列平均值和影像矩阵的各列均方差,获得第一平均值向量和第一均方差向量。
影像矩阵,这里的可以指上述的高光谱影像,高光谱影像的具体定义已经在上面说明了,这里就不再赘述。这里需要说明一下影像矩阵的获得方式,即高光谱影像的获取方式,可以从已经存储的高光谱影像的存储介质中读取该高光谱影像,也可以接收传感器发送的高光谱影像,这里的传感器的型号例如:尖兵、Hyperion和GF-5等等,利用这些型号的传感器获得的高光谱影像例如:10米尖兵的高光谱影像、30米Hyperion的高光谱影像和30米GF-5的高光谱影像等等。
可以理解的是,分别计算影像矩阵的各列平均值和影像矩阵的各列均方差,获得第一平均值向量和第一均方差向量的实施方式,例如:
其中,上述的公式也可以写为则为影像矩阵的第j列的像素值的方差,i=1,2,3,…,m,i为影像矩阵的第i行,m为影像矩阵的行数量,j=1,2,3,…,n,j为影像矩阵的第j列,n为影像矩阵的列数量,xij为影像矩阵的第i行第j列的像素值,μj为影像矩阵的第j列的像素值的平均值,即第一平均值向量中的第j个平均值,μ1,μ2,…,μj,…,μn为影像矩阵中从第1列到第n列的平均值,即第一平均值向量中的第1个到第n个平均值,E为第一平均值向量,δj为影像矩阵的第j列的像素值的均方差,即第一均方差向量中的第j个均方差,δ1,δ2,δ3,…,δn为影像矩阵中从第1列到第n列的均方差,即第一均方差向量中的第1个到第n个均方差,Δ为第一均方差向量。
在步骤S110之后,执行步骤S120:分别对第一平均值向量和第一均方差向量进行谐波正变换和谐波逆变换,获得第二平均值向量和第二均方差向量。
谐波(harmonic wave),是指对周期性非正弦交流量进行傅里叶级数分解所得到的大于基波频率整数倍的各次分量。谐波分析(Harmonic analysis),是指对周期(非简谐)的振动系统的运动的时间周期函数展开成傅里叶级数,即无限多个正弦函数和余弦函数的和表示。谐波分析正变换,是指从谐波分析的公式由等式左边计算获得等式右边的未知量的过程;谐波分析逆变换,是指从谐波分析的公式由等式右边计算获得等式左边的未知量的过程。
可以理解的是,在本申请实施例中,步骤S120包括:分别对第一平均值向量和第一均方差向量进行谐波正变换和谐波逆变换,为了方便描述,下面将谐波正变换和谐波逆变换两个变换方法称为重构,在具体的实施过程中,对第一平均值向量进行重构和第一均方差向量进行重构两者的执行顺序不应做限定,例如:可以先执行重构第一平均值向量,再执行重构第一均方差向量;也可以先执行重构第一均方差向量,再执行重构第一平均值向量;也可以两者同时执行。
请参见图2示出的本申请实施例提供的对第一平均值向量和第一均方差向量进行重构的流程示意图;这里先介绍对第一平均值向量进行重构的方法,该方法可以包括如下步骤:
步骤S121:对第一平均值向量进行谐波正变换,获得第一谐波振幅、第一谐波相位和第一谐波余项。
可以理解的是,对第一平均值向量进行谐波正变换,获得第一谐波振幅、第一谐波相位和第一谐波余项的实施方式,例如:
其中,j为影像矩阵的第j列,n为影像矩阵的列数量,μj为影像矩阵的第j列的像素值的平均值,即第一平均值向量中的第j个平均值,μ1,μ2,…,μj,…,μn为影像矩阵的第1列到第n列的平均值,即第一平均值向量中的第1个到第n个平均值,E为第一平均值向量,h表示谐波正变换的预设次数,Ah、Bh分别为第一系数和第二系数,Ch为第一谐波振幅,φh为第一谐波相位,为第一谐波余项。
步骤S122:对第一谐波振幅、第一谐波相位和第一谐波余项进行谐波逆变换,获得第二平均值向量。
可以理解的是,对第一谐波振幅、第一谐波相位和第一谐波余项进行谐波逆变换,获得第二平均值向量的实施方式,例如:
其中,j为影像矩阵的第j列,n为影像矩阵的列数量,μ'j为影像矩阵的第j列的经过谐波逆变换后的平均值,即第二平均值向量中的第j个平均值,μ'1,μ'2,…,μ'j,…,μ'n为影像矩阵的第1列到第n列的经过谐波逆变换后的平均值,即第二平均值向量中的第1个到第n个平均值,E'为第二平均值向量,h表示谐波正变换的预设次数,Ah、Bh分别为第一系数和第二系数,Ch为第一谐波振幅,φh为第一谐波相位,为第一谐波余项。
如上面所描述的,在本申请实施例中,步骤S120包括:分别对第一平均值向量和第一均方差向量进行重构,上面介绍了对第一平均值向量进行重构的方法,下面介绍对第一均方差向量进行重构的方法,该方法可以包括如下步骤:
步骤S123:对第一均方差向量进行谐波正变换,获得第二谐波振幅、第二谐波相位和第二谐波余项。
可以理解的是,对第一均方差向量进行谐波正变换,获得第二谐波振幅、第二谐波相位和第二谐波余项的实施方式,例如:
其中,j为影像矩阵的第j列,n为影像矩阵的列数量,δj为影像矩阵的第j列的像素值的均方差,即第一均方差向量中的第j个均方差,δ1,δ2,…,δj,…,δn为影像矩阵的第1列到第n列的均方差,即第一均方差向量中的第1个到第n个均方差,Δ为第一均方差向量,h表示谐波正变换的预设次数,Ah、Bh分别为第一系数和第二系数,Ch为第二谐波振幅,φh为第二谐波相位,为第二谐波余项。
步骤S124:对第二谐波振幅、第二谐波相位和第二谐波余项进行谐波逆变换,获得第二均方差向量。
可以理解的是,对第二谐波振幅、第二谐波相位和第二谐波余项进行谐波逆变换,获得第二均方差向量的实施方式,例如:
其中,j为影像矩阵的第j列,n为影像矩阵的列数量,δ'j为影像矩阵的第j列的经过谐波逆变换后的均方差,即第二均方差向量中的第j个均方差,δ'1,δ'2,…,δ'j,…,δ'n为影像矩阵的第1列到第n列的经过谐波逆变换后的均方差,即第二均方差向量中的第1个到第n个均方差,Δ'为第二均方差向量,h表示谐波正变换的预设次数,Ah、Bh分别为第一系数和第二系数,Ch为第二谐波振幅,φh为第二谐波相位,为第二谐波余项。
在上述的实现过程中,由于采用了时频分析方法,可对不同频率的条纹同时去除,从而消除了不同传感器获取的影像矩阵中不同频率的条纹类型的差异,有效地提高了算法的适用性和鲁棒性,解决了对不同频率的高光谱图像进行条纹去除时效果不好的问题。
在步骤S120之后,执行步骤S130:根据第一平均值向量、第一均方差向量、第二平均值向量和第二均方差向量对影像矩阵进行去除条纹处理,获得去除条纹后的影像矩阵。
条纹(Streak),是指影像矩阵中的具有周期性的噪声,该周期性的噪声在图像上呈现为条纹形状,具体的条纹形状可参见图3、图5或图7。具体地,影像矩阵可以为高光谱影像,高光谱影像例如:珠海一号卫星影像,那么这里的条纹则可以是珠海一号卫星影像中的条纹噪声。
可以理解的是,根据第一平均值向量、第一均方差向量、第二平均值向量和第二均方差向量对影像矩阵进行去除条纹处理,获得去除条纹后的影像矩阵的实施方式,例如:
其中,xij为去除条纹前的影像矩阵的第i行第j列的像素值,x′ij为去除条纹后的影像矩阵的第i行第j列的像素值,δj为影像矩阵的第j列的像素值的均方差,即第一均方差向量中的第j个均方差,δ'j为影像矩阵的第j列的经过谐波逆变换后的均方差,即第二均方差向量中的第j个均方差,μj为影像矩阵的第j列的像素值的平均值,即第一平均值向量中的第j个平均值,μ'j为影像矩阵的第j列的经过谐波逆变换后的平均值,即第二平均值向量中的第j个平均值,如果大于1,则取值为1。
使用上述方法对高光谱影像的条纹去除效果请参见图3至图6,这里以高光谱影像为珠海一号卫星影像的条纹去除为例进行说明。图3示出的本申请实施例提供的包括陆地部分的珠海一号卫星影像第20波段条纹去除前的示意图;图4示出的本申请实施例提供的包括陆地部分的珠海一号卫星影像第20波段条纹去除后的示意图;图5示出的本申请实施例提供的包括水域部分的珠海一号卫星影像第20波段条纹去除前的示意图;图6示出的本申请实施例提供的包括水域部分的珠海一号卫星影像第20波段条纹去除后的示意图;从图3至图6中可以看出,使用上述方法对高光谱影像的包括陆地部分和包括水域部分的去除效果都很好。
使用上述方法对高光谱影像不同频率的条纹去除效果请参见图3至图8,这里仍然以高光谱影像为珠海一号卫星影像的条纹去除为例进行说明。图7示出的本申请实施例提供的珠海一号卫星影像第8波段条纹去除前的示意图;图8示出的本申请实施例提供的珠海一号卫星影像第8波段条纹去除后的示意图;从图3至图6中可以看出,使用上述方法对高光谱影像的频率较低的条纹去除效果很好;从图7至图8中可以看出,使用上述方法对高光谱影像的频率较高的条纹去除效果也很好。
需要说明的是,以上是针对高光谱影像中的单个波段的条纹噪声去除方法,若高光谱影像包括多个波段,那么该高光谱影像的多个波段中的每个波段的条纹噪声去除方法与上面的步骤S110至步骤S130类似,重复执行上面的步骤S110至步骤S130即可,当然,在具体的实施方式中,该高光谱影像的多个波段中的每个波段的条纹噪声去除方法之间的执行顺序可以根据实际需求进行设置,例如:采集多个线程并行执行该高光谱影像的多个波段中的每个波段的条纹噪声去除方法,或者采用集群的方式并行执行该高光谱影像的多个波段中的每个波段的条纹噪声去除方法;因此,该高光谱影像的多个波段中的每个波段的条纹噪声去除方法之间的执行顺序不应理解为对本申请实施例的限制。
在上述的实现过程中,基于统计学理论基础上,结合信号领域中时频分析的谐波分析理论,先计算影像矩阵的各列平均值和影像矩阵的各列均方差,获得第一平均值向量和第一均方差向量,再通过谐波正变换和谐波逆变换去除第一平均值向量和第一均方差向量中的条纹噪声,获得无条纹噪声状态下的第二平均值向量和第二均方差向量,最后根据上述的参数反算理论正确的各列像素值;由于该方法采用了时频分析方法,可对不同频率的条纹同时去除,从而有效地解决了对不同频率的高光谱图像进行条纹去除时效果不好的问题。
可选地,在本申请实施例中,上述方法是针对影像矩阵的条纹类型为垂直条纹时执行的方法,当影像矩阵的条纹类型为水平条纹时,可以有两种去除方式:第一种方式,直接将上述的垂直条纹去除方法中的所有列改为行;第二种方式,在执行上述的垂直条纹去除方法之前将影像矩阵转置,在获得去除垂直条纹的影像矩阵之后,再次将影像矩阵转置。因此,下面详细介绍水平条纹去除方法的第一种方式,第一种方式可以包括如下:
步骤S210:分别计算影像矩阵的各行平均值和影像矩阵的各行均方差,获得第三平均值向量和第三均方差向量。
步骤S220:分别对第三平均值向量和第三均方差向量进行谐波正变换和谐波逆变换,获得第四平均值向量和第四均方差向量。
步骤S230:根据第三平均值向量、第三均方差向量、第四平均值向量和第四均方差向量对影像矩阵进行去除条纹处理,获得去除条纹后的影像矩阵。
可以理解的是,行和列是人为定义的,若当影像矩阵转置时,原来的行也就变成列,原来的列就变成行,因此,上述的步骤S210至步骤S230的原理和方法与上述步骤的S110至步骤S130类似,这里就不再对上述步骤进行说明,同时这里的行和列的定义不应作为本申请实施例的限制。
如上面所描述的,当影像矩阵的条纹类型为水平条纹时,可以有两种去除方式,上面介绍了水平条纹去除方法的第一种方式,下面介绍水平条纹去除方法的第二种方式,第二种方式可以包括如下:
在步骤S110之前,还包括:
若影像矩阵的条纹类型为水平条纹,则将影像矩阵转置。
在步骤S130之后,还包括:
将去除条纹后的影像矩阵进行转置。
在上述的实现过程中,通过在执行去除影像矩阵的垂直条纹之前,将影像矩阵进行转置,且在执行去除影像矩阵的垂直条纹之后,将影像矩阵进行转置,有效地将水平条纹的处理方式简化为垂直条纹的处理方式,从而简化了计算方式和流程,减少了重复劳动。
请参见图9示出的本申请实施例提供的条纹去除装置结构示意图;本申请实施例提供了一种条纹去除装置300,包括:
向量获得模块310,用于分别计算影像矩阵的各列平均值和影像矩阵的各列均方差,获得第一平均值向量和第一均方差向量。
谐波变换模块320,用于分别对第一平均值向量和第一均方差向量进行谐波正变换和谐波逆变换,获得第二平均值向量和第二均方差向量。
去除条纹模块330,用于根据第一平均值向量、第一均方差向量、第二平均值向量和第二均方差向量对影像矩阵进行去除条纹处理,获得去除条纹后的影像矩阵。
可选地,在本申请实施例中,还包括:
类型判断模块,用于若影像矩阵的条纹类型为水平条纹,则将影像矩阵转置。
矩阵转置模块,用于将去除条纹后的影像矩阵进行转置。
可选地,在本申请实施例中,谐波变换模块包括:
第一正变换模块,用于对第一平均值向量进行谐波正变换,获得第一谐波振幅、第一谐波相位和第一谐波余项。
第一逆变换模块,用于对第一谐波振幅、第一谐波相位和第一谐波余项进行谐波逆变换,获得第二平均值向量。
可选地,在本申请实施例中,谐波变换模块可以包括:
第二正变换模块,用于对第一均方差向量进行谐波正变换,获得第二谐波振幅、第二谐波相位和第二谐波余项。
第二逆变换模块,用于对第二谐波振幅、第二谐波相位和第二谐波余项进行谐波逆变换,获得第二均方差向量。
应理解的是,该装置与上述的方法实施例对应,能够执行上述方法实施例涉及的各个步骤,该装置具体的功能可以参见上文中的描述,为避免重复,此处适当省略详细描述。该装置包括至少一个能以软件或固件(firmware)的形式存储于存储器中或固化在装置的操作系统(operating system,OS)中的软件功能模块。
请参见图10示出的本申请实施例提供的电子设备的结构示意图。本申请实施例提供的一种电子设备410,包括:处理器420和存储器430,存储器430存储有处理器420可执行的机器可读指令,机器可读指令被处理器420执行时执行如上的方法。
本申请实施例还提供了一种存储介质440,该存储介质440上存储有计算机程序,该计算机程序被处理器420运行时执行如上的方法。
其中,存储介质440可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(Static Random Access Memory,简称SRAM),电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory,简称EEPROM),可擦除可编程只读存储器(Erasable Programmable Read Only Memory,简称EPROM),可编程只读存储器(Programmable Red-Only Memory,简称PROM),只读存储器(Read-Only Memory,简称ROM),磁存储器,快闪存储器,磁盘或光盘。
本申请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,也可以通过其他的方式实现。以上所描述的装置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申请实施例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,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,在本申请实施例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。
再者,在本申请实施例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。
在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
以上的描述,仅为本申请实施例的可选实施方式,但本申请实施例的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请实施例揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请实施例的保护范围之内。
Claims (13)
1.一种条纹去除方法,其特征在于,包括:
分别计算影像矩阵的各列平均值和所述影像矩阵的各列均方差,获得第一平均值向量和第一均方差向量;
分别对所述第一平均值向量和所述第一均方差向量进行谐波正变换和谐波逆变换,获得第二平均值向量和第二均方差向量;
根据所述第一平均值向量、所述第一均方差向量、所述第二平均值向量和所述第二均方差向量对所述影像矩阵进行去除条纹处理,获得去除条纹后的影像矩阵。
2.根据权利要求1所述的方法,其特征在于,在所述分别计算影像矩阵的各列平均值和所述影像矩阵的各列均方差,获得第一平均值向量和第一均方差向量之前,还包括:
若所述影像矩阵的条纹类型为水平条纹,则将所述影像矩阵转置;
在所述根据所述第一平均值向量、所述第一均方差向量、所述第二平均值向量和所述第二均方差向量对所述影像矩阵进行去除条纹处理,获得去除条纹后的影像矩阵之后,还包括:
将所述去除条纹后的影像矩阵进行转置。
3.根据权利要求1所述的方法,其特征在于,所述分别对所述第一平均值向量和所述第一均方差向量进行谐波正变换和谐波逆变换,获得第二平均值向量和第二均方差向量,包括:
对所述第一平均值向量进行谐波正变换,获得第一谐波振幅、第一谐波相位和第一谐波余项;
对所述第一谐波振幅、所述第一谐波相位和所述第一谐波余项进行谐波逆变换,获得所述第二平均值向量。
4.根据权利要求3所述的方法,其特征在于,所述对所述第一平均值向量进行谐波正变换,获得第一谐波振幅、第一谐波相位和第一谐波余项,包括:
5.根据权利要求3所述的方法,其特征在于,所述对所述第一谐波振幅、所述第一谐波相位和所述第一谐波余项进行谐波逆变换,获得所述第二平均值向量,包括:
其中,j为所述影像矩阵的第j列,n为所述影像矩阵的列数量,μ'j为所述影像矩阵的第j列的经过谐波逆变换后的平均值,即所述第二平均值向量中的第j个平均值,μ'1,μ'2,…,μ'j,…,μ'n为所述影像矩阵的第1列到第n列的经过谐波逆变换后的平均值,即所述第二平均值向量中的第1个到第n个平均值,E'为所述第二平均值向量,h表示所述谐波正变换的预设次数,Ah、Bh分别为第一系数和第二系数,Ch为所述第一谐波振幅,φh为所述第一谐波相位,为所述第一谐波余项。
6.根据权利要求1所述的方法,其特征在于,所述分别对所述第一平均值向量和所述第一均方差向量进行谐波正变换和谐波逆变换,获得第二平均值向量和第二均方差向量,包括:
对所述第一均方差向量进行谐波正变换,获得第二谐波振幅、第二谐波相位和第二谐波余项;
对所述第二谐波振幅、所述第二谐波相位和所述第二谐波余项进行谐波逆变换,获得所述第二均方差向量。
7.根据权利要求6所述的方法,其特征在于,所述对所述第一均方差向量进行谐波正变换,获得第二谐波振幅、第二谐波相位和第二谐波余项,包括:
8.根据权利要求6所述的方法,其特征在于,所述对所述第二谐波振幅、所述第二谐波相位和所述第二谐波余项进行谐波逆变换,获得所述第二均方差向量,包括:
9.根据权利要求1所述的方法,其特征在于,所述分别计算影像矩阵的各列平均值和所述影像矩阵的各列均方差,获得第一平均值向量和第一均方差向量,包括:
根据和分别计算所述影像矩阵的各列平均值和所述影像矩阵的各列均方差,获得E=[μ1,μ2,…,μj,…,μn]和Δ=[δ1,δ2,δ3,…,δn];
其中,i=1,2,3,…,m,i为所述影像矩阵的第i行,m为所述影像矩阵的行数量,j=1,2,3,…,n,j为所述影像矩阵的第j列,n为所述影像矩阵的列数量,xij为所述影像矩阵的第i行第j列的像素值,μj为所述影像矩阵的第j列的像素值的平均值,即所述第一平均值向量中的第j个平均值,μ1,μ2,…,μj,…,μn为所述影像矩阵中从第1列到第n列的平均值,即所述第一平均值向量中的第1个到第n个平均值,E为所述第一平均值向量,δj为所述影像矩阵的第j列的像素值的均方差,即所述第一均方差向量中的第j个均方差,δ1,δ2,δ3,…,δn为所述影像矩阵中从第1列到第n列的均方差,即所述第一均方差向量中的第1个到第n个均方差,Δ为所述第一均方差向量。
10.根据权利要求1所述的方法,其特征在于,所述根据所述第一平均值向量、所述第一均方差向量、所述第二平均值向量和所述第二均方差向量对所述影像矩阵进行去除条纹处理,获得去除条纹后的影像矩阵,包括:
11.一种条纹去除装置,其特征在于,包括:
向量获得模块,用于分别计算影像矩阵的各列平均值和所述影像矩阵的各列均方差,获得第一平均值向量和第一均方差向量;
谐波变换模块,用于分别对所述第一平均值向量和所述第一均方差向量进行谐波正变换和谐波逆变换,获得第二平均值向量和第二均方差向量;
去除条纹模块,用于根据所述第一平均值向量、所述第一均方差向量、所述第二平均值向量和所述第二均方差向量对所述影像矩阵进行去除条纹处理,获得去除条纹后的影像矩阵。
12.一种电子设备,其特征在于,包括:处理器和存储器,所述存储器存储有所述处理器可执行的机器可读指令,所述机器可读指令被所述处理器执行时执行如权利要求1-10任一所述的方法。
13.一种存储介质,其特征在于,该存储介质上存储有计算机程序,该计算机程序被处理器运行时执行如权利要求1-10任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910898628.0A CN110689494B (zh) | 2019-09-23 | 2019-09-23 | 一种条纹去除方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910898628.0A CN110689494B (zh) | 2019-09-23 | 2019-09-23 | 一种条纹去除方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110689494A true CN110689494A (zh) | 2020-01-14 |
CN110689494B CN110689494B (zh) | 2020-10-20 |
Family
ID=69109775
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910898628.0A Active CN110689494B (zh) | 2019-09-23 | 2019-09-23 | 一种条纹去除方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110689494B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104021521A (zh) * | 2014-04-08 | 2014-09-03 | 刘健 | 基于傅里叶高通滤波与聚焦分析的遥感影像去条带方法 |
CN104182941A (zh) * | 2014-08-26 | 2014-12-03 | 中国石油大学(华东) | 高光谱图像条带噪声去噪方法 |
CN104580937A (zh) * | 2015-01-21 | 2015-04-29 | 中国科学院上海技术物理研究所 | 一种红外成像系统条纹噪声去除方法 |
CN105243650A (zh) * | 2015-11-16 | 2016-01-13 | 成都神州数码索贝科技有限公司 | 一种基于小波变换和傅里叶变换的条纹噪声去除方法及系统 |
CN109447920A (zh) * | 2018-11-12 | 2019-03-08 | 中国人民解放军国防科技大学 | 基于陷波滤波器的条带噪声自动去除方法 |
-
2019
- 2019-09-23 CN CN201910898628.0A patent/CN110689494B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104021521A (zh) * | 2014-04-08 | 2014-09-03 | 刘健 | 基于傅里叶高通滤波与聚焦分析的遥感影像去条带方法 |
CN104182941A (zh) * | 2014-08-26 | 2014-12-03 | 中国石油大学(华东) | 高光谱图像条带噪声去噪方法 |
CN104580937A (zh) * | 2015-01-21 | 2015-04-29 | 中国科学院上海技术物理研究所 | 一种红外成像系统条纹噪声去除方法 |
CN105243650A (zh) * | 2015-11-16 | 2016-01-13 | 成都神州数码索贝科技有限公司 | 一种基于小波变换和傅里叶变换的条纹噪声去除方法及系统 |
CN109447920A (zh) * | 2018-11-12 | 2019-03-08 | 中国人民解放军国防科技大学 | 基于陷波滤波器的条带噪声自动去除方法 |
Non-Patent Citations (2)
Title |
---|
XXX已失联: "利用傅里叶变换去除图像中有规律的噪声", 《HTTPS://WWW.CNBLOGS.COM/21207-IHOME/P/6225888.HTML》 * |
刘欣鑫: "光学遥感影像复杂条带噪声的变分处理方法研究", 《中国博士学位论文全文数据库(电子期刊)》 * |
Also Published As
Publication number | Publication date |
---|---|
CN110689494B (zh) | 2020-10-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Carfantan et al. | Statistical linear destriping of satellite-based pushbroom-type images | |
US10630960B2 (en) | Machine vision 3D line scan image acquisition and processing | |
US7602997B2 (en) | Method of super-resolving images | |
Carrano | Speckle imaging over horizontal paths | |
CN110675347B (zh) | 一种基于组稀疏表示的图像盲复原方法 | |
WO2012044380A2 (en) | Method and apparatus for compressive acquisition and recovery of dynamic imagery | |
Karakuş et al. | On solving SAR imaging inverse problems using nonconvex regularization with a cauchy-based penalty | |
US10284793B2 (en) | Machine vision system for forming a one dimensional digital representation of a low information content scene | |
CN111028172A (zh) | 基于无参数的非凸低秩矩阵逼近的高光谱图像去噪方法 | |
CN108257109B (zh) | 一种数据融合方法及装置 | |
Kober et al. | Restoration of multispectral images distorted by spatially nonuniform camera motion | |
CN110706188B (zh) | 一种影像融合方法、装置、电子设备及存储介质 | |
Sun et al. | Image fusion for the novelty rotating synthetic aperture system based on vision transformer | |
Li et al. | Efficient burst raw denoising with variance stabilization and multi-frequency denoising network | |
KR101982755B1 (ko) | 항공 영상을 정합하는 방법 및 장치 | |
CN110689494B (zh) | 一种条纹去除方法、装置、电子设备及存储介质 | |
Gladysz et al. | Image reconstruction of extended objects: demonstration with the Starfire Optical Range 3.5 m telescope | |
Wang et al. | A Unidirectional Total Variation and Second‐Order Total Variation Model for Destriping of Remote Sensing Images | |
Hajmohammadi et al. | Parallel hybrid bispectrum-multi-frame blind deconvolution image reconstruction technique | |
Li et al. | Imaging simulation and learning-based image restoration for remote sensing time delay and integration cameras | |
CN113554555B (zh) | 相位畸变补偿方法、装置、计算机设备和存储介质 | |
Zheng et al. | Image and depth estimation with mask-based lensless cameras | |
Abrardo et al. | A compressive sampling scheme for iterative hyperspectral image reconstruction | |
Mikelsons et al. | A fast and robust implementation of the adaptive destriping algorithm for SNPP VIIRS and Terra/Aqua MODIS SST | |
Li et al. | Super–Resolution Restoration and Image Reconstruction for Passive Millimeter Wave Imaging |
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 | ||
CP03 | Change of name, title or address |
Address after: Room 301, floor 3, building 5, zone 4, Xishan Creative Park, Haidian District, Beijing 100195 Patentee after: Aerospace Hongtu Information Technology Co.,Ltd. Address before: Room 301, Room 3, Building 5, District 4, Xishan Creative Park, Haidian District, Beijing Patentee before: BEIJING PIESAT INFORMATION TECHNOLOGY Co.,Ltd. |
|
CP03 | Change of name, title or address |