CN111723753B - 卫星遥感图像的去条带方法、装置和电子设备 - Google Patents
卫星遥感图像的去条带方法、装置和电子设备 Download PDFInfo
- Publication number
- CN111723753B CN111723753B CN202010585397.0A CN202010585397A CN111723753B CN 111723753 B CN111723753 B CN 111723753B CN 202010585397 A CN202010585397 A CN 202010585397A CN 111723753 B CN111723753 B CN 111723753B
- Authority
- CN
- China
- Prior art keywords
- remote sensing
- sensing image
- satellite remote
- strip
- pixels
- 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
- 238000000034 method Methods 0.000 title claims abstract description 86
- 238000004590 computer program Methods 0.000 claims description 6
- 238000003708 edge detection Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 14
- 238000003384 imaging method Methods 0.000 abstract description 5
- 230000008569 process Effects 0.000 description 12
- 238000004891 communication Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 238000000605 extraction Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000012790 confirmation Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 230000002441 reversible effect Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 238000005429 filling process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 238000012847 principal component analysis method Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/13—Satellite images
-
- 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
- G06T5/94—Dynamic range modification of images or parts thereof based on local image properties, e.g. for local contrast enhancement
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Astronomy & Astrophysics (AREA)
- Remote Sensing (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种卫星遥感图像的去条带方法、装置和电子设备，涉及卫星遥感成像技术领域，该方法首先获取待处理的卫星遥感图像，然后根据卫星遥感图像中像元的梯度值，确定卫星遥感图像中的条带的边缘以及中心位置；之后利用卫星遥感图像中的条带的边缘以及中心位置，确定卫星遥感图像中包含的待填充条带；最后根据待填充条带的宽度，确定以待填充条带中的像元为中心的正方形区域，计算正方形区域的亮温平均值，并将亮温平均值填充到待填充条带中对应的像元中。该方法通过对条带的边缘和中心位置区域的确定，进一步提升条带识别的准确度，减少非条带数据的干扰，提升图像中呈倾斜分布的条带的填充效果。
Description
技术领域
本发明卫星遥感成像技术领域，尤其是涉及一种卫星遥感图像的去条带方法、装置和电子设备。
背景技术
卫星传感器在反复扫描地物的成像过程中，受扫描探测元正反扫描相应差异、传感器机械运动和温度变化等影响导致获取影像上存在具有周期性、方向性的条带状噪声。这些噪声以条带的形式呈现在遥感图像中，影响最终的成像效果。现有技术中对于卫星遥感图像中的条带进行填充的过程中，还存在着容易对于非条带区域产生干扰、易对遥感图像造成畸变以及无法处理图像中呈倾斜分布的条带等诸多问题。
发明内容
有鉴于此，本发明的目的在于提供一种卫星遥感图像的去条带方法、装置和电子设备，通过对条带的边缘和中心位置区域的确定，进一步提升条带识别的准确度，减少非条带数据的干扰，提升图像中呈倾斜分布的条带的填充效果。
第一方面，本发明实施例提供了一种卫星遥感图像的去条带方法，该方法包括：
获取待处理的卫星遥感图像；
根据卫星遥感图像中像元的梯度值，确定卫星遥感图像中的条带的边缘以及中心位置；
利用卫星遥感图像中的条带的边缘以及中心位置，确定卫星遥感图像中包含的待填充条带；
从卫星遥感图像中确定以待填充条带中的像元为中心的正方形区域；
计算正方形区域的亮温平均值，并将亮温平均值填充到对应的待填充条带中的像元中。
在一些实施方式中，上述根据卫星遥感图像中像元的梯度值，确定卫星遥感图像中的条带的边缘以及中心位置的步骤，包括：
根据卫星遥感图像中像元的灰度值，利用梯度算式计算像元的水平梯度；
将水平梯度大于预设梯度阈值的像元确定为条带的边缘点，边缘点通过连通操作得到条带的边缘；
计算卫星遥感图像中所有正(负)水平梯度像元的正(负)水平梯度平均值，将位于正负水平梯度像元之间且正负水平梯度大于对应平均值的像元确定为条带的中心位置。
在一些实施方式中，上述计算卫星遥感图像中所有正(负)水平梯度像元的正(负)的平均值，将位于正负水平梯度像元之间且正负水平梯度大于对应平均值的像元确定为条带的中心位置的步骤，包括：
根据卫星遥感图像中所有像元的水平梯度分别计算正(负)水平梯度像元的正(负)水平梯度的平均值；
判断像元是否位于正负水平梯度像元之间且正(负)水平梯度值是否大于正(负)水平梯度的平均值；如果是，将像元确定为条带中心位置。
在一些实施方式中，上述梯度算式为：
G(i,j)＝S×f(i,j)
其中，G(i,j)为卫星遥感图像中第i行第j列像元的水平梯度值；f(i,j)为卫星遥感图像中第i行第j列像元的灰度值；S为边缘检测算子。
在一些实施方式中，利用卫星遥感图像中的条带的边缘以及中心位置，确定卫星遥感图像中包含的待填充条带的步骤，包括：
设置临时空间窗口；其中，临时空间窗口的边长不大于卫星遥感图像的边长；
获取卫星遥感图像中在临时空间窗口覆盖区域内同时包含条带的边缘以及中心位置的区域，记为临时区域；
判断临时区域中的条带的中心是否位于条带的边缘之间；如果是，将边缘之间的区域确定为待填充条带。
在一些实施方式中，上述将边缘之间的区域确定为待填充条带之后，方法还包括：
将待填充条带的像元值设置为空。
在一些实施方式中，上述卫星遥感图像为Landsat 8 TIRS遥感影像。
第二方面，本发明实施例提供了一种卫星遥感图像的去条带装置，该装置包括：
遥感图像获取模块，用于获取待处理的卫星遥感图像；
条带初始化模块，用于根据卫星遥感图像中像元的梯度值，确定卫星遥感图像中的条带的边缘以及中心位置；
条带计算模块，用于利用卫星遥感图像中的条带的边缘以及中心位置，确定卫星遥感图像中包含的待填充条带；
条带区域确定模块，用于从卫星遥感图像中确定以待填充条带中的像元为中心的正方形区域；
条带去除模块，用于计算正方形区域的亮温平均值，并将亮温平均值填充到对应的待填充条带中的像元中。
第三方面，本发明实施例还提供一种电子设备，包括存储器、处理器，存储器中存储有可在处理器上运行的计算机程序，其中，处理器执行计算机程序时实现上述第一方面的方法的步骤。
第四方面，本发明实施例还提供一种具有处理器可执行的非易失的程序代码的计算机可读介质，其中，程序代码使处理器执行上述第一方面方法。
本发明实施例带来了以下有益效果：
本发明提供了一种卫星遥感图像的去条带方法、装置和电子设备，该方法首先获取待处理的卫星遥感图像，然后根据卫星遥感图像中像元的梯度值，确定卫星遥感图像中的条带的边缘以及中心位置；之后利用卫星遥感图像中的条带的边缘以及中心位置，确定卫星遥感图像中包含的待填充条带；最后根据待填充条带的宽度，确定以待填充条带中的像元为中心的正方形区域，计算正方形区域的亮温平均值，并将亮温平均值填充到待填充条带中对应的像元中，从而得到填充之后的卫星遥感图像。该方法通过对条带的边缘和中心位置区域的确定，进一步提升条带识别的准确度，减少非条带数据的干扰，提升图像中呈倾斜分布的条带的填充效果。
本发明的其他特征和优点将在随后的说明书中阐述，或者，部分特征和优点可以从说明书推知或毫无疑义地确定，或者通过实施本发明的上述技术即可得知。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施方式，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具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，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的附图。
图1为本发明实施例提供的一种卫星遥感图像的去条带方法的流程图；
图2为本发明实施例提供的卫星遥感图像的去条带方法中步骤S102的流程图；
图3为本发明实施例提供的卫星遥感图像的去条带方法中步骤S203的流程图；
图4为本发明实施例提供的卫星遥感图像的去条带方法中步骤S103的流程图；
图5为本发明实施例提供的对开阔海域遥感图像在去条带前后的示意图；
图6为本发明实施例提供的对沿岸地区遥感图像在去条带前后的示意图；
图7为本发明实施例提供的卫星遥感图像的去条带装置的结构示意图；
图8为本发明实施例提供的一种电子设备的结构示意图。
图标：
710-遥感图像获取模块；720-条带初始化模块；730-条带计算模块；740-条带区域确定模块；750-条带去除模块；101-处理器；102-存储器；103-总线；104-通信接口。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动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。
卫星传感器在反复扫描地物的成像过程中，受扫描探测元正反扫描相应差异、传感器机械运动和温度变化等影响导致获取影像上存在具有周期性、方向性的条带状噪声。目前，去除影像条带的方法有很多傅里叶变换法、小波变换法、主成分分析法、直方图匹配法、矩匹配法和插值法等。快速傅里叶变换法和小波变换法是通过傅里叶变换、正交变换等方法将原始影像分解成低频影像和高频影像，并选取阈值去除影像中部分高频信息以达到去除影像中的条带的目的。这类频率域去噪的方法极容易对非条带区域造成影像，导致影像细节信息丢失。主成分分析法通过将含有噪声的主成分影像数据值设置为常数再进行主成分逆变换来去除条带。但在此过程中，条带噪声往往混杂在各主成分影像中难以去除。直方图匹配法是假设每个传感器扫描获取地物具有相同且均衡的辐射分布,通过将含有噪声影像的直方图校正到参考直方图上来去除影像中的条带。矩匹配法则是假设在均一地物的情况下，将每个扫描行调整到参考扫描行上使各扫描行辐射分量的均值和方差近似相等。这两种方法主要适用于去除水平和垂直的宽条带，会造成影像畸变。插值法是目前最为常用的简单有效的方法，其主要原理是利用确定影像中条带噪声所在行，利用插值计算替换条带。该方法只对认定的条带噪声行进行处理,而不会影响非条带行的数值，但只能判断影像中的横向和纵向条带噪声，不适用于图像中呈倾斜分布的条带。
综上所述，现有技术对于卫星遥感图像中的条带进行填充过程中存在以下几个缺点：
易对非条带区域造成影响，丢失影像细节信息；
易对影像造成畸变；
多适用于横向和纵向条带，无法处理图像中呈倾斜分布的条带问题。
基于此，本发明实施例提供一种卫星遥感图像的去条带方法、装置和电子设备，通过对条带的中心位置区域的确定，进一步提升条带识别的准确度，减少非条带数据的干扰，提升图像中呈倾斜分布的条带的填充效果。
为便于对本实施例进行理解，首先对本发明实施例所公开的一种卫星遥感图像的去条带方法进行详细介绍。
参见图1所示的一种卫星遥感图像的去条带方法的流程图，其中，该方法具体步骤包括：
步骤S101，获取待处理的卫星遥感图像。
卫星遥感图像通过相关卫星系统获取得到，具体实现过程中可直接调取卫星系统的相关图像接口实时获取，也可通过保存在本地的卫星遥感历史图像中获得。
以Landsat 8 TIRS图像为例，Landsat 8(陆地卫星8号)中的TIRS(ThermalInfrared Sensor，热红外传感器)图像可通过相关接口的调用而获取得到。在获取的Landsat 8 TIRS图像中，由于存在季节变化的非均匀带状伪影，尤其是在水体地域中的条带问题比较严重，且条带因卫星扫描轨道与经度带形成夹角，呈现倾斜带状分布。
Landsat 8 TIRS中的带状伪影可分为两种：一种条带表现为在单一传感器芯片组中信号发生低频率变化，在均匀场景中尤为明显。另一种条带表现为三个传感器芯片组之间信号的突然变化。
目前，对于此类影像条带的填充去除方法(如频率域去噪法、空间域去噪法和统计量调整法等)都主要针对影像中的横向和纵向条带，并不适用于图像中呈倾斜分布的条带。
步骤S102，根据卫星遥感图像中像元的梯度值，确定卫星遥感图像中的条带的边缘以及中心位置。
像元梯度值可通过数字图像处理得以实现，例如采用数值法(numericalgradient)，解析法(analytic gradient)或反向传播法(Back propagation gradient)任意一种。由于卫星遥感图像中的条带多为垂直分布，并且图像上有细条纹和亮斑等干扰，因此获取的像元梯度的方向为水平方向。
在获取卫星遥感图像像元的水平梯度值后，根据预设的阈值即可获取卫星遥感图像的边缘提取过程。边缘提取过程中包含了条带的边缘，也包含了其它干扰物体的边缘，因此在边缘提取过程中可事先将图像进行滤波操作，过滤掉无用物体的边缘，进而得到卫星遥感图像中的条带边缘。
获取卫星遥感图像中的条带边缘后即可得到条带的形状，结合梯度值即可得到条带的中心位置。条带的中心位置是由多个像元点组成的，一般都具有一定的宽度。
步骤S103，利用卫星遥感图像中的条带的边缘以及中心位置，确定卫星遥感图像中包含的待填充条带。
条带边缘和条带中心位置确定以后，通过位置关系的判断即可确定卫星遥感图像中需要待填充的条带。
例如，由于卫星遥感图像普遍较大，通常情况下需要在小窗口中进行确定，因此可选取较小的临时窗口以判断该窗口中是否为条带。如果在此临时窗口区域内存在条带边缘和条带中心位置，并且条带中心位置位于条带边缘的两个边界之间，则将两个边界之间的区域视为待填充的条带。
步骤S104，从卫星遥感图像中确定以待填充条带中的像元为中心的正方形区域。
在获取待填充条带后，需要计算条带填充的亮温。该亮温值的获取结果直接影响最终填充的效果，以尽可能的与条带周围区域的亮温保持一致作为判断依据，使得在填充后即可将条带与周围区域融合到一起。
亮温值可通过获取条带周围区域的平均亮温值来获取，因此可通过确定以所述待填充条带中的像元为中心的正方形区域得以实现，将正方形区域中的平均亮温值作为所述条带对应像元的填充值，即步骤S105。
步骤S105，计算正方形区域的亮温平均值，并将亮温平均值填充到对应的待填充条带中的像元中。
通过上述实施例中提供的卫星遥感图像的去条带方法可知，该方法通过卫星遥感图像的梯度值确定卫星遥感图像中的条带的边缘以及中心位置，由于遥感图像中不可能始终为均匀的环境，导致获取的条带中容易夹杂着亮斑等其它干扰信息；而该方法实施中通过条带的中心位置结合条带的边缘信息可确保识别待填充条带的准确度，进而减少非条带数据的干扰，并且可提升图像中呈倾斜分布的条带的填充效果。
在一些实施方式中，上述根据卫星遥感图像中像元的梯度值，确定卫星遥感图像中的条带的边缘以及中心位置的步骤S102，如图2所示，包括以下步骤：
步骤S201，根据卫星遥感图像中像元的灰度值，利用梯度算式计算像元的水平梯度。
水平梯度的计算可采用Sobel算子得以实现，Sobel算子是边缘监测中的经典离散微分算子，可以抑制图像中的噪声并精确定位图像边缘。它首先进行加权平滑，然后微分以增强边缘突变，根据周围8个像素来估计中心像素的梯度。该算子具有方向性，可以检测水平边缘、垂直边缘或图像边缘。由于条纹主要以垂直分布，且图像上有细条纹和亮斑，使用垂直边缘检测Sobel算子计算水平梯度。
具体实施过程中，上述梯度算式为：
G(i,j)＝S×f(i,j)
其中，G(i,j)为卫星遥感图像中第i行第j列像元的水平梯度值；f(i,j)为卫星遥感图像中第i行第j列像元的灰度值；矩阵为Sobel算子。
步骤S202，将水平梯度大于预设梯度阈值的像元确定为条带的边缘点，边缘点通过连通操作得到条带的边缘。
该步骤可理解为边缘提取的过程，边缘提取需要根据实际场景，通过设置相应的阈值与水平梯度进行判断，从而确定边缘点。基于水平梯度的结果，可利用预设的阈值滤除图像中的噪声和较小的梯度值，保留满足关系的较大的梯度值，最终将满足关系的梯度值对应的像元确认为条带边缘点。
具体实现过程，是通过数字阈值得以实现，即当卫星遥感图像水平梯度值大于边缘检测阈值时，该像元点被判定为图像中的条带边缘点。例如，在Landsat 8 TIRS遥感图像中，边缘检测阈值设置为27，此时基本可以完整的提取出图像中的条带边缘。
步骤S203，计算卫星遥感图像中所有正(负)水平梯度像元的正(负)水平梯度平均值，将位于正负水平梯度像元之间且正负水平梯度大于对应平均值的像元确定为条带的中心位置。
在确定卫星遥感图像中的边缘后，需要结合像元的水平梯度值确认条带的中心位置，具体的如图3所示，包括以下步骤：
步骤S31，根据卫星遥感图像中所有像元的水平梯度分别计算正(负)水平梯度像元的正(负)水平梯度的平均值。
首先根据卫星遥感图像中每个像元在水平方向的梯度值，分别计算图像中所有正(负)水平梯度的像元的正(负)水平梯度的平均值，通过加入正负关系确定梯度的方向，以便后续进行条带的确认过程。
步骤S32，判断像元是否位于正负水平梯度像元之间且正(负)水平梯度值是否大于正(负)水平梯度的平均值；如果是，将像元确定为条带中心位置。
将像元的水平梯度值分别与像元的正负水平梯度的平均值进行对比，如果像元位于正负水平梯度之间且正负水平梯度分别大于相应的平均值，则将该像元确定为条带中心位置。
条带中心位置的确定，可确保识别条带结果的准确度，同时可避免影像其它非条带的数据信息。条带的中心位置是由多个像元点组成的，一般都具有一定的宽度，由于亮斑、细小条带的存在，确定结果中参杂除条带中心位置以外的信息，但条带的确认需要满足中心位置与边界两个条件，不影响最终的填充结果。
在一些实施方式中，利用卫星遥感图像中的条带的边缘以及中心位置，确定卫星遥感图像中包含的待填充条带的步骤S103，如图4所示，包括：
步骤S401，设置临时空间窗口；其中，临时空间窗口的边长不大于卫星遥感图像的边长。
由于卫星遥感图像的尺寸普遍较大，需要设置临时空间窗口以判断该窗口中的像元是否为待填充条带区域。临时空间窗口的边长可尽可能的小于卫星遥感图像的边长，有利于提高条带提取精度。
步骤S402，获取卫星遥感图像中在临时空间窗口覆盖区域内同时包含条带的边缘以及中心位置的区域，记为临时区域。
对临时空间覆盖区域中的卫星遥感图像包含的数据进行确认，如果该区域同时包含条带的边缘以及中心位置，即将该临时区域记为临时区域。
上述过程可通过逐行扫描的方式得以实现，例如以临时窗口的左上角顶点作为起始点，逐行对卫星遥感图像进行确认。当在临时空间窗口覆盖区域内同时包含条带的边缘以及中心位置时，暂时停止扫描，执行后续步骤。
步骤S403，判断临时区域中的条带中心是否位于条带的边缘之间；如果是，将边缘之间的区域确定为待填充条带。
该步骤是对待填充条带的判断步骤，当条带中心位于条带的两个边缘之间时，将该边缘之间的区域确定为待填充条带区域。
在一些实施方式中，上述将边缘之间的区域确定为待填充条带之后，方法还包括：将待填充条带的像元值设置为空。
设置为空的步骤是为了防止像元值在叠加时产生偏差，因此在获得待填充条带后，条带的像元值设置为空，相当于清零过程。
设置为空的过程根据场景不同，其格式也不同，例如可为：NaN、Null、0、nil等不同格式，但表达的含义均为像元值的大小为0。
在一些实施方式中，上述卫星遥感图像为Landsat 8 TIRS遥感影像。
将上述实施例提到的卫星遥感图像的去条带方法应用于Landsat 8 TIRS遥感影像中，下面通过对开阔海域以及沿岸地区两种遥感影像填充前后的图像对最终的填充效果进行描述。
图5为对开阔海域遥感图像在去条带前后的示意图，5(a)为开阔海域的原图，可见5(a)中包含了多条倾斜的条带；5(b)为通过实施例提到的卫星遥感图像的去条带方法提取的条带的边缘所确定的条带边界；5(c)为确定的条带中心，虽然5(c)中可发现存在较多的亮斑以及细小条带，但条带的确认需要满足中心位置与边界两个条件，并不会影响最终结果；5(d)为去条带的结果；5(e)为填充后的结果。
从图5中对开阔海域的遥感图像填充前的5(a)以及5(e)可以发现，该卫星遥感图像的去条带方法呈倾斜分布的条带的填充效果较好。
图6为对沿岸地区遥感图像在去条带前后的示意图，6(a)为开阔海域的原图，可见6(a)的海域中包含了多条倾斜的条带；6(b)为通过实施例提到的卫星遥感图像的去条带方法提取的条带的边缘所确定的条带边界；6(c)为确定的条带中心，虽然6(c)中可发现存在较多的亮斑以及细小条带，但条带的确认需要满足中心位置与边界两个条件，并不会影响最终结果；6(d)为去条带的结果；6(e)为填充后的结果。
从图6中对沿岸地区的遥感图像去条带前的6(a)以及6(e)可以发现，该卫星遥感图像的去条带方法对呈倾斜分布的条带的填充效果较好。
从Landsat 8 TIRS图像的去条带效果可知，该卫星遥感图像的去条带方法对于水体区域以及呈倾斜分布的条带具有较好的填充效果。
上述实施例中提供的卫星遥感图像的去条带效果可知，该方法首先获取待处理的卫星遥感图像，然后根据卫星遥感图像中像元的梯度值，确定卫星遥感图像中的条带的边缘以及中心位置；之后利用卫星遥感图像中的条带的边缘以及中心位置，确定卫星遥感图像中包含的待填充条带；最后根据待填充条带的宽度，确定以待填充条带中的像元为中心的正方形区域，计算正方形区域的亮温平均值，并将亮温平均值填充到待填充条带中对应的像元，从而得到填充之后的卫星遥感图像。该方法通过对条带的中心位置区域确定进一步提升条带识别的准确度，减少非条带数据的干扰，提升了对图像中呈倾斜分布的条带的填充效果。
对应于上述方法实施例，本发明实施例还提供了一种卫星遥感图像的去条带装置，其结构示意图如图7所示，其中，该装置包括：
遥感图像获取模块710，用于获取待处理的卫星遥感图像；
条带初始化模块720，用于根据卫星遥感图像中像元的梯度值，确定卫星遥感图像中的条带的边缘以及中心位置；
条带计算模块730，用于利用卫星遥感图像中的条带的边缘以及中心位置，确定卫星遥感图像中包含的待填充条带；
条带区域确定模块740，用于从卫星遥感图像中确定以所述待填充条带中的像元为中心的正方形区域；
条带去除模块750，用于计算正方形区域的亮温平均值，并将亮温平均值填充到所述待填充条带中对应的像元中。
本发明实施例提供的卫星遥感图像的去条带装置，与上述实施例提供的卫星遥感图像的去条带方法具有相同的技术特征，所以也能解决相同的技术问题，达到相同的技术效果。为简要描述，实施例部分未提及之处，可参考前述方法实施例中相应内容。
本实施例还提供一种电子设备，为该电子设备的结构示意图如图8所示，该设备包括处理器101和存储器102；其中，存储器102用于存储一条或多条计算机指令，一条或多条计算机指令被处理器执行，以实现上述卫星遥感图像的去条带方法。
图8所示的电子设备还包括总线103和通信接口104，处理器101、通信接口104和存储器102通过总线103连接。
其中，存储器102可能包含高速随机存取存储器(RAM，Random Access Memory)，也可能还包括非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。总线103可以是ISA总线、PCI总线或EISA总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图8中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。
通信接口104用于通过网络接口与至少一个用户终端及其它网络单元连接，将封装好的IPv4报文或IPv4报文通过网络接口发送至用户终端。
处理器101可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器101中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器101可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(DigitalSignal Processor，简称DSP)、专用集成电路(Application Specific IntegratedCircuit，简称ASIC)、现场可编程门阵列(Field-Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本公开实施例中的公开的各方法、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。结合本公开实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器102，处理器101读取存储器102中的信息，结合其硬件完成前述实施例的方法的步骤。
本发明实施例还提供了一种计算机可读存储介质，该计算机可读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前述实施例的方法的步骤。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统、设备和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，设备或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的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用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，服务器，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。
最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。
Claims (9)
1.一种卫星遥感图像的去条带方法，其特征在于，所述方法包括：
获取待处理的卫星遥感图像；
根据所述卫星遥感图像中像元的梯度值，确定所述卫星遥感图像中的条带的边缘以及中心位置；
利用所述卫星遥感图像中的条带的边缘以及中心位置，确定所述卫星遥感图像中包含的待填充条带；
从所述卫星遥感图像中确定以所述待填充条带中的像元为中心的正方形区域；
计算所述正方形区域的亮温平均值，并将亮温平均值填充到对应的待填充条带中的像元中；
利用所述卫星遥感图像中的条带的边缘以及中心位置，确定所述卫星遥感图像中包含的待填充条带的步骤，包括：
设置临时空间窗口；其中，所述临时空间窗口的边长不大于所述卫星遥感图像的边长；
获取所述卫星遥感图像中在临时空间窗口覆盖区域内同时包含所述条带的边缘以及中心位置的区域，记为临时区域；
判断所述临时区域中的所述条带的中心是否位于所述条带的边缘之间；如果是，将所述边缘之间的区域确定为待填充条带。
2.根据权利要求1所述的卫星遥感图像的去条带方法，其特征在于，根据所述卫星遥感图像中像元的梯度值，确定所述卫星遥感图像中的条带的边缘以及中心位置的步骤，包括：
根据所述卫星遥感图像中像元的灰度值，利用梯度算式计算所述像元的水平梯度；
将所述水平梯度大于预设梯度阈值的像元确定为所述条带的边缘点，所述边缘点通过连通操作得到所述条带的边缘；
计算所述卫星遥感图像中正水平梯度像元的水平梯度平均值与负水平梯度像元的水平梯度平均值，将位于正负水平梯度像元之间且两侧的正负水平梯度分别大于对应的正负水平梯度平均值的像元确定为所述条带的中心位置。
3.根据权利要求2所述的卫星遥感图像的去条带方法，其特征在于，计算所述卫星遥感图像中正水平梯度像元的水平梯度平均值与负水平梯度像元的水平梯度平均值，将位于正负水平梯度像元之间且两侧的正负水平梯度大于对应的正负水平梯度平均值的像元确定为所述条带的中心位置的步骤，包括：
根据所述卫星遥感图像中所有像元的水平梯度，分别计算正水平梯度像元的水平梯度的平均值与负水平梯度像元的水平梯度平均值；
判断所述像元是否位于正负水平梯度像元之间且两侧的正负水平梯度值是否分别大于对应的正负水平梯度的平均值；如果是，将所述像元确定为条带中心位置。
4.根据权利要求2所述的卫星遥感图像的去条带方法，其特征在于，所述梯度算式为：
G(i,j)＝S×f(i,j)
其中，G(i,j)为所述卫星遥感图像中第i行第j列像元的水平梯度值；f(i,j)为所述卫星遥感图像中第i行第j列像元的灰度值；S为边缘检测算子。
5.根据权利要求1所述的卫星遥感图像的去条带方法，其特征在于，将所述边缘之间的区域确定为待填充条带之后，所述方法还包括：
将所述待填充条带的像元值设置为空。
6.根据权利要求1所述的卫星遥感图像的去条带方法，其特征在于，所述卫星遥感图像为Landsat 8TIRS遥感影像。
7.一种卫星遥感图像的去条带装置，其特征在于，所述装置包括：
遥感图像获取模块，用于获取待处理的卫星遥感图像；
条带初始化模块，用于根据所述卫星遥感图像中像元的梯度值，确定所述卫星遥感图像中的条带的边缘以及中心位置；
条带计算模块，用于利用所述卫星遥感图像中的条带的边缘以及中心位置，确定所述卫星遥感图像中包含的待填充条带；
条带区域确定模块，用于从所述卫星遥感图像中确定以所述待填充条带中的像元为中心的正方形区域；
条带去除模块，用于计算所述正方形区域的亮温平均值，并将亮温平均值填充到对应的待填充条带中的像元中；
所述条带初始化模块，还用于：设置临时空间窗口；其中，所述临时空间窗口的边长不大于所述卫星遥感图像的边长；获取所述卫星遥感图像中在临时空间窗口覆盖区域内同时包含所述条带的边缘以及中心位置的区域，记为临时区域；判断所述临时区域中的所述条带的中心是否位于所述条带的边缘之间；如果是，将所述边缘之间的区域确定为待填充条带。
8.一种电子设备，其特征在于，包括：处理器和存储装置；所述存储装置上存储有计算机程序，所述计算机程序在被所述处理器运行时执行如权利要求1至6任一项所述的卫星遥感图像的去条带方法的步骤。
9.一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，其特征在于，所述计算机程序被处理器运行时执行上述权利要求1至6任一项所述的卫星遥感图像的去条带方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010585397.0A CN111723753B (zh) | 2020-06-23 | 2020-06-23 | 卫星遥感图像的去条带方法、装置和电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010585397.0A CN111723753B (zh) | 2020-06-23 | 2020-06-23 | 卫星遥感图像的去条带方法、装置和电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111723753A CN111723753A (zh) | 2020-09-29 |
| CN111723753B true CN111723753B (zh) | 2023-07-11 |
Family
ID=72568688
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010585397.0A Active CN111723753B (zh) | 2020-06-23 | 2020-06-23 | 卫星遥感图像的去条带方法、装置和电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111723753B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113139921B (zh) * | 2021-05-12 | 2024-03-15 | 北京京东方光电科技有限公司 | 图像处理方法、显示装置、电子设备及存储介质 |
| CN115170947B (zh) * | 2022-05-12 | 2023-04-18 | 广东省科学院广州地理研究所 | 基于遥感图像的河口浑浊带与水体分类方法、装置及设备 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6711283B1 (en) * | 2000-05-03 | 2004-03-23 | Aperio Technologies, Inc. | Fully automatic rapid microscope slide scanner |
| CN101515987A (zh) * | 2008-12-30 | 2009-08-26 | 中国资源卫星应用中心 | 一种用于旋转扫描多元并扫红外相机的遥感图像辐射校正方法 |
| CN102819827A (zh) * | 2012-07-10 | 2012-12-12 | 武汉大学 | 一种基于灰度分割的自适应矩匹配条带噪声去除方法 |
| CN103679648A (zh) * | 2013-11-18 | 2014-03-26 | 北京空间机电研究所 | 一种基于空间分割的矩匹配卫星影像条带噪声去除方法 |
| CN104730598A (zh) * | 2015-04-07 | 2015-06-24 | 北京市环境保护监测中心 | 一种沙尘暴监测方法及装置 |
| CN106416652A (zh) * | 2016-07-12 | 2017-02-22 | 交通运输部科学研究院 | 一种草皮保护利用方法 |
| CN108681993A (zh) * | 2018-05-10 | 2018-10-19 | 中国国土资源航空物探遥感中心 | 基于归一化的国产高分辨率遥感影像条带噪声去除方法 |
| CN109960269A (zh) * | 2019-04-04 | 2019-07-02 | 武汉大学 | 一种服务于无人机自主导航的简化环境建模方法 |
| CN110472472A (zh) * | 2019-05-30 | 2019-11-19 | 北京市遥感信息研究所 | 基于sar遥感图像的机场检测方法与装置 |
-
2020
- 2020-06-23 CN CN202010585397.0A patent/CN111723753B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6711283B1 (en) * | 2000-05-03 | 2004-03-23 | Aperio Technologies, Inc. | Fully automatic rapid microscope slide scanner |
| CN101515987A (zh) * | 2008-12-30 | 2009-08-26 | 中国资源卫星应用中心 | 一种用于旋转扫描多元并扫红外相机的遥感图像辐射校正方法 |
| CN102819827A (zh) * | 2012-07-10 | 2012-12-12 | 武汉大学 | 一种基于灰度分割的自适应矩匹配条带噪声去除方法 |
| CN103679648A (zh) * | 2013-11-18 | 2014-03-26 | 北京空间机电研究所 | 一种基于空间分割的矩匹配卫星影像条带噪声去除方法 |
| CN104730598A (zh) * | 2015-04-07 | 2015-06-24 | 北京市环境保护监测中心 | 一种沙尘暴监测方法及装置 |
| CN106416652A (zh) * | 2016-07-12 | 2017-02-22 | 交通运输部科学研究院 | 一种草皮保护利用方法 |
| CN108681993A (zh) * | 2018-05-10 | 2018-10-19 | 中国国土资源航空物探遥感中心 | 基于归一化的国产高分辨率遥感影像条带噪声去除方法 |
| CN109960269A (zh) * | 2019-04-04 | 2019-07-02 | 武汉大学 | 一种服务于无人机自主导航的简化环境建模方法 |
| CN110472472A (zh) * | 2019-05-30 | 2019-11-19 | 北京市遥感信息研究所 | 基于sar遥感图像的机场检测方法与装置 |
Non-Patent Citations (3)
| Title |
|---|
| AGRI遥感图像中条带噪声的分析与去除;李文力 等;《光学学报》;20191231;第39卷(第12期);1-11 * |
| Stripe Noise Removal Method for MODIS Remote Sensing Imagery;Ruizhi Ren 等;《2010 2nd International Conference on Computer Engineering and Technology》;20101231;第1卷;561-569 * |
| 城市热环境的规划改善策略研究—以武汉市为例;岳亚飞 等;《长江流域资源与环境》;20180228;第27卷(第2期);286-295 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111723753A (zh) | 2020-09-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112085682B (zh) | 图像降噪方法、装置、电子设备及存储介质 | |
| CN111723753B (zh) | 卫星遥感图像的去条带方法、装置和电子设备 | |
| US20140355877A1 (en) | Method and apparatus for processing a gray image | |
| CN111047615B (zh) | 基于图像的直线检测方法、装置以及电子设备 | |
| US8885969B2 (en) | Method and apparatus for detecting coding artifacts in an image | |
| US20210131979A1 (en) | Break Analysis Apparatus and Method | |
| CN113077459B (zh) | 图像清晰度检测方法、装置、电子设备及存储介质 | |
| CN107292828B (zh) | 图像边缘的处理方法和装置 | |
| US20110293191A1 (en) | Apparatus and method for extracting edges of image | |
| CN113988112B (zh) | 车道线的检测方法、装置、设备及存储介质 | |
| CN110796615A (zh) | 一种图像去噪方法、装置以及存储介质 | |
| US12020490B2 (en) | Method and device for estimating position of networked vehicle based on independent non-uniform increment sampling | |
| CN111383196B (zh) | 红外图像条纹消除方法、红外探测器及存储装置 | |
| CN112465707B (zh) | 红外图像条纹噪声的处理方法、装置、介质及电子设备 | |
| US11519715B2 (en) | Method, device, apparatus and storage medium for detecting a height of an obstacle | |
| CN112146834B (zh) | 结构振动位移测量方法及装置 | |
| CN106910196B (zh) | 一种图像检测方法及装置 | |
| CN115830049B (zh) | 角点检测的方法和装置 | |
| CN116385370A (zh) | 鱼眼图像处理方法、装置、电子设备和存储介质 | |
| JP3655496B2 (ja) | 車両検知装置および車両検知方法ならびに車両検知プログラムを記録したコンピュータ読み取り可能な記録媒体 | |
| CN113744200B (zh) | 一种摄像头脏污检测方法、装置及设备 | |
| CN114820376A (zh) | 条带噪声的融合校正方法、装置、电子设备及存储介质 | |
| CN112529923B (zh) | 一种控件识别方法及装置 | |
| CN113838012A (zh) | Mura检测方法及装置、计算机可读存储介质、终端 | |
| CN114166132A (zh) | 一种车辆高度抓拍测量方法及装置 |
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 |