CN114820577A - 一种多源卫星遥感影像产品的辐射质量检测方法及系统 - Google Patents
一种多源卫星遥感影像产品的辐射质量检测方法及系统 Download PDFInfo
- Publication number
- CN114820577A CN114820577A CN202210586657.5A CN202210586657A CN114820577A CN 114820577 A CN114820577 A CN 114820577A CN 202210586657 A CN202210586657 A CN 202210586657A CN 114820577 A CN114820577 A CN 114820577A
- Authority
- CN
- China
- Prior art keywords
- image
- image information
- detection
- remote sensing
- carrying
- 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.)
- Pending
Links
- 230000005855 radiation Effects 0.000 title claims abstract description 82
- 238000001514 detection method Methods 0.000 title claims abstract description 69
- 238000012937 correction Methods 0.000 claims abstract description 79
- 238000012545 processing Methods 0.000 claims abstract description 77
- 238000000034 method Methods 0.000 claims abstract description 64
- 238000007689 inspection Methods 0.000 claims abstract description 29
- 230000008569 process Effects 0.000 claims description 27
- 238000003708 edge detection Methods 0.000 claims description 19
- 238000001914 filtration Methods 0.000 claims description 17
- 230000002093 peripheral effect Effects 0.000 claims description 10
- 230000002159 abnormal effect Effects 0.000 claims description 8
- 230000005856 abnormality Effects 0.000 claims description 7
- 230000001186 cumulative effect Effects 0.000 claims description 7
- 238000005315 distribution function Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 7
- 230000008859 change Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 230000009897 systematic effect Effects 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 239000003086 colorant Substances 0.000 description 4
- 230000003044 adaptive effect Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000015556 catabolic process Effects 0.000 description 3
- 238000006731 degradation reaction Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 230000003595 spectral effect Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000012217 deletion Methods 0.000 description 2
- 230000037430 deletion Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000003707 image sharpening Methods 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011002 quantification Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 238000004441 surface measurement Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001125 extrusion Methods 0.000 description 1
- 238000009432 framing Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000003706 image smoothing Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/10—Image enhancement or restoration using non-spatial domain filtering
-
- 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
- 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
- G06T5/80—Geometric correction
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
- G06T2207/20056—Discrete and fast Fourier transform, [DFT, FFT]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
Abstract
本发明提出了一种多源卫星遥感影像产品的辐射质量检测方法及系统,涉及遥感影像质检领域。其包括:首先获取多源卫星遥感影像,得到原始影像信息。然后对原始影像信息进行几何精度校正处理,得到几何精度校正影像信息。接着对几何精度校正影像信息进行大气校正处理,得到大气校正处理影像信息。再接着对大气校正处理影像信息进行影像增强处理,得到增强处理影像信息。最后对增强处理影像信息进行辐射质量检验,得到辐射质量检验结果。通过本发明提供的方法,能够精准有效的检测出多源卫星遥感影像产品的辐射质量。
Description
技术领域
本发明涉及遥感影像质检领域,具体而言,涉及一种多源卫星遥感影像产品的辐射质量检测方法及系统。
背景技术
随着遥感技术的飞速发展,很多遥感用户深受如何从海量数据中选择所需的数据进行存储和使用的问题困扰,因此进行遥感影像的质量评价研究具有重要的意义。遥感影像质量包括辐射质量、几何质量、影像附件质量等多个方面。由于影像本质上是辐射能量在二维空间上的体现,在遥感成像过程中又会受到多种辐射偏差的影响,因此遥感影像的辐射质量检测最为重要也最为复杂。
现有技术中,均通过定量分析待检测遥感影像与参考影像的异同来检测辐射质量,具体的是基于调制传递函数和信息熵的方法进行辐射质量检测。遥感成像过程中会受到多种辐射降质的影响,如模糊、噪声、采样、量化、云、无效像元等等,然而,现有的遥感影像辐射质量检验方法在受到上述辐射降质的影响下降不能有效的对其进行检验,会存在很大的检测误差,从而导致最终的辐射质量检验可靠性较低。
发明内容
本发明的目的在于提供一种多源卫星遥感影像产品的辐射质量检测方法及系统,其通过对遥感影像产品进行一系列预处理后再进行相应的辐射质量检验,可以获取到质量更高的辐射质量检验结果。
本发明的实施例是这样实现的:
第一方面,本申请实施例提供一种多源卫星遥感影像产品的辐射质量检测方法,其包括以下步骤:
获取多源卫星遥感影像,得到原始影像信息;
对原始影像信息进行几何精度校正处理,得到几何精度校正影像信息;
对几何精度校正影像信息进行大气校正处理,得到大气校正处理影像信息;
对大气校正处理影像信息进行影像增强处理,得到增强处理影像信息;
对增强处理影像信息进行辐射质量检验,得到辐射质量检验结果。
在本发明的一些实施例中,上述影像增强处理包括直方图修正法处理、空间域滤波法处理或频率域滤波法处理中的至少一种。
在本发明的一些实施例中,上述辐射质量检验包括片间辐射异常检测、片内色差异常检测、偏色检测、缺失检测、乱码检测或条带噪声检测中的至少一种。
在本发明的一些实施例中,上述片间辐射异常检测具体包括:
分别计算增强处理影像信息中所有影像图层投影的梯度值,分别得到对应图层的影像图层梯度值信息;
分别获取对应图层的影像图层梯度值信息中的第一梯度最大值与第一梯度均值,并将第一梯度最大值与第一梯度均值的比值记作r1;
分别对增强处理影像信息中所有影像图层投影进行边缘检测,得到对应图层的边缘检测图像;
分别获取对应图层的边缘检测图像中的第二梯度最大值与第二梯度均值,并将第二梯度最大值与第二梯度均值的比值记作r2;
分别判断对应图层的r1和r2的大小关系,若r1≥r2时,则记为不存在片间辐射异常问题,若r1<r2时,则记为存在片间辐射异常问题。
在本发明的一些实施例中,上述偏色检测具体包括:
将增强处理影像信息在CIE lab空间下对每个像素点进行计算a和b两个色度坐标平面度的直方图;
在本发明的一些实施例中,上述缺失检测具体包括:
获取增强处理影像信息中所有帧的双波峰直方图图像信息;
利用自适应阈值方法将双波峰直方图图像信息进行分割,若低于自适应阀值,所处块状区域标记为缺失区域;
利用快速非局部均值去噪方法对缺失区域进行边缘检测,得到缺失区域边界信息;
利用缺失区域边界信息生成缺失检测结果信息。
在本发明的一些实施例中,上述条带噪声检测具体包括:
周期性抽取增强处理影像信息的待检测帧;
将待检测帧进行灰度化处理,得到灰度待检测帧;
对灰度待检测帧进行傅里叶变换,得到对应的频谱图;
计算频谱图的行方向和列方向的累积分布函数,检测累积分布函数是否存在异常峰值,若存在,则记为存在条带噪声;
对频谱图进行增强处理后判断周边区域频带幅值与预设阀值的大小,若周边区域频带幅值大于预设阀值,则记为周边区域频带存在条带噪声。
第二方面,本申请实施例提供一种多源卫星遥感影像产品的辐射质量检测系统,其包括:
影像获取模块,用于获取多源卫星遥感影像,得到原始影像信息;
几何精度校正模块,用于对原始影像信息进行几何精度校正处理,得到几何精度校正影像信息;
大气校正模块,用于对几何精度校正影像信息进行大气校正处理,得到大气校正处理影像信息;
影像增强模块,用于对大气校正处理影像信息进行影像增强处理,得到增强处理影像信息;
辐射质量模块,用于对增强处理影像信息进行辐射质量检验,得到辐射质量检验结果。
第三方面,本申请实施例提供一种电子设备,其包括存储器,用于存储一个或多个程序;处理器。当上述一个或多个程序被上述处理器执行时,实现如上述第一方面中任一项上述的方法。
第四方面,本申请实施例提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述第一方面中任一项上述的方法。
相对于现有技术,本发明的实施例至少具有如下优点或有益效果:
通过对获取的多源卫星遥感影像进行一系列的几何精度校正处理、大气校正处理和影像增强处理,可以获取到质量更高、位置更精准的遥感影像信息。然后再对其进行辐射质量检验将可以获取到更高质量的检验结果,从而可以为提高遥感影像质检效率和质量提供了有效的辐射质量检查数据支撑。也就是说可以有效的帮助非专家类遥感影像辐射质量相关研究人员对辐射质量问题进行准确的认识和区分。本发明提供的方法不仅检验精度较高,而且效率也较高,能够极大的扩大遥感影像产品的辐射质量检验的应用深度和广度。
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为本发明一种多源卫星遥感影像产品的辐射质量检测方法一实施例的流程图;
图2为本发明实施例中片间辐射异常检测的具体流程图;
图3为本发明实施例中偏色检测的具体流程图;
图4为本发明实施例中缺失检测的具体流程图;
图5为本发明实施例中条带噪声检测的具体流程图;
图6为本发明一种多源卫星遥感影像产品的辐射质量检测系统一实施例的结构框图;
图7为本发明实施例提供的一种电子设备的结构框图。
图标:1、影像获取模块;2、几何精度校正模块;3、大气校正模块;4、影像增强模块;5、辐射质量模块;6、存储器;7、处理器;8、通信接口。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,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、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请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申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
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。同时,在本申请的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
需要说明的是,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。而且,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。
下面结合附图,对本申请的一些实施方式作详细说明。在不冲突的情况下,下述的各个实施例及实施例中的各个特征可以相互组合。
实施例
请参阅图1,该一种多源卫星遥感影像产品的辐射质量检测方法包括以下步骤:
步骤S1:获取多源卫星遥感影像,得到原始影像信息。
上述步骤中,通过获取多源卫星遥感影像,为后续对其进行辐射质量检验提供原始的数据支撑。示例性地,上述获取多源卫星遥感影像可以通过相应的卫星进行实时获取,也可以通过自主上传已经获取的数据源。
步骤S2:对原始影像信息进行几何精度校正处理,得到几何精度校正影像信息。
上述步骤中,考虑到当遥感影像在在几何位置上发生了变化,产生诸如行列不均匀,像元大小与地面大小对应不准确,地物形状不规则变化等畸变时,即说明遥感影像发生了畸变,几何精度校正即是对这种畸变的校正。同时,几何精度校正是一个将影像数据投影到平面上,使其符合地图投影系统的过程,通过该过程即可为影像赋予地理参考。从而,通过上述处理步骤可以去除掉这种畸变的影像,从而提供给后续更有参考价值的数据信息。
示例性地,考虑到引起获取的原始影像信息中的存在几何变形的情况一般可分为两大类:系统性和非系统性。其中,系统性一般由传感器本身引起的,有规律可循和可预测性,可以用传感器模型来校正,即对由传感器特性和遥感器的瞬时位置、高度、速度、旋转、行距、偏航以及地球自转等引起的误差利用传感器模型进行系统误差校正。非系统性几何变形是不规律的,它可以是传感器平台本身的高度、姿态等不稳定,也可以是地球曲率及空气折射的变化以及地形的变化等。针对非系统性几何变形可以用地面控制点(GCPs)进行的几何校正,这种校正不考虑引起畸变的原因,其实质是用数学模型来近似描述遥感影像的几何畸变过程,并且认为遥感影像的总体畸变可以看作是挤压、扭曲、缩放、偏移以及更高次的基本变形的综合作用的结果,利用畸变的遥感影像与标准地图或影像之间的一些对应点(即控制点数据对)求得这个几何畸变模型,然后利用此模型进行几何畸变的校正。
步骤S3:对几何精度校正影像信息进行大气校正处理,得到大气校正处理影像信息。
上述步骤中,通过大气校正处理可以消除到获取的遥感影像中由于大气散射、吸收和反射引起的误差,从而提高后续的数据检测精准度。
示例性地,在系统内存较高的时候可以通过获取三维地形及数字影像信息中图像过境时的地表测量数据,并考虑地形起伏等因素来校正大气和传感器的影响,对其进行绝对辐射校正,即将三维地形及数字影像信息的DN(Digital Number)值转换为真实地表反射率。在系统内存较低的时候可以通过将某一影像作为参考(或基准)影像,然后调整三维地形及数字影像信息中相对应影像的DN值,使得两时相影像上同名的地形具有相同的DN值,从而实现大气校正处理。另外,还可以对几何精度校正影像信息进行三维地形提取及正射影像制作处理,其中通过对几何精度校正影像信息进行三维地形提取,比如说提取出人工地物、植被、水体、云等地形,从而针对不同的地形类型对其采用不同的三维重建手段,获得更加精准可靠的三维地形。其中通过对几何精度校正影像信息进行正射影像制作处理,可以获得同时具有地形特性和影像特性的正射影像,信息涵盖量更大,从而能够得到更加优质的三维地形及数字影像信息,可以提高后续的检测的准确性。示例性地,正射影像制作处理过程可以通过在几何精度校正影像信息的像片上选取一些地面控制点,并利用原来已经获取的该像片范围内的数字高程模型,对几何精度校正影像信息同时进行倾斜和投影差改正,将其重新采样成正射影像。另外,在对几何精度校正影像信息进行处理的时候,还可以将其中低分辨率的多光谱影像与高分辨率的单波段影像进行重采样,用来生成呈一副高分辨率多光谱影像遥感的影像,使得处理后的影像既有较高的空间分辨率,又具有多光谱特征。还可以对几何精度校正影像信息进行镶嵌或者裁减,即可以将多个几何精度校正影像信息拼接成一个或者一系列的覆盖面积较大的几何精度校正影像信息,从而能够增大可研究的单个几何精度校正影像信息中所覆盖的范围。对几何精度校正影像信息进行裁减,可以将需要研究之外的区域去除掉,从而可以更好针对需要研究的区域进行处理,示例性地,可以根据行政划分边界或者自然区划边界对其进行分幅裁减。
步骤S4:对大气校正处理影像信息进行影像增强处理,得到增强处理影像信息。
上述步骤中,通过对大气校正处理影像信息进行影像增强处理,可以提高相应的影像判读性和效果,改善大气校正处理影像信息的目视质量或者突出需要的重点特征。
示例性地,可以根据实际情况需要对大气校正处理影像信息进行缩放、立体效应、彩色增强、反差增强(反差扩展)、边缘增强(影像锐化)、影像平滑化和清晰化、影像运算(比值影像)等处理。具体的方法,可以采用现有技术中的类似代数运算、反差变换、滤波和彩色处理等方法。
步骤S5:对增强处理影像信息进行辐射质量检验,得到辐射质量检验结果。
上述步骤中,对将原始影像信息经过步骤S2至步骤S4处理后最终得到的增强处理影像信息进行辐射质量检验,可以实现在获取的原始影像信息基础上,对其进行定量化处理,从而获取到质量更高、位置更加精准的影像信息,从而扩大辐射质量检验的深度和广度。也就是说,能够在原始影像信息受到如模糊、噪声、采样、量化、云、无效像元等多种辐射降质的影响下,亦能对其进行辐射质量检验,减少检验误差和提高检验可靠性。
请参阅图1,上述影像增强处理包括直方图修正法处理、空间域滤波法处理或频率域滤波法处理中的至少一种。
上述步骤中,考虑到大气校正处理影像信息中可能会由于影像图像的灰度分布集中在较窄的范围内,从而使得影像图像的细节不够清晰,对比度较低。为了使影像图像的灰度拉开使灰度均匀分布,增大反差,使其细节清晰,达到增强目的,可以利用直方图修正法处理进行影像增强,即将给定的影像图像的直方图改为均匀直方图分布,使得像素灰度的概率密度均匀分布。另外通过平滑算子、拉普拉斯算子和梯度算子等工具对大气校正处理影像信息进行空间域滤波,可以有效的实现对大气校正处理影像信息的边缘增强处理。还可以通过高通滤波或者低通滤波等频率域滤波法,对大气校正处理影像信息进行平滑处理,有效的实现影像增强处理。
请参阅图1,上述辐射质量检验包括片间辐射异常检测、片内色差异常检测、偏色检测、缺失检测、乱码检测或条带噪声检测中的至少一种。
上述步骤中,辐射质量检验主要包括计算影像的0值个数、均值、标准差、亮度、最大值、最小值等特征指标。其中0值个数是指遥感影像很多边缘区域存在的很大的空白区域,空白区域的个数就是0值个数;均值,由构成一个遥感影像对象的所有n个像素的图层值计算得到图层平均值;标准差,由构成一个遥感影像对象的所有n个像素的图层值计算得到标准差;亮度,一个遥感影像对象的光谱平均值的平均值;最大值,由构成一个遥感影像对象的所有n个像素的图层值排序得到的最大值;最小值,由构成一个遥感影像对象的所有n个像素的图层值排序得到的最小值。通过对这些特征指标进行检验,可以准确有效地得到遥感影像的辐射质量检验结果。
请参阅图2,上述片间辐射异常检测具体包括:
步骤S6-1:分别计算增强处理影像信息中所有影像图层投影的梯度值,分别得到对应图层的影像图层梯度值信息。
上述步骤中,增强处理影像信息中各片间影像之间或拼接处会存在色彩异常,并且不同的卫星图像拼接的CCD片数也不一致,所有CCD片间间隔一定存在图像的拼接处,即其中的纵向条纹属于边缘突变,通过分析纵向投影的梯度变化,将可以感知条纹及其位置。因此,首先通过对增强处理影像信息中各通道纵向投影累加,计算出各通道投影的梯度值,从而可以为后续对其进行分析纵向投影的梯度变化提供数据支撑。
步骤S6-2:分别获取对应图层的影像图层梯度值信息中的第一梯度最大值与第一梯度均值,并将第一梯度最大值与第一梯度均值的比值记作r1。
步骤S6-3:分别对增强处理影像信息中所有影像图层投影进行边缘检测,得到对应图层的边缘检测图像。
上述步骤中,上述步骤中,通过边缘检测,可以将增强处理影像信息中所有影像图层投影中所需的边界和外形信息识别出来,从而对其进行分析计算。
示例性地,边缘检测可以采用Canny Edge Detection算法。其中,Canny EdgeDetection算法具体包括以下步骤:1.高斯滤波;2.计算梯度值和梯度方向;3.过滤非最大值;4.使用上下阀值来检测边缘。通过高斯滤波对所有影像图层进行处理,得到去噪影像图层,能够使得原影像变得平滑,同时可能会增大边缘的宽度。然后通过计算得到的去噪影像图层的梯度值和梯度方向,可以识别出去噪影像图层的灰度值的变化程度和方向。由于在高斯滤波过程中,边缘有可能被放大了。然后通过过滤非最大值步骤使用一个规则来过滤不是边缘的点,使边缘的宽度尽可能为1个像素点。最后通过使用上下阀值来检测边缘,能够清楚的界定出其中所需的边界和外形信息。
步骤S6-4:分别获取对应图层的边缘检测图像中的第二梯度最大值与第二梯度均值,并将第二梯度最大值与第二梯度均值的比值记作r2。
步骤S6-5:分别判断对应图层的r1和r2的大小关系,若r1≥r2时,则记为不存在片间辐射异常问题,若r1<r2时,则记为存在片间辐射异常问题。
上述步骤中,上述步骤中,通过判断对应图层的r1和r2的大小关系,可以清楚的了解到其中是否存在片间辐射异常问题。
请参阅图3,上述偏色检测具体包括:
步骤S6-6:将增强处理影像信息在CIE lab空间下对每个像素点进行计算a和b两个色度坐标平面度的直方图。
偏色是指影像某一个或几个波段辐射能量响应不一致而呈现出影像整体偏向辐射能量响应高波段的色调异常现象。偏色是在卫星影像拍摄过程中,由于光线或角度的问题,拍摄的影像有可能存在偏色的情况。现有技术中,采用的RGB颜色空间是最简单的一种颜色空间,但是RGB颜色空间最大的局限性在于当用欧氏距离来刻画两种颜色之间的差异时,所计算出的两种颜色之间的距离无法正确表征出人们实际所感知到的这两种颜色之间的真实差异。而采用CIE Lab颜色空间,此空间下所计算出来的颜色之间的距离与实际感知上的差别基本一致。其直方图可以更加客观的反映图像色偏程度,从而在CIE Lab下进行偏色图像的自动检测将更加精准有效。
上述步骤中,通过对正常影像和偏色影像进行分析发现,如果在ab色度坐标平面上的直方图中,色度分布基本上为单峰值,或者分布较为集中,而色度平均值又较为大时,就可以判断存在这色偏,而且色度平均值越大,色偏越严重。因此,通过将增强处理影像信息在CIE lab空间下对每个像素点进行计算a和b两个色度坐标平面度的直方图,可以为后续对其进行色偏检验提供原始有效的数据支撑。
上述步骤中,通过计算da和db的值,可以用来计算出影像平均色度D,其中当da>0时,影像色彩偏红,否则就是偏绿;db>0时,影像色彩偏黄,否则就是偏蓝。
上述步骤中,通过引入影像色度中心距M,可以利用其与影像平均色度D进行综合评价影像的偏色程度。
上述步骤中,通过利用影像平均色度D与影像色度中心距M的比值,即影像偏色因子K可以用来精准有效的衡量出影像的偏色程度。
请参阅图4,上述缺失检测具体包括:
步骤S6-10:获取增强处理影像信息中所有帧的双波峰直方图图像信息。
上述步骤中,缺失指影像某些行、列无纹理信息或缺某波段;影像全部或部分区域某一个或几个波段辐射值异常;遥感图像在传输或拍摄的过程中,某些波段出现了信息的丢失导致图像出现“黑色条纹”。缺失部分的像素值并不一定为0,而是一些像素值较小的点,采用自适应阈值去将双波峰直方图的图像进行分割,低于阈值的地方认为是缺失部分。通过快速非局部均值去噪方法,在兼顾抑噪和保留纹理的情况下,对其进行边缘检测,用来检测出块状区域边界,从而可以对其进行缺失检测。因此,首先获取几何质量检测影像信息中所有帧的双波峰直方图图像信息,从而可以方便后续对其进行图像分割处理。
步骤S6-11:利用自适应阈值方法将双波峰直方图图像信息进行分割,若低于自适应阀值,所处块状区域标记为缺失区域。
上述步骤中,通过对双波峰直方图图像信息进行分割利用自适应阈值方法进行分割,可以将其中的缺失区域很好的标记出来。
示例性地,如果灰度级直方图呈明显的双峰状,则可以选取两峰之间的谷底所对应的灰度级作为自适应阈值。
步骤S6-12:利用快速非局部均值去噪方法对缺失区域进行边缘检测,得到缺失区域边界信息。
上述步骤中,通过使用快速非局部均值去噪方法对缺失区域进行边缘检测,即在利用在一个目标像素周围区域平滑取均值的方法对其进行边缘检测。由于非局部均值滤波就意味着它使用的是缺失区域中的所有像素,这些像素根据某种相似度进行加权平均,因此,滤波后图像清晰度高,而且不丢失细节。
步骤S6-13:利用缺失区域边界信息生成缺失检测结果信息。
请参阅图5,上述条带噪声检测具体包括:
步骤S6-14:周期性抽取增强处理影像信息的待检测帧。
上述步骤中,通过周期性抽取增强处理影像信息的待检测帧,可以较大范围的对增强处理影像信息进行检测。示例性地,如果系统内存较高或者检测精度要求较高,则可以逐帧进行抽取,从而保证能够对每一帧都进行检测处理。
步骤S6-15:将待检测帧进行灰度化处理,得到灰度待检测帧。
上述步骤中,通过将待检测帧进行灰度化处理,可以有效的减少后续对其进行处理的计算量,从而大大的提高运算处理速度。
步骤S6-16:对灰度待检测帧进行傅里叶变换,得到对应的频谱图。
上述步骤中,通过对灰度待检测帧进行傅里叶变换,可以将数据进一步进行降维处理,从而能够进一步提高处理效率。
步骤S6-17:计算频谱图的行方向和列方向的累积分布函数,检测累积分布函数是否存在异常峰值,若存在,则记为存在条带噪声。
上述步骤中,考虑到频谱图上的异常亮点会使得该区域频谱幅值剧烈增加,导致出现局部频谱幅度峰值,从而通过累积分布函数将可以有效的检测出局部峰值信息,即可以检测出其中的异常亮点。
步骤S6-18:对频谱图进行增强处理后判断周边区域频带幅值与预设阀值的大小,若周边区域频带幅值大于预设阀值,则记为周边区域频带存在条带噪声。
上述步骤中,通过调节预设阀值的大小,可以调节检测周边区域频带是否存在条纹干扰的检测精度。需要说明的是,步骤S6-17和步骤S6-18并不严格区分先后顺序,可以同时进行,也可以择一选择一个步骤先进行,另外一个步骤后进行,或者只选择其中的一个步骤去进行,另一步不进行。当然,步骤S6-17和步骤S6-18都进行的话可以更加精准的实现条带噪声检测,提高检测精度。
基于同样的发明构思,请参阅图6,本发明还提出一种多源卫星遥感影像产品的辐射质量检测系统,包括:
影像获取模块1,用于获取多源卫星遥感影像,得到原始影像信息;
几何精度校正模块2,用于对原始影像信息进行几何精度校正处理,得到几何精度校正影像信息;
大气校正模块3,用于对三维地形及数字影像信息进行大气校正处理,得到大气校正处理影像信息;
影像增强模块4,用于对大气校正处理影像信息进行影像增强处理,得到增强处理影像信息;
辐射质量模块5,用于对增强处理影像信息进行辐射质量检验,得到辐射质量检验结果。
上述系统具体实现过程请参照本申请实施例提供的一种多源卫星遥感影像产品的辐射质量检测方法,在此不再赘述。
请参阅图7,图7为本发明实施例提供的一种电子设备的结构框图。该电子设备包括存储器6、处理器7和通信接口8,该存储器6、处理器7和通信接口8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6可用于存储软件程序及模块,如本申请实施例所提供的一种多源卫星遥感影像产品的辐射质量检测系统对应的程序指令/模块,处理器7通过执行存储在存储器6内的软件程序及模块,从而执行各种功能应用以及数据处理。该通信接口8可用于与其他节点设备进行信令或数据的通信。
其中,存储器6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。
处理器7可以是一种集成电路芯片,具有信号处理能力。该处理器7可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(NetworkProcessor,NP)等;还可以是数字信号处理器(Digital Signal Processing,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,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。
可以理解,图7所示的结构仅为示意,电子设备还可包括比图7中所示更多或者更少的组件,或者具有与图7所示不同的配置。图7中所示的各组件可以采用硬件、软件或其组合实现。
在本申请所提供的实施例中,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,在本申请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。
上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,本申请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,服务器,或者网络设备等)执行本申请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。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
对于本领域技术人员而言,显然本申请不限于上述示范性实施例的细节,而且在不背离本申请的精神或基本特征的情况下,能够以其它的具体形式实现本申请。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本申请的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本申请内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
Claims (10)
1.一种多源卫星遥感影像产品的辐射质量检测方法,其特征在于,包括以下步骤:
获取多源卫星遥感影像,得到原始影像信息;
对原始影像信息进行几何精度校正处理,得到几何精度校正影像信息;
对几何精度校正影像信息进行大气校正处理,得到大气校正处理影像信息;
对大气校正处理影像信息进行影像增强处理,得到增强处理影像信息;
对增强处理影像信息进行辐射质量检验,得到辐射质量检验结果。
2.如权利要求1所述的一种多源卫星遥感影像产品的辐射质量检测方法,其特征在于,所述影像增强处理包括直方图修正法处理、空间域滤波法处理或频率域滤波法处理中的至少一种。
3.如权利要求1所述的一种多源卫星遥感影像产品的辐射质量检测方法,其特征在于,所述辐射质量检验包括片间辐射异常检测、片内色差异常检测、偏色检测、缺失检测、乱码检测或条带噪声检测中的至少一种。
4.如权利要求3所述的一种多源卫星遥感影像产品的辐射质量检测方法,其特征在于,所述片间辐射异常检测具体包括:
分别计算增强处理影像信息中所有影像图层投影的梯度值,分别得到对应图层的影像图层梯度值信息;
分别获取对应图层的影像图层梯度值信息中的第一梯度最大值与第一梯度均值,并将第一梯度最大值与第一梯度均值的比值记作r1;
分别对增强处理影像信息中所有影像图层投影进行边缘检测,得到对应图层的边缘检测图像;
分别获取对应图层的边缘检测图像中的第二梯度最大值与第二梯度均值,并将第二梯度最大值与第二梯度均值的比值记作r2;
分别判断对应图层的r1和r2的大小关系,若r1≥r2时,则记为不存在片间辐射异常问题,若r1<r2时,则记为存在片间辐射异常问题。
6.如权利要求3所述的一种多源卫星遥感影像产品的辐射质量检测方法,其特征在于,所述缺失检测具体包括:
获取增强处理影像信息中所有帧的双波峰直方图图像信息;
利用自适应阈值方法将双波峰直方图图像信息进行分割,若低于自适应阀值,所处块状区域标记为缺失区域;
利用快速非局部均值去噪方法对缺失区域进行边缘检测,得到缺失区域边界信息;
利用缺失区域边界信息生成缺失检测结果信息。
7.如权利要求3所述的一种多源卫星遥感影像产品的辐射质量检测方法,其特征在于,所述条带噪声检测具体包括:
周期性抽取增强处理影像信息的待检测帧;
将待检测帧进行灰度化处理,得到灰度待检测帧;
对灰度待检测帧进行傅里叶变换,得到对应的频谱图;
计算频谱图的行方向和列方向的累积分布函数,检测累积分布函数是否存在异常峰值,若存在,则记为存在条带噪声;
对频谱图进行增强处理后判断周边区域频带幅值与预设阀值的大小,若周边区域频带幅值大于预设阀值,则记为周边区域频带存在条带噪声。
8.一种多源卫星遥感影像产品的辐射质量检测系统,其特征在于,包括:
影像获取模块,用于获取多源卫星遥感影像,得到原始影像信息;
几何精度校正模块,用于对原始影像信息进行几何精度校正处理,得到几何精度校正影像信息;
大气校正模块,用于对几何精度校正影像信息进行大气校正处理,得到大气校正处理影像信息;
影像增强模块,用于对大气校正处理影像信息进行影像增强处理,得到增强处理影像信息;
辐射质量模块,用于对增强处理影像信息进行辐射质量检验,得到辐射质量检验结果。
9.一种电子设备,其特征在于,包括:
存储器,用于存储一个或多个程序;
处理器;
当所述一个或多个程序被所述处理器执行时,实现如权利要求1-7中任一项所述的方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210586657.5A CN114820577A (zh) | 2022-05-27 | 2022-05-27 | 一种多源卫星遥感影像产品的辐射质量检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210586657.5A CN114820577A (zh) | 2022-05-27 | 2022-05-27 | 一种多源卫星遥感影像产品的辐射质量检测方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114820577A true CN114820577A (zh) | 2022-07-29 |
Family
ID=82519704
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210586657.5A Pending CN114820577A (zh) | 2022-05-27 | 2022-05-27 | 一种多源卫星遥感影像产品的辐射质量检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114820577A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117668736A (zh) * | 2024-01-30 | 2024-03-08 | 深圳市嘉畅美电子有限公司 | 一种工程塑料的平面度检测方法及装置 |
-
2022
- 2022-05-27 CN CN202210586657.5A patent/CN114820577A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117668736A (zh) * | 2024-01-30 | 2024-03-08 | 深圳市嘉畅美电子有限公司 | 一种工程塑料的平面度检测方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110675346B (zh) | 适用于Kinect的图像采集与深度图增强方法及装置 | |
Zhang et al. | Object-oriented shadow detection and removal from urban high-resolution remote sensing images | |
CN106780392B (zh) | 一种图像融合方法及装置 | |
Oakley et al. | Correction of simple contrast loss in color images | |
Ancuti et al. | Single image dehazing by multi-scale fusion | |
Tsai et al. | Striping noise detection and correction of remote sensing images | |
US11227367B2 (en) | Image processing device, image processing method and storage medium | |
EP3869797A1 (en) | Method for depth detection and correction in images captured using array cameras | |
JP2006285310A (ja) | 森林の樹冠の評価方法及びその樹冠評価プログラム | |
CN112307901B (zh) | 一种面向滑坡检测的sar与光学影像融合方法及系统 | |
CN110533665B (zh) | 一种抑制扇贝效应和子带拼接效应的sar图像处理方法 | |
CN113034452A (zh) | 一种焊件轮廓检测方法 | |
CN109522904B (zh) | 一种基于遥感数据的规则农田提取方法 | |
CN115393216A (zh) | 基于偏振特性与大气传输模型的图像去雾方法和装置 | |
Kumari et al. | Fast and efficient visibility restoration technique for single image dehazing and defogging | |
CN115311556A (zh) | 一种用于自然资源管理的遥感影像处理方法及系统 | |
WO2018098736A1 (zh) | 一种基于遥感成像的蓝藻监测方法及装置 | |
CN114820577A (zh) | 一种多源卫星遥感影像产品的辐射质量检测方法及系统 | |
CN114820583A (zh) | 一种海量多源卫星遥感影像自动化质量检查方法 | |
CN111932592A (zh) | 一种分视场滤光片型多光谱影像数据的处理方法 | |
Reddy | Digital image processing: principles and applications | |
Menaka et al. | Cloud removal using efficient cloud detection and removal algorithm for high–resolution satellite imagery | |
Wang et al. | Fast visibility restoration using a single degradation image in scattering media | |
CN114155236A (zh) | 一种适用于动态测量环境的激光条纹中心线提取方法 | |
CN114494165A (zh) | 一种基于聚类的光条提取方法及装置 |
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 |