CN115953322A - 一种卫星遥感影像的污点去除方法 - Google Patents
一种卫星遥感影像的污点去除方法 Download PDFInfo
- Publication number
- CN115953322A CN115953322A CN202310058158.3A CN202310058158A CN115953322A CN 115953322 A CN115953322 A CN 115953322A CN 202310058158 A CN202310058158 A CN 202310058158A CN 115953322 A CN115953322 A CN 115953322A
- Authority
- CN
- China
- Prior art keywords
- image
- satellite
- stain
- pixel
- decontaminated
- 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
Images
Landscapes
- Image Processing (AREA)
Abstract
本发明提供了一种卫星遥感影像的污点去除方法,首先获取含有污点的卫星影像;判断污点的位置相对相机是否固定;若第一判断结果为是,则判断相邻两帧卫星影像的重叠区是否覆盖污点;若第二判断结果为是,通过图像拼接镶嵌算法对相邻两帧卫星影像进行处理,得到去污后的影像;若第二判断结果为否且卫星影像含有多个波段时,采用波段间像素补偿算法对卫星影像进行拼接处理,得到去污后的影像;若第二判断结果为否且卫星影像仅含有单个波段时,通过邻域像素均值替换算法对卫星影像进行处理,得到去污后的影像;若第一判断结果为否,通过邻域像素均值替换算法对卫星影像进行处理,得到去污后的影像。本发明能够自动检测污点位置,省时省力,方便快捷。
Description
技术领域
本发明涉及卫星遥感影像图像处理技术领域,特别是涉及一种卫星遥感影像的污点去除方法。
背景技术
由于将相机搭载在卫星上进行对地观测需要复杂的组装工序,难免会在组装时出现相机镜头污染等问题,而导致图像存在污点,这些污点主要是由于光线在沿直线传播过程中,遇到镜头上的污染物的阻挡而形成的,这样的污点相对于各自所在的影像一般具有相同的位置、形状和大小。不仅如此,由于其他各种各样的因素,也会导致影像上存在位置、形状、大小不固定的污点,这些污点对后续的影像分析和使用都带来了极大地干扰。
当前也有一些研究遥感影像污点去除的方法,如谢丽娟等人提出在相邻影像重叠度满足摄影测量规范要求时采用修改相机文件的方法,即将影像斑点在像平面坐标系中的位置和范围记录在相机文件中,并将斑点区域设为poorarea(劣质区域),通过相机文件对所有影像上的斑点区域进行标识。在影像镶嵌的过程中,将避开这些劣质区域,使用相邻的其他影像来填充这些区域。也有人提出使用Photoshop软件的修容工具来去除污点,方法是先在没有污点的区域选定跟污点位置相似的像素,然后在污点的位置拖拽,这样就能够使用所选定的区域来填补污点而将污点去除。
上述修改相机文件的方法,适用于地物稀少,建筑物低矮的区域,在建筑物高大、地物复杂的区域,由于地物投影的存在,容易出现错位的现象。而使用Photoshop软件的方法,必须人为手动的选择用来替换污点的区域,耗时耗力。不仅如此,目前的方法仅针对单一的污点情况进行处理,如只适用于位置、形状和大小固定的污点、只适用于相邻影像重叠度较高的影像污点等。
发明内容
为了克服现有技术的不足,本发明的目的是提供一种卫星遥感影像的污点去除方法,针对影像污点位置、形状、大小固定/不固定、相邻影像重叠度满足摄影规范/较小、传感器为全色/多光谱等多种情况,分别提出了不同的去污算法,自动进行污点的检测和去除,无需人为进行处理。
为实现上述目的,本发明提供了如下方案:
一种卫星遥感影像的污点去除方法,包括:
获取待处理的含有污点的卫星影像;
判断所述污点的位置相对相机是否固定,得到第一判断结果;
若所述第一判断结果为是,则判断相邻两帧所述卫星影像的重叠区是否覆盖所述污点,得到第二判断结果;
若所述第二判断结果为是,则通过图像拼接镶嵌算法对相邻两帧所述卫星影像进行处理,得到去污后的影像;
若所述第二判断结果为否且所述卫星影像含有多个波段时,则采用波段间像素补偿算法对所述卫星影像进行拼接处理,得到去污后的影像;
若所述第二判断结果为否且所述卫星影像仅含有单个波段时,通过邻域像素均值替换算法对所述卫星影像进行处理,得到去污后的影像;
若所述第一判断结果为否,则通过邻域像素均值替换算法对所述卫星影像进行处理,得到去污后的影像。
优选地,所述通过图像拼接镶嵌算法对相邻两帧所述卫星影像进行处理,得到去污后的影像,包括:
对相邻两帧卫星影像进行图像配准,得到配准图像;
对所述配准图像中重叠的区域进行差分处理,得到差分后重叠区域的像素值;
使用目标检测算法对所述差分后重叠区域的像素值进行异常检测,得到污点的坐标值;
将没有污点的像素的像素值赋值为1,并将有污点的像素的像素值赋值为0,以构建权重矩阵;
对相邻两幅所述卫星影像的像素值进行加权平均,得到拼接后影像的像素值;
根据所述拼接后影像的像素值进行成像,得到所述去污后的影像。
优选地,所述采用波段间像素补偿算法对所述卫星影像进行拼接处理,得到去污后的影像,包括:
使用目标检测算法对所述卫星影像进行异常检测,得到污点的坐标位置;
对所述卫星影像中的各个单波段影像进行相对辐射校正,以使各个波段的像素值保持在预设值域范围内;
使用其他波段的污点的坐标位置,对相同坐标位置的像素值进行填充;
对单波段影像进行波段间图像配准,并使用全色图像对单波段图像丢失的空间信息进行补充,得到所述去污后的影像。
优选地,所述通过邻域像素均值替换算法对所述卫星影像进行处理,得到去污后的影像,包括:
获取判断阈值和预设尺寸的像素窗口;
利用所述像素窗口滑动遍历整幅所述卫星影像;
计算所述像素窗口的中心像素值与所述像素窗口所有像素均值的差值绝对值;
判断所述差值绝对值是否大于判断阈值,若是,则用均值代替中心像素值,否则跳转至步骤“利用所述像素窗口滑动遍历整幅所述卫星影像”,直到遍历整幅影像,得到所述去污后的影像。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
本发明提供了一种卫星遥感影像的污点去除方法,包括:获取待处理的含有污点的卫星影像;判断所述污点的位置相对相机是否固定,得到第一判断结果;若所述第一判断结果为是,则判断相邻两帧所述卫星影像的重叠区是否覆盖所述污点,得到第二判断结果;若所述第二判断结果为是,则通过图像拼接镶嵌算法对相邻两帧所述卫星影像进行处理,得到去污后的影像;若所述第二判断结果为否且所述卫星影像含有多个波段时,则采用波段间像素补偿算法对所述卫星影像进行拼接处理,得到去污后的影像;若所述第二判断结果为否且所述卫星影像仅含有单个波段时,通过邻域像素均值替换算法对所述卫星影像进行处理,得到去污后的影像;若所述第一判断结果为否,则通过邻域像素均值替换算法对所述卫星影像进行处理,得到去污后的影像。本发明能够自动检测污点位置、进行污点处理并输出去污后的影像,无需人工手动处理,省时省力,方便快捷。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,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方法流程图;
图2为本发明实施例提供的基于卫星遥感影像进行污点去除的算法流程图。
具体实施方式
下面将结合本发明实施例中的附图,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。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。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
本申请的说明书和权利要求书及所述附图中的术语“第一”、“第二”、“第三”和“第四”等是用于区别不同对象,而不是用于描述特定顺序。此外,术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤、过程、方法等没有限定于已列出的步骤,而是可选地还包括没有列出的步骤,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤元。
本发明的目的是提供一种卫星遥感影像的污点去除方法,能够自动检测污点位置、进行污点处理并输出去污后的影像,无需人工手动处理,省时省力,方便快捷。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明实施例提供的方法流程图,如图1所示,本发明提供了一种卫星遥感影像的污点去除方法,包括:
步骤100:获取待处理的含有污点的卫星影像;
步骤200:判断所述污点的位置相对相机是否固定,得到第一判断结果;
步骤201:若所述第一判断结果为是,则判断相邻两帧所述卫星影像的重叠区是否覆盖所述污点,得到第二判断结果;
步骤202:若所述第一判断结果为否,则通过邻域像素均值替换算法对所述卫星影像进行处理,得到去污后的影像;
步骤301:若所述第二判断结果为是,则通过图像拼接镶嵌算法对相邻两帧所述卫星影像进行处理,得到去污后的影像;
步骤302:若所述第二判断结果为否且所述卫星影像含有多个波段时,则采用波段间像素补偿算法对所述卫星影像进行拼接处理,得到去污后的影像;
步骤303:若所述第二判断结果为否且所述卫星影像仅含有单个波段时,通过邻域像素均值替换算法对所述卫星影像进行处理,得到去污后的影像。
图2为本发明实施例提供的基于卫星遥感影像进行污点去除的算法流程图,如图2所示,本实施例针对位置相对相机固定的污点和相对相机不固定的污点,均提出了解决方案。当污点相对于各自所在的影像位置大小固定时,即污点在像平面坐标系中的坐标不变时,方法步骤如下。
若相邻两幅影像的重叠区域能够覆盖污点时,简单来说,就是假设第一帧影像中出现污点,第二帧影像的相同地物位置不存在污点,对两幅影像进行拼接镶嵌即可将污点去除,具体步骤为:
(1)对相邻两帧影像进行图像配准,确保拼接时拼接处的地物不会出现移位的现象;
(2)对相邻两帧影像重叠的区域进行差分处理,即根据重叠区域的像素值设置差分数组,根据原影像像素值数组与差分数组计算前缀和数组,最后将原影像数组与前缀和数组相加得到差分后重叠区域的像素值;
(3)判断污点的位置,使用目标检测算法,检测异常像素值,获取污点的坐标值;
(4)生成权重矩阵,对于没有污点的像素,像素值赋1,有污点的像素,像素值赋0;
(5)对相邻两幅影像的像素值进行加权平均,即可得到拼接后影像的像素值;
(6)对其进行成像,获得去污后的影像。
若相邻两幅影像的重叠度较小,或重叠的区域不足以覆盖污点区域时,对于多光谱影像,可以采用波段间像素补偿的方式进行拼接来去除污点,具体步骤为:
(1)污染物位置标记,使用目标检测算法,检测异常像素值,获取污点的坐标位置;
(2)对多光谱影像的各个单波段影像进行相对辐射校正,使各个波段的像素值保持在一定的值域范围内;
(3)污染物位置数值填充,使用其他波段污染物位置的信息,对污染物位置的像素值进行填充;
(4)对单波段影像进行波段间图像配准;
(5)对于单波段图像丢失的空间信息等,使用全色图像进行补充。
若相邻两幅影像的重叠度较小,且影像波段数不足以进行波段间像素补偿时,处理方法与位置相对相机不固定的污点的处理方法相同,具体步骤为:
(1)设置一个A×A的像素窗口用来滑动遍历整幅影像;
(2)设置阈值,作为条件判断的依据;
(3)使用A×A的窗口滑动整幅影像,计算窗口的中心像素值与窗口所有像素均值的差值绝对值;
(4)判断其值是否大于阈值,若大于阈值,则用均值代替中心像素值,否则继续滑动窗口,直到遍历整幅影像。
本发明的有益效果如下:
(1)本发明针对影像污点的位置、大小、形状相对相机固定/不固定、相邻影像重叠区域能够/不能够覆盖污点、传感器类型为多光谱/其他多种情况分别提出了污点去除的方法,用户可根据实际情况自主选择,算法更加全面。
(2)本发明的去污算法,用户只需输入待处理影像,算法自动检测污点位置、进行污点处理并输出去污后的影像,无需人工手动处理,省时省力,方便快捷。
(3)本发明提出的三种污点补偿方式(拼接镶嵌、波段像素补偿、邻域像素均值替换),第一种方法使用相邻两帧影像中对应地物位置无污染的影像像素值补偿污点影像像素值,第二种方法是使用无污染波段的像素值补偿污染波段的光谱信息,使用全色波段补偿污染波段的空间信息,这两种方法本质上都是使用无污染的像素值进行污点补偿,对地物复杂的区域同样适用。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (4)
1.一种卫星遥感影像的污点去除方法,其特征在于,包括:
获取待处理的含有污点的卫星影像;
判断所述污点的位置相对相机是否固定,得到第一判断结果;
若所述第一判断结果为是,则判断相邻两帧所述卫星影像的重叠区是否覆盖所述污点,得到第二判断结果;
若所述第二判断结果为是,则通过图像拼接镶嵌算法对相邻两帧所述卫星影像进行处理,得到去污后的影像;
若所述第二判断结果为否且所述卫星影像含有多个波段时,则采用波段间像素补偿算法对所述卫星影像进行拼接处理,得到去污后的影像;
若所述第二判断结果为否且所述卫星影像仅含有单个波段时,通过邻域像素均值替换算法对所述卫星影像进行处理,得到去污后的影像;
若所述第一判断结果为否,则通过邻域像素均值替换算法对所述卫星影像进行处理,得到去污后的影像。
2.根据权利要求1所述的卫星遥感影像的污点去除方法,其特征在于,所述通过图像拼接镶嵌算法对相邻两帧所述卫星影像进行处理,得到去污后的影像,包括:
对相邻两帧卫星影像进行图像配准,得到配准图像;
对所述配准图像中重叠的区域进行差分处理,得到差分后重叠区域的像素值;
使用目标检测算法对所述差分后重叠区域的像素值进行异常检测,得到污点的坐标值;
将没有污点的像素的像素值赋值为1,并将有污点的像素的像素值赋值为0,以构建权重矩阵;
对相邻两幅所述卫星影像的像素值进行加权平均,得到拼接后影像的像素值;
根据所述拼接后影像的像素值进行成像,得到所述去污后的影像。
3.根据权利要求1所述的卫星遥感影像的污点去除方法,其特征在于,所述采用波段间像素补偿算法对所述卫星影像进行拼接处理,得到去污后的影像,包括:
使用目标检测算法对所述卫星影像进行异常检测,得到污点的坐标位置;
对所述卫星影像中的各个单波段影像进行相对辐射校正,以使各个波段的像素值保持在预设值域范围内;
使用其他波段的污点的坐标位置,对相同坐标位置的像素值进行填充;
对单波段影像进行波段间图像配准,并使用全色图像对单波段图像丢失的空间信息进行补充,得到所述去污后的影像。
4.根据权利要求1所述的卫星遥感影像的污点去除方法,其特征在于,所述通过邻域像素均值替换算法对所述卫星影像进行处理,得到去污后的影像,包括:
获取判断阈值和预设尺寸的像素窗口;
利用所述像素窗口滑动遍历整幅所述卫星影像;
计算所述像素窗口的中心像素值与所述像素窗口所有像素均值的差值绝对值;
判断所述差值绝对值是否大于判断阈值,若是,则用均值代替中心像素值,否则跳转至步骤“利用所述像素窗口滑动遍历整幅所述卫星影像”,直到遍历整幅影像,得到所述去污后的影像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310058158.3A CN115953322B (zh) | 2023-01-15 | 2023-01-15 | 一种卫星遥感影像的污点去除方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310058158.3A CN115953322B (zh) | 2023-01-15 | 2023-01-15 | 一种卫星遥感影像的污点去除方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115953322A true CN115953322A (zh) | 2023-04-11 |
CN115953322B CN115953322B (zh) | 2023-07-14 |
Family
ID=85886796
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310058158.3A Active CN115953322B (zh) | 2023-01-15 | 2023-01-15 | 一种卫星遥感影像的污点去除方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115953322B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004318693A (ja) * | 2003-04-18 | 2004-11-11 | Konica Minolta Photo Imaging Inc | 画像処理方法、画像処理装置及び画像処理プログラム |
JP2008170325A (ja) * | 2007-01-12 | 2008-07-24 | Seiko Epson Corp | シミ欠陥検出方法およびシミ欠陥検出装置 |
WO2010073453A1 (ja) * | 2008-12-25 | 2010-07-01 | 株式会社日立ハイテクノロジーズ | 欠陥検査方法及びその装置 |
JP2011166524A (ja) * | 2010-02-10 | 2011-08-25 | Sharp Corp | 固体撮像装置、カメラモジュール、および電子情報機器 |
CN113077468A (zh) * | 2021-06-08 | 2021-07-06 | 自然资源部国土卫星遥感应用中心 | 高光谱卫星影像的辐射异常的质量检测方法和装置 |
WO2022082904A1 (zh) * | 2020-10-20 | 2022-04-28 | 诚瑞光学(深圳)有限公司 | 镜头脏污检测方法、装置和设备 |
CN115248440A (zh) * | 2021-04-26 | 2022-10-28 | 深圳市光鉴科技有限公司 | 基于点阵光投射的tof深度相机 |
-
2023
- 2023-01-15 CN CN202310058158.3A patent/CN115953322B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004318693A (ja) * | 2003-04-18 | 2004-11-11 | Konica Minolta Photo Imaging Inc | 画像処理方法、画像処理装置及び画像処理プログラム |
JP2008170325A (ja) * | 2007-01-12 | 2008-07-24 | Seiko Epson Corp | シミ欠陥検出方法およびシミ欠陥検出装置 |
WO2010073453A1 (ja) * | 2008-12-25 | 2010-07-01 | 株式会社日立ハイテクノロジーズ | 欠陥検査方法及びその装置 |
JP2011166524A (ja) * | 2010-02-10 | 2011-08-25 | Sharp Corp | 固体撮像装置、カメラモジュール、および電子情報機器 |
WO2022082904A1 (zh) * | 2020-10-20 | 2022-04-28 | 诚瑞光学(深圳)有限公司 | 镜头脏污检测方法、装置和设备 |
CN115248440A (zh) * | 2021-04-26 | 2022-10-28 | 深圳市光鉴科技有限公司 | 基于点阵光投射的tof深度相机 |
CN113077468A (zh) * | 2021-06-08 | 2021-07-06 | 自然资源部国土卫星遥感应用中心 | 高光谱卫星影像的辐射异常的质量检测方法和装置 |
Non-Patent Citations (6)
Title |
---|
MARIAN-DANIEL IORDACHE 等: "A Machine Learning Approach to Detecting Pine Wilt Disease Using Airborne Spectral Imagery", 《REMOTE SENSING》, pages 1 - 23 * |
TIANXING WANG 等: "Detection and Removal of Clouds and Associated Shadowsin Satellite Imagery Based on Simulated Radiance Fields", 《JOURNAL OF GEOPHYSICAL RESEARCH: ATMOSPHERES》, pages 7207 - 7225 * |
刘兵兵 等: "基于图像处理的选票质量检测方法", 《计算机应用》, vol. 38, no. 1, pages 183 - 186 * |
张帅台 等: "基于多特征自适应的单光子点云去噪算法", 《红外与激光工程》, vol. 51, no. 6, pages 20210949 - 1 * |
王俊秀: "基于图像修补技术的污点自动侦测及去除方法", 《洛阳师范学院学报》, vol. 33, no. 11, pages 76 - 79 * |
邱宇 等: "一种基于双边滤波的4f光学系统图像去噪方法", 《中国激光》, vol. 37, no. 2, pages 514 - 520 * |
Also Published As
Publication number | Publication date |
---|---|
CN115953322B (zh) | 2023-07-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8532380B2 (en) | Methods and apparatuses for addressing chromatic abberations and purple fringing | |
EP2268043B1 (en) | Image processing device, imaging device, method, and program | |
JP4983141B2 (ja) | カラーフィルタ | |
US8358835B2 (en) | Method for detecting and correcting chromatic aberration, and apparatus and method for processing image using the same | |
US8385641B2 (en) | Method and apparatus for eliminating chromatic aberration | |
JP4966413B2 (ja) | 色収差とパープルフリンジに対処する方法と装置 | |
WO2013094151A1 (ja) | 物体検出装置及び物体検出方法 | |
US10728446B2 (en) | Method and apparatus for performing processing in a camera | |
WO2014038629A1 (ja) | 移動体検出方法 | |
US8818089B2 (en) | Device and method of removing chromatic aberration in image | |
CN115953322A (zh) | 一种卫星遥感影像的污点去除方法 | |
JP2009219123A (ja) | 色収差を補正する方法 | |
CN116645647A (zh) | 一种基于人工智能的车辆监测方法及系统 | |
US7450167B2 (en) | Method for improving image quality | |
JP4452793B2 (ja) | 不法投棄箇所検知装置、方法、およびプログラム | |
JP3856235B2 (ja) | 平面画像における傾斜被り補正方法 | |
JP5348253B2 (ja) | 画像処理装置および画像処理方法、撮像装置および撮像方法、プログラム、並びに、記録媒体 | |
JP7244301B2 (ja) | 画像処理装置 | |
JP4883362B2 (ja) | 欠陥検査装置および欠陥検査方法 | |
JP2005136497A (ja) | 画像処理方法、画像処理装置 | |
CN115457342A (zh) | 一种多光谱图像处理方法和装置 | |
CN115082522A (zh) | 目标跟踪方法及装置 | |
JP2005159886A (ja) | 画像輝度補正処理装置及び画像輝度補正処理方法及び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及びプログラム |
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 |