CN116385314B - 面阵成像系统噪声去除方法及系统 - Google Patents
面阵成像系统噪声去除方法及系统 Download PDFInfo
- Publication number
- CN116385314B CN116385314B CN202310620284.3A CN202310620284A CN116385314B CN 116385314 B CN116385314 B CN 116385314B CN 202310620284 A CN202310620284 A CN 202310620284A CN 116385314 B CN116385314 B CN 116385314B
- Authority
- CN
- China
- Prior art keywords
- image
- noise
- area array
- remote sensing
- standard deviation
- 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 31
- 238000003384 imaging method Methods 0.000 title claims abstract description 27
- 230000005855 radiation Effects 0.000 claims abstract description 37
- 238000012937 correction Methods 0.000 claims abstract description 35
- 238000001914 filtration Methods 0.000 claims abstract description 26
- 238000012545 processing Methods 0.000 claims description 13
- 238000001514 detection method Methods 0.000 claims description 9
- 238000013499 data model Methods 0.000 claims description 8
- 230000000694 effects Effects 0.000 claims description 7
- 238000013461 design Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 230000008030 elimination Effects 0.000 claims description 3
- 238000003379 elimination reaction Methods 0.000 claims description 3
- 238000011158 quantitative evaluation Methods 0.000 claims description 3
- 239000000523 sample Substances 0.000 abstract description 15
- 238000004590 computer program Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
Classifications
-
- G06T5/70—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration by the use of local operators
-
- 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
- G06T2207/10016—Video; Image sequence
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
- Transforming Light Signals Into Electric Signals (AREA)
Abstract
本发明针对面阵相机在轨辐射定标困难,遥感影像中存在点状系统噪声的问题,公开了一种面阵成像系统噪声去除方法及系统。首先基于高斯滤波器滤除面阵遥感影像中的辐射特征,得到纹理图像作为结果;其次,在纹理图像的基础上,采用Grubbs准则滤除纹理图像中蕴含的梯度信息,得到反映系统噪声信息的噪声图像;最后通过叠加一定数量的噪声图像获得校正系数,实现系统噪声的去除。本发明解决了面阵成像系统中传感器探元不均匀响应的问题,有效提升了面阵遥感影像的辐射质量。
Description
技术领域
本发明属于图像处理领域,涉及一种面阵成像系统噪声去除的方法及系统。
背景技术
遥感技术是20 世纪60年代新兴起来的一种综合性的对地观测技术。它是指不直接接触研究目标和区域,通过探测仪器获取研究对象的相关数据,并对获得的数据进行加工处理和分析解译,从而得到地物相关信息的一门科学技术。遥感技术具有探测范围广、采集数据快、获取信息量大以及受地面条件限制少等特点,随着遥感应用的不断深入,遥感卫星的分辨率越来越高、重访周期越来越短、谱段越来越多、重量越来越轻、用途越来越广,与此同时,遥感任务的应用需求也在不断提高,逐渐从低频、定期的静态监测向高频、实时的动态观测方向发展。搭载有面阵相机的视频卫星具备面阵凝视成像技术,可以对目标区域内的运动目标进行持续监视,从而可以实现全球范围目标地区的动态监测,获取及时、准确的动态信息。
目前来说,视频卫星成像技术已经成为遥感卫星发展的一大热点。然而,卫星在发射后会受到物理环境等因素的影响,导致卫星传感器成像响应不均匀,这会直接影响遥感影像的质量。因此,面阵成像系统噪声的去除技术是保障视频卫星成像辐射质量的关键。目前对于面阵影像噪声的去除工作主要是基于均匀场景的方法,利用云层、海洋、沙漠等典型均匀场景的影像,对获取的全部影像取平均值,获得平均灰度响应,根据逐个像元的灰度响应与整体的平均灰度响应解算相对辐射定标系数。这种方法需要的影像数量大,并且要求遥感影像覆盖全部区域都是均匀场景,这样的条件实际上是很难实现的。
发明内容
本发明针对面阵相机在轨辐射定标困难,遥感影像中存在点状系统噪声的问题,提出了一种面阵成像系统噪声去除方法。对于面阵成像的遥感影像,相同区域不同时相的影像中的系统噪声存在着相关性,并且这种相关性主要受到影像自身辐射特征和梯度特征的影响,无法通过少数量影像的叠加实现传感器探元非均匀响应的校正。本发明基于此,依次消除辐射特征和梯度特征的干扰,实现多帧面阵遥感影像的叠加去除系统噪声。首先,基于高斯滤波器,将面阵遥感影像中的辐射特征进行滤除,得到纹理图像作为结果;其次,在纹理图像的基础上,采用Grubbs准则滤除纹理图像中蕴含的梯度信息,得到反映系统噪声信息的噪声图像;最后通过叠加一定数量的噪声图像获得校正系数,实现系统噪声的去除。本发明解决了面阵成像系统中传感器探元不均匀响应的问题,有效提升了面阵遥感影像的辐射质量。
本发明技术方案提供了一种面阵成像系统噪声去除的方法,包括以下步骤:
步骤1,基于高斯滤波器滤除原始遥感影像中的大部分辐射特征,将多帧序列面阵遥感影像转换为对应的纹理图像,
(1)
其中,表示原始遥感影像,/>表示经过高斯滤波处理的遥感影像,/>表示滤除辐射特征后的纹理图像,/>表示影像坐标;
步骤2,基于步骤1中去除辐射特征后的纹理图像,利用Grubbs准则,滤除纹理图像中的梯度信息,从而获得反映原始面阵影像系统噪声的噪点图像,具体实现过程如下,
步骤2.1,对步骤1获得的多帧纹理图像,基于Grubbs准则进行粗差位置检测及剔除处理,具体过程如下,
首先建立观测数据模型,
(2)
设计统计量,
(3)
结合式(3),利用Grubbs准则对粗差进行判别,
(4)
(5)
(6)
其中,为观测样本数量,即原始遥感影像的数量,/>为观测样本的数值,即原始遥感影像对应像素位置处的像素值,/>,/>为观测样本的均值,对应于多帧影像相同像素位置的灰度均值,/>为Grubbs准则的临界值,其值大小只与样本数量/>和显著性水平/>有关,/>为样本的标准差估计。
步骤2.2,将Grubbs准则判别出的粗差进行剔除处理,获得反映原始影像系统噪声信息的噪点图像;
步骤2.3,步骤2.2获得的噪点图像中包含着系统噪声的位置和强度信息,基于该噪点图像建立系统噪声校正系数模型,
(7)
其中,是系统噪声校正系数,/>为面阵影像的数量,/>为步骤2.2中获得的噪点图像,/>为面阵影像的顺序,/>,/>代表像素位置。
步骤2.4,利用系统噪声校正系数,对单帧面阵影像数据进行校正处理,
(8)
其中,代表去除系统噪声后的影像,/>代表原始含有系统噪声的影像,为步骤2.3获取的校正系数。
步骤3,对校正后的面阵遥感影像进行去噪效果的定量评价,具体如下,
选取灰度均值、标准差以及信噪比三种定量评价指标进行系统噪声去除效果的评价,其中信噪比这一指标由于缺少真正的无噪影像无法直接求解,本发明通过局部标准差(LSD)间接获取,相关步骤如下,
首先,计算去噪后整幅影像的灰度均值,记作M,
(9)
式中,为影像第/>行第/>列像素的灰度值,/>分别为影像的行数、列数,为对应的灰度均值;
其次,将整幅影像分成5×5像素的小块,计算每一个小块的标准差;
接着,根据各个小块的标准差,获得最大、最小标准差,在最小和最大标准差之间设置一定数量相同大小间隔,遍历所有标准差数值,计算落在每一区间内的数目,取数量最多区间的平均值作为最大局部标准差,记作:;
最后,基于计算得到的计算校正后影像的信噪比(SNR),
(10)
而且,在步骤1所述辐射特征滤除中,高斯函数的标准差设置为1,卷积核大小设置为5×5。
而且,在计算过程中,设置的相同大小间隔数量为1000。
本发明还提供一种面阵成像系统噪声去除系统,包括如下模块:
纹理图像转换模块,用于基于高斯滤波器滤除原始遥感影像中的辐射特征,将多帧序列面阵遥感影像转换为对应的纹理图像;
噪声去除模块,用于基于去除辐射特征后的纹理图像,利用Grubbs准则,滤除纹理图像中的梯度信息,从而获得反映原始面阵影像系统噪声的噪点图像;具体包括如下子模块,
粗差位置检测子模块,对获得的多帧纹理图像,基于Grubbs准则进行粗差位置检测;
噪点图像获取子模块,将Grubbs准则判别出的粗差进行剔除处理,获得反映原始影像系统噪声信息的噪点图像;
校正系数获取子模块,噪点图像获取子模块中获得的噪点图像中包含着系统噪声的位置和强度信息,基于该噪点图像获得系统噪声校正系数;
校正处理子模块,利用系统噪声校正系数,对单帧面阵影像数据进行校正处理。
而且,粗差位置检测子模块的具体实现方式如下;
首先,根据相同坐标位置处的像素值建立观测数据模型,如下式;
(2)
设计统计量,如下式;
(3)
结合式(3),利用Grubbs准则对粗差进行判别;
(4)
(5)
(6)
如果满足公式4,则统计量v对应的样本就判断为粗差;其中,为观测样本的数值,即原始遥感影像对应像素位置处的像素值,/>,/>为观测样本数量,即原始遥感影像的数量;/>为常数,对应于系统噪声引起的灰度值,/>则对应于梯度特征引起的灰度值,/>满足均值为0,方差为/>的正态分布;/>为观测样本的均值,对应于多帧影像相同像素位置的灰度均值,/>为Grubbs准则的显著性水平,/>为Grubbs准则的临界值,其值大小只与样本数量/>和显著性水平/>有关,/>为样本的标准差估计。
本发明方法针对面阵相机获取的遥感影像中存在点状系统噪声的问题,基于相同区域不同时相影像中的系统噪声存在相关性,对影像逐级进行辐射特征和梯度特征的滤除,最终获得系统噪声校正系数,有效去除了原始影像中的系统噪声,提升影像辐射质量。
本发明与现有技术相比,具有以下三个优点:
(1)不需要地面特定的均匀场地,如沙漠、海洋、雪等特殊均匀场。
本发明通过分析面阵成像系统噪声与多幅图像在时间轴上存在相关性,并且这种相关性受到影像自身辐射特征和梯度特征的干扰,通过滤除辐射特征、梯度特征即可实现一定数量影像叠加后的系统噪声去除。然而,常规的场地定标方法需要依赖地面特定的均匀场地,实现条件更加严苛。
(2)提高了卫星相对辐射定标的频次和便捷性。
本发明直接基于一定数量面阵序列图像数据进行定标,去除系统噪声,极大提高了卫星相对辐射定标的频次和便捷性,降低了卫星相对辐射定标的成本。
(3)可以广泛应用于面阵传感器的系统噪声去除工作。
综上所述,本发明提供了一种简单有效的面阵成像系统噪声去除技术,可以有效滤除影像中的点状系统噪声,显著提升遥感影像的辐射质量。
附图说明
图1为本发明实施例的具体流程图。
图2为本发明辐射特征滤除过程中采用的5×5大小归一化高斯模板。
具体实施方式
为了便于本领域普通技术人员理解和实施本发明,下面结合附图及实施示例对本发明作进一步的详细描述,应当理解,此处所描述的实施示例仅用于说明和解释本发明,并不用于限定本发明。
对于面阵成像遥感影像,相同区域不同时相的影像中的系统噪声存在着相关性,并且这种相关性主要受到影像自身辐射特征和梯度特征的影响,无法通过少数量影像的叠加实现传感器探元非均匀响应的校正。本发明基于此,首先基于高斯滤波器,将面阵遥感影像中的辐射特征进行滤除,得到纹理图像作为结果;之后在纹理图像的基础上,采用Grubbs准则滤除纹理图像中蕴含的梯度信息,得到反映系统噪声信息的噪声图像;最后通过叠加一定数量的噪声图像获得校正系数,实现系统噪声的去除。图1为本发明实施示例的流程图,一种面阵成像系统噪声去除方法,包括如下步骤:
步骤1,辐射特征滤除:基于高斯滤波器滤除原始遥感影像中的大部分辐射特征,将多帧序列面阵遥感影像转换为对应的纹理图像。
(1)
其中,表示原始遥感影像,/>表示经过高斯滤波处理的遥感影像,/>表示滤除辐射特征后的纹理图像,/>表示影像坐标。实施示例中高斯函数的标准差设置为1,卷积核大小设置为55。图2为实施示例采用的5*5大小归一化高斯模板,具体实施时,本领域技术人员可以根据实际需要选取合适大小的高斯核模板,以实现较好的辐射特征滤除效果。
步骤2,梯度特征滤除:基于步骤1得到的纹理图像,利用Grubbs准则,滤除纹理图像中的梯度信息,从而获得反映原始面阵影像系统噪声的噪点图像。具体包括如下步骤:
步骤2.1,对步骤1获得的多帧纹理图像,基于Grubbs准则进行粗差位置检测及剔除处理,具体过程如下,
首先,纹理图像中包含系统噪声信息和梯度特征信息。系统噪声的位置、强度是固定的,而梯度特征主要由地形因素决定,具有随机性,所以,基于多帧纹理图像,可以根据相同坐标位置处的像素值建立观测数据模型,如下式;
(2)
设计统计量,如下式;
(3)
结合式(3),利用Grubbs准则对粗差进行判别;
(4)
(5)
(6)
如果满足公式4,则统计量v对应的样本就判断为粗差;其中,为观测样本的数值,即原始遥感影像对应像素位置处的像素值,/>,/>为观测样本数量,即原始遥感影像的数量;/>为常数,对应于系统噪声引起的灰度值,/>则对应于梯度特征引起的灰度值,/>满足均值为0,方差为/>的正态分布;/>为观测样本的均值,对应于多帧影像相同像素位置的灰度均值,/>为Grubbs准则的显著性水平,/>为Grubbs准则的临界值,其值大小只与样本数量/>和显著性水平/>有关,/>为样本的标准差估计。实施示例中采用的Grubbs准则显著性水平为0.1,具体实施时,本领域技术人员可以根据实际需要选取合适的数值。
步骤2.2,将Grubbs准则判别出的粗差进行剔除处理,获得反映原始影像系统噪声信息的噪点图像;
步骤2.3,步骤2.2获得的噪点图像中包含着系统噪声的位置和强度信息,基于噪点图像建立系统噪声校正系数模型,
(7)
其中,是系统噪声校正系数,/>为原始遥感影像的数量,/>为步骤2.2中获得的噪点图像,/>为面阵影像的顺序,/>,/>代表像素位置。
步骤2.4,利用系统噪声校正系数,对单帧面阵影像数据进行校正处理,
(8)
其中,代表去除系统噪声后的影像,/>代表原始含有系统噪声的影像,为步骤2.3获取的校正系数。
步骤3,校正处理后需要对去噪效果进行定量评价,具体如下,
选取灰度均值、标准差以及信噪比三种定量评价指标进行系统噪声去除效果的评价,其中信噪比这一指标由于缺少真正的无噪影像无法直接求解,本发明通过局部标准差(LSD)间接获取,相关步骤如下,
首先,计算去噪后整幅影像的灰度均值,记作M,
(9)
式中,为影像第/>行第/>列像素的灰度值,/>分别为影像的行数、列数,为对应的灰度均值;
其次,将整幅影像分成5×5像素的小块,计算每一个小块的标准差;
接着,根据各个小块的标准差,获得最大、最小标准差,在最小和最大标准差之间设置一定数量相同大小间隔,遍历所有标准差数值,计算落在每一区间内的数目,取数量最多区间的平均值作为最大局部标准差,记作:;实施示例中设置的间隔数量为1000,具体实施时,技术人员可以根据实际需求选择最佳的参数。
最后,基于计算得到的计算校正后影像的信噪比(SNR),
(10)
具体实施时,本发明技术方案提出的方法可由本领域技术人员采用计算机软件技术实现自动运行流程,实现方法的系统装置例如存储本发明技术方案相应计算机程序的计算机可读存储介质以及包括运行相应计算机程序的计算机设备,也应当在本发明的保护范围内。
本发明还提供一种面阵成像系统噪声去除系统,包括如下模块:
纹理图像转换模块,用于基于高斯滤波器滤除原始遥感影像中的辐射特征,将多帧序列面阵遥感影像转换为对应的纹理图像;
噪声去除模块,用于基于去除辐射特征后的纹理图像,利用Grubbs准则,滤除纹理图像中的梯度信息,从而获得反映原始面阵影像系统噪声的噪点图像;具体包括如下子模块,
粗差位置检测子模块,对获得的多帧纹理图像,基于Grubbs准则进行粗差位置检测;
噪点图像获取子模块,将Grubbs准则判别出的粗差进行剔除处理,获得反映原始影像系统噪声信息的噪点图像;
校正系数获取子模块,噪点图像获取子模块中获得的噪点图像中包含着系统噪声的位置和强度信息,基于该噪点图像获得系统噪声校正系数;
校正处理子模块,利用系统噪声校正系数,对单帧面阵影像数据进行校正处理。
各模块的具体实现方式与各步骤相应,本发明不予撰述。
应当理解的是,上述针对较佳实施示例的描述较为详细,并不能因此而认为是对本发明专利保护范围的限制,本领域的普通技术人员在本发明的启示下,在不脱离本发明权利要求所保护的范围情况下,还可以做出替换或变形,均落入本发明的保护范围之内,本发明的请求保护范围应以所附权利要求为准。
Claims (7)
1.面阵成像系统噪声去除方法,其特征在于,包括如下步骤:
步骤1,基于高斯滤波器滤除原始遥感影像中的辐射特征,将多帧序列面阵遥感影像转换为对应的纹理图像;
步骤2,基于步骤1中去除辐射特征后的纹理图像,利用Grubbs准则,滤除纹理图像中的梯度信息,从而获得反映原始面阵影像系统噪声的噪点图像;具体实现过程如下,
步骤2.1,对步骤1获得的多帧纹理图像,基于Grubbs准则进行粗差位置检测;
步骤2.1的具体实现方式如下;
首先,根据相同坐标位置处的像素值建立观测数据模型,如下式;
(2)
设计统计量,如下式;
(3)
结合式(3),利用Grubbs准则对粗差进行判别;
(4)
(5)
(6)
如果满足公式4,则统计量v对应的样本就判断为粗差;其中,为观测样本的数值,即原始遥感影像对应像素位置处的像素值,/>,/>为观测样本数量,即原始遥感影像的数量;/>为常数,对应于系统噪声引起的灰度值,/>则对应于梯度特征引起的灰度值,满足均值为0,方差为/>的正态分布;/>为观测样本的均值,对应于多帧影像相同像素位置的灰度均值,/>为Grubbs准则的显著性水平,/>为Grubbs准则的临界值,其值大小只与样本数量/>和显著性水平/>有关,/>为样本的标准差估计;
步骤2.2,将Grubbs准则判别出的粗差进行剔除处理,获得反映原始影像系统噪声信息的噪点图像;
步骤2.3,步骤2.2获得的噪点图像中包含着系统噪声的位置和强度信息,基于该噪点图像获得系统噪声校正系数;
步骤2.3中的噪声校正系数如下;
(7)
其中,是系统噪声校正系数,/>为原始遥感影像的数量,/>为步骤2.2中获得的噪点图像,/>为面阵影像的顺序,/>,/>代表像素位置;
步骤2.4,利用系统噪声校正系数,对单帧面阵影像数据进行校正处理。
2.如权利要求1所述的面阵成像系统噪声去除方法,其特征在于:还包括步骤3,对校正后的面阵遥感影像进行去噪效果的定量评价。
3.如权利要求1所述的面阵成像系统噪声去除方法,其特征在于:步骤1的具体实现方式如下;
(1)
其中,表示原始遥感影像,/>表示经过高斯滤波处理的遥感影像,/>表示滤除辐射特征后的纹理图像,/>表示影像坐标。
4.如权利要求3所述的面阵成像系统噪声去除方法,其特征在于:高斯滤波处理中的高斯函数的标准差设置为1,卷积核大小设置为5×5。
5.如权利要求1所述的面阵成像系统噪声去除方法,其特征在于:步骤2.4中校正处理采用如下公式;
(8)
其中,代表去除系统噪声后的影像,/>代表原始含有系统噪声的影像,为步骤2.3获取的校正系数。
6.如权利要求2所述的面阵成像系统噪声去除方法,其特征在于:选取灰度均值、标准差以及信噪比三种定量评价指标进行系统噪声去除效果的评价;
信噪比的求解根据局部标准差LSD间接获取,具体步骤如下,
首先,计算去噪后整幅影像的灰度均值,记作M,
(9)
式中,为影像第/>行第/>列像素的灰度值,/>分别为影像的行数、列数,/>为对应的灰度均值;
其次,将整幅影像分成5×5像素的小块,计算每一个小块的标准差;
接着,根据各个小块的标准差,获得最大、最小标准差,在最小和最大标准差之间设置一定数量相同大小间隔,遍历所有标准差数值,计算落在每一区间内的数目,取数量最多区间的平均值作为最大局部标准差,记作:;
最后,基于计算得到的计算校正后影像的信噪比SNR,
(10)。
7.面阵成像系统噪声去除系统,其特征在于,包括如下模块:
纹理图像转换模块,用于基于高斯滤波器滤除原始遥感影像中的辐射特征,将多帧序列面阵遥感影像转换为对应的纹理图像;
噪声去除模块,用于基于去除辐射特征后的纹理图像,利用Grubbs准则,滤除纹理图像中的梯度信息,从而获得反映原始面阵影像系统噪声的噪点图像;具体包括如下子模块,
粗差位置检测子模块,对获得的多帧纹理图像,基于Grubbs准则进行粗差位置检测;
粗差位置检测子模块的具体实现方式如下;
首先,根据相同坐标位置处的像素值建立观测数据模型,如下式;
(2)
设计统计量,如下式;
(3)
结合式(3),利用Grubbs准则对粗差进行判别;
(4)
(5)
(6)
如果满足公式4,则统计量v对应的样本就判断为粗差;其中,为观测样本的数值,即原始遥感影像对应像素位置处的像素值,/>,/>为观测样本数量,即原始遥感影像的数量;/>为常数,对应于系统噪声引起的灰度值,/>则对应于梯度特征引起的灰度值,满足均值为0,方差为/>的正态分布;/>为观测样本的均值,对应于多帧影像相同像素位置的灰度均值,/>为Grubbs准则的显著性水平,/>为Grubbs准则的临界值,其值大小只与样本数量/>和显著性水平/>有关,/>为样本的标准差估计;
噪点图像获取子模块,将Grubbs准则判别出的粗差进行剔除处理,获得反映原始影像系统噪声信息的噪点图像;
校正系数获取子模块,噪点图像获取子模块中获得的噪点图像中包含着系统噪声的位置和强度信息,基于该噪点图像获得系统噪声校正系数;
噪声校正系数如下;
(7)
其中,是系统噪声校正系数,/>为原始遥感影像的数量,/>为步骤2.2中获得的噪点图像,/>为面阵影像的顺序,/>,/>代表像素位置;
校正处理子模块,利用系统噪声校正系数,对单帧面阵影像数据进行校正处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310620284.3A CN116385314B (zh) | 2023-05-30 | 2023-05-30 | 面阵成像系统噪声去除方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310620284.3A CN116385314B (zh) | 2023-05-30 | 2023-05-30 | 面阵成像系统噪声去除方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116385314A CN116385314A (zh) | 2023-07-04 |
CN116385314B true CN116385314B (zh) | 2023-08-15 |
Family
ID=86979036
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310620284.3A Active CN116385314B (zh) | 2023-05-30 | 2023-05-30 | 面阵成像系统噪声去除方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116385314B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104065892A (zh) * | 2014-06-24 | 2014-09-24 | 中国资源卫星应用中心 | 一种凝视卫星面阵ccd相机的相对辐射校正方法 |
CN108154479A (zh) * | 2016-12-02 | 2018-06-12 | 航天星图科技(北京)有限公司 | 一种对遥感图像进行图像校正的方法 |
CN108447031A (zh) * | 2018-02-28 | 2018-08-24 | 北京理工大学 | 一种红外图像热背景噪声校正的方法 |
CN112367293A (zh) * | 2020-10-10 | 2021-02-12 | 浙江大学 | 一种基于时序特征的加密流量异常检测方法 |
CN113963275A (zh) * | 2021-10-12 | 2022-01-21 | 中科禾信遥感科技(苏州)有限公司 | 一种冬小麦、土地农作物的遥感识别方法及遥感识别系统 |
CN114779249A (zh) * | 2022-04-19 | 2022-07-22 | 东北大学 | 一种gb-sar干涉影像滤波方法及系统 |
CN114863292A (zh) * | 2022-04-29 | 2022-08-05 | 武汉大学 | 基于历史卫星影像指导的低分辨率卫星影像车辆计数方法 |
CN115792980A (zh) * | 2022-11-24 | 2023-03-14 | 武汉大学 | 一种模型和数据双重驱动的gnss rtk定位选星方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10521888B2 (en) * | 2015-12-23 | 2019-12-31 | Huazhong University Of Science And Technology | Aerothermal radiation effect frequency domain correction method |
-
2023
- 2023-05-30 CN CN202310620284.3A patent/CN116385314B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104065892A (zh) * | 2014-06-24 | 2014-09-24 | 中国资源卫星应用中心 | 一种凝视卫星面阵ccd相机的相对辐射校正方法 |
CN108154479A (zh) * | 2016-12-02 | 2018-06-12 | 航天星图科技(北京)有限公司 | 一种对遥感图像进行图像校正的方法 |
CN108447031A (zh) * | 2018-02-28 | 2018-08-24 | 北京理工大学 | 一种红外图像热背景噪声校正的方法 |
CN112367293A (zh) * | 2020-10-10 | 2021-02-12 | 浙江大学 | 一种基于时序特征的加密流量异常检测方法 |
CN113963275A (zh) * | 2021-10-12 | 2022-01-21 | 中科禾信遥感科技(苏州)有限公司 | 一种冬小麦、土地农作物的遥感识别方法及遥感识别系统 |
CN114779249A (zh) * | 2022-04-19 | 2022-07-22 | 东北大学 | 一种gb-sar干涉影像滤波方法及系统 |
CN114863292A (zh) * | 2022-04-29 | 2022-08-05 | 武汉大学 | 基于历史卫星影像指导的低分辨率卫星影像车辆计数方法 |
CN115792980A (zh) * | 2022-11-24 | 2023-03-14 | 武汉大学 | 一种模型和数据双重驱动的gnss rtk定位选星方法及系统 |
Non-Patent Citations (1)
Title |
---|
"基于真实感图像合成的去噪算法研究";吴熙;《中国优秀硕士学位论文全文数据库》(第06期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116385314A (zh) | 2023-07-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6752212B2 (ja) | 画像システムとその使用方法 | |
Rakwatin et al. | Stripe noise reduction in MODIS data by combining histogram matching with facet filter | |
CN110703244B (zh) | 基于遥感数据识别城区内水体的方法和装置 | |
EP1505540A2 (en) | Removal of gridlines in radiographic image | |
CN112634159B (zh) | 基于盲噪声估计的高光谱图像去噪方法 | |
CN112347992B (zh) | 一种荒漠地区时序agb遥感估算方法 | |
Simpson et al. | Reduction of noise in AVHRR channel 3 data with minimum distortion | |
Hashim et al. | Determination of seagrass biomass at Merambong Shoal in Straits of Johor using satellite remote sensing technique | |
Donghua et al. | A multiscale transform denoising method of the bionic polarized light compass for improving the unmanned aerial vehicle navigation accuracy | |
CN108305265B (zh) | 微弱小目标图像实时处理方法及系统 | |
CN102592265A (zh) | 数字x射线胶片的噪声评价方法 | |
CN116385314B (zh) | 面阵成像系统噪声去除方法及系统 | |
CN110782429A (zh) | 一种基于星载遥感相机的成像质量评估方法 | |
CN114596525A (zh) | 一种基于计算机视觉的动态桥梁形态识别方法 | |
CN111242884A (zh) | 图像坏点检测、校正方法及装置、存储介质、摄像设备 | |
Sharma et al. | Satellite image enhancement using discrete wavelet transform, singular value decomposition and its noise performance analysis | |
Zhao et al. | Hyperion image optimization in coastal waters | |
CN113936009B (zh) | 一种气象卫星洪涝监测的云阴影去除方法、装置及设备 | |
Jiang et al. | Perceptual-based fusion of ir and visual images for human detection | |
CN114859099A (zh) | 一种无暗像元的可见光线阵探测器的暗电流实时估计方法 | |
CN111257854B (zh) | 一种通用的基于遥感影像分割单元的地形校正优化方法 | |
CN112258407A (zh) | 一种图像采集设备的信噪比获取方法、装置及存储介质 | |
CN114234934B (zh) | 一种非均匀空间分辨率星载微光成像仪的海洋内波监测方法及系统 | |
Mishra et al. | Spatial enhancement of SWIR band from Resourcesat-2A by preserving spectral details for accurate mapping of water bodies | |
JPS6051377A (ja) | リニアアレイセンサ素子間感度補正方式 |
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 |