[发明专利]一种基于最小二乘法的线阵推扫式影像自适应辐射校正方法

权利要求书

1.一种基于最小二乘法的线阵推扫式影像自适应辐射校正方法，其特征在于实现步骤如下：

(1)计算线阵推扫式遥感影像的列灰度均值和标准差序列

推扫式线阵相机生成的待处理影像大小为M×N个像素，对于推扫式线阵相机而言，值N也相当于推扫式线阵相机的探元个数；

影像中第j列的灰度平均值m_j和灰度标准差v_j表示为：

mj=Σi=1MDNij/M---(1)]]>

vj=Σi=1M(DNij-mj)2/M---(2)]]>

其中，i表示影像的行号，i＝1，2，...，M，M为影像的总行数，j表示影像的列号，j＝1，2，...，N，N为影像的总列数，且M与N都为正整数，DN_ij表示第i行第j列像素的灰度值；

计算待处理影像所有列的灰度平均值和灰度标准差，得到的列均值序列表示为{m₁，m₂，...，m_N}，列标准差序列表示为{v₁，v₂，...，v_N}；

(2)坏扫描列的定位与有效灰度值的计算

(2.1)遍历步骤(1)计算得到的列均值序列和列标准差序列，当正在遍历的列满足均值和标准差为零时，确定该列为坏扫描列，该列中的所有像素为坏像素；每个坏扫描列中共有M个坏像素，这些像素的灰度值为无效灰度值；

(2.2)坏扫描列定位之后，根据该列左右正常列的灰度值采用加权平均的方法重新计算坏像素的灰度值，得到坏扫描列的有效灰度值；

(2.3)重复步骤(2.1)和步骤(2.2)，直到列均值序列和列标准差序列遍历结束后，则得到所有坏扫描列去除后的影像；

(2.4)对坏扫描列去除后的影像，按照步骤(1)中所述影像列灰度均值的计算方法，重新计算坏扫描列去除后影像所有列的灰度平均值，得到新的列均值序列{m₁′，m₂′，...，m_N′}；

(3)影像中条带列的自适应判别

(3.1)从左到右依次遍历新的列均值序列，将正在遍历的列j称为当前列，j＝1，2，...，N，根据遥感影像中条带的分布特征，依据当前列及其临近列的均值大小关系来判别当前列是否为条带列；

(3.2)用符号Sign_j标识当前列是否为条带列，若当前列为条带列则将其标识Sign_j赋值为“T”，否则赋值为“F”，重复步骤(3.1)直到整个新的列均值序列都遍历完毕，得到长度为N的条带标识序列S＝{Sign₁，Sign₂，...，Sign_j，...，Sign_N}；

(4)对条带列中的所有像素进行相对辐射校正处理；

(4.1)遍历步骤(3.2)得到的标识序列S，若某列的标识符号为“T”且其左右相邻列的标识符号都为“F”，则该列称为单条带列，执行步骤(4.2.1)；若存在多个标识符号“T”连续分布在一起，则存在连续的多条带列，执行步骤(4.2.2)；

(4.2)依据相对辐射校正输入输出的线性关系，推扫式线阵相机中探元的输出表示为原始输入的函数：

DN_new＝DN_old×Gain+Offset    (3)

式中，Gain为探元的增益，Offset为探元的偏移量，即称之为相对辐射校正系数，DN_old为输入值，即探元的初始响应值，DN_new为输出值，即经辐射校正后的新值；

(4.2.1)若条带列为单一条带列，则利用最小二乘法拟合计算该条带列的相对辐射校正系数，继续步骤(4.3)；

(4.2.2)若存在连续的多条带列，列数为W，W为正整数，2≤W＜N，则利用最小二乘法计算多条带列中所有列的相对辐射校正系数，继续步骤(4.3)；

(4.3)利用相对辐射校正系数对条带列中的每个像素进行相对辐射校正，具体计算公式如下：

DN_{ij_new}＝DN_{ij_old}×Gain_j+Offset_j    (4)

其中，Gain_j和Offset_j是上述步骤计算得到的相对辐射校正系数，分别表示第j列的增益和偏移量，DN_{ij_old}是第i行第j列像素的初始输入值，DN_{ij_new}是辐射校正后的输出值，即经过辐射校正后的灰度值；

(4.4)影像列号继续增加，重复执行步骤(4.1)至(4.3)，直至所有列遍历一遍；至此，完成影像中所有条带列的判别与其对应像素的相对辐射校正，得到相对辐射校正后的影像；

(5)保存辐射校正后的影像，并可根据用户要求将计算的辐射校正系数入库，为后续快速应用提供查询数据库。