[发明专利]基于分段校正的遥感影像条带噪声去除方法

说明书

技术领域

本发明涉及光学遥感影像处理技术领域，尤其涉及一种对遥感平台传感器获取的光学影像进行条带噪声的去除相关方法。

背景技术

光学遥感影像在获取时受CCD探测器辐射特性和随机因素影响，使得光学遥感卫星影像存在许多问题，如运动模糊、灰度降质、条带噪声等现象，其中影响最为显著的是条带噪声。条带噪声(striping noise)形成原因多是由于温度的变化和探测器材料的不同，导致各个探测器的传递函数不同，造成探测器对电磁辐射的响应及电子装置性能的差异，使相邻的扫描线在亮度方面产生不协调。

在任何使用多个探测器进行数据获取的传感器数据中条带噪声是不可避免的，并在一些光谱响应非常均匀的地区特别明显，如水体、雪、沙漠。这不仅严重地影响波谱特征增强以及空间特征增强和提取的效果，对于进行大气校正进而定量繁衍水体光学特性来说也是非常不利的。

目前，国内外针对遥感影像中条带噪声的处理方法主要包括：频率域滤波法、基于变分模型的噪声去除方法与空间域匹配法等。频率域滤波法主要利用傅立叶变换、小波变换等框架将影像转换到频率域，并通过设计某种滤波器对噪声进行处理，此类方法往往对条带噪声的去除不彻底，同时会导致影像模糊。基于变分模型的噪声去除方法，通过引入正则化技术对影像进行整体求解，条带噪声的去除效果较好，但由于其计算复杂并不适合广泛地应用于大数据量遥感影像的处理。空间域匹配方法是当前应用最为广泛的条带噪声去除方法，一般通过选取参考行（列）对条带行（列）进行匹配与修正处理，常用的方法是矩匹配法与直方图匹配法。虽然空间域匹配方法去除条带噪声的速率高，但效果不甚理想，因此需要进一步的研究。

影像中通常都存在不同类型的地物，且随着时间变化影像内部也存在灰度变换不均的现象。若直接对影像应用空间域校正方法进行条带噪声的剔除，则因为上述原因在处理后的影像上会出现条带噪声剔除不彻底与条带噪声校正过度这两种现象。目前，随着各种光学遥感影像获取途径的增加，如何在剔除条带噪声恢复原始影像信息的同时保持高效的运行速率，是去噪过程必须考虑到的问题，因此需要研究新的条带噪声去除方法。

发明内容

本发明要解决的技术问题，针对现有技术的不足之处，提供一种基于分段校正的遥感影像条带噪声去除方法，结合影像的地物分布情况，与地物灰度值变化情况进行条带噪声的去除，本方法能够更好地剔除影像中的条带噪声，并具有较高的计算效率。

本发明的技术方案为一种基于分段校正的遥感影像条带噪声去除方法，包括以下步骤：

步骤1，将待处理影像根据地物分布情况划分为均匀区域与复杂区域，提取均匀区域与复杂区域的边界像素点组成边界数组A₁；

步骤2，将待处理影像根据扫描行或列的灰度分布划分灰度值区间，提取灰度变换的分界点组成边界数组A₂；

步骤3，提取边界数组A₁与A₂的并集，并按顺序排列得到新的边界数组A；

步骤4，根据边界数组A分段处理条带噪声。

而且，步骤1包括以下子步骤，

步骤1.1，以条带噪声所在行或列的每个像素点(x_i,y_j)为中心，设一个大小为n×n的窗口；计算窗口内所有非条带噪声行或列的像素点灰度值的标准差值σ_ij，新建一个跟待处理影像大小相同的标准差数组B，将得到的标准差值σ_ij置于标准差数组B中与窗口中心点(x_i,y_j)相应的位置；

步骤1.2，对于步骤1.1所得标准差数组B，根据预设的阈值T，划分小于等于阈值T的为均匀区域，大于阈值T的为复杂区域，提取均匀区域与复杂区域的所有边界像素点，组成边界数组A₁。

而且，步骤2包括以下子步骤，