[发明专利]一种基于地物光谱属性的坏线修复方法

说明书

本发明公开了一种基于地物光谱属性的坏线修复方法，该方法首先提取坏线像元非坏线部分对应光谱曲线，以该光谱曲线片段为依据，通过全影像搜索，寻找与之相似度最高的地物光谱曲线，以此光谱曲线对应地物类型作为坏线像元地物类型，并用对应光谱值修复坏线像元的像元值；该方法不再盲目的利用统计关系修复坏线，而是利用先验知识判断坏线像元的地物类型，再依靠同时成像的其他相同像元的光谱特征，填补坏线区域。这种坏线修复方法，不仅修复了破损的遥感数据，提高数据的利用率。相比较于传统的方法，该方法不盲目的依赖于统计相关性，而是依靠地物本身的光谱特征来实现坏线区域的修复，科学可靠，精度更好。

技术领域

本发明涉及一种坏线修复方法，特别涉及一种基于地物光谱属性的坏线修复方法，属于图像处理研究领域。

背景技术

坏线是指影像上一整列或一行明显的暗纹，它的像元值一般为很小的非典型的像元值，如0或者很小的值。坏线存在于很多类型的影像上，特别是高光谱影像。其形成的主要原因是传感器的定标问题。因为面阵列CCD器件上万个探测单元的定标十分困难。坏线的存在严重的影响了遥感影像的使用，必须加以纠正。而现有的坏线校正方法多是依靠坏线像元与左右相邻像元的相关性，建立统计模型，利用相邻像元对其进行恢复。这些方法对相邻像元的依赖性很强，缺乏理论依据，修复像元值为统计意义的估计值，而并非真实的地物的像元值。

发明内容

本发明要解决的技术问题是克服现有的坏线校正方法多是依靠坏线像元与左右相邻像元的相关性，建立统计模型，利用相邻像元对其进行恢复，这些方法对相邻像元的依赖性很强，缺乏理论依据，修复像元值为统计意义的估计值，而并非真实的地物的像元值的缺陷，提供一种基于地物光谱属性的坏线修复方法。

为了解决上述技术问题，本发明提供了如下的技术方案：

本发明提供了一种基于地物光谱属性的坏线修复方法，包括以下步骤：

1)定义多波段图像有p行，q列和n个波段，其图像大小为p*q*n，并假设该图像第b个波段的第i行第j列为坏线像元；

2)提取该影像除坏线波段外n-1个波段第i行第j列像元值，也就是坏线像元的地物光谱特征，用f_bad表示，其数学表达式为：

f_bad＝[DN₁(i，j)，DN₂(i，j)，…，DN_b-1(i，j)，DN_b+1(i，j)，…，DN_n(i，j)]

影像上任意像元(x，y)除波段b之外地物光谱特征f_ref可以表示为：

f_ref＝[DN₁(x，y)，DN₂(x，y)，…，DN_b-1(x，y)，DN_b+1(x，y)，…，DN_n(x，y)]

利用代价函数计算f_bad与影像上其他像元光谱曲线f_ref的相似度，

ε＝f_ref-f_bad

对于整幅影像就可以得到ε的集合E，那么E中ε的最小值就被认为该像元与f_bad的相似度最高；

3)利用该像元第b个波段的像元值代替第b个波段的第i行第j列为坏线像元，以此实现其坏线的修复。

作为本发明的一种优选技术方案，选取TM图像的一块，并人为制造出坏线，通过比较传统方法和本方法的校正结果，分析所述象元值的修复精度和准确度。