一种卫星影像条带噪声去除方法及装置制造方法及图纸

本申请提供一种卫星影像条带噪声去除方法及装置，其中，所述方法包括：统计所述卫星影像的灰度直方图，并对所述灰度直方图进行预处理，以消除由于传感器异常带来的干扰；利用高斯混合模型对预处理后的灰度直方图进行拟合；基于拟合得到的高斯混合模型，将所述卫星影像分割为至少一个子影像；确定各个所述子影像中每一列像素的灰度均值参考值和灰度标准差参考值，并根据所述灰度均值参考值和所述灰度标准差参考值对各个所述子影像进行修复；将修复后的各个所述子影像通过灰度叠加的方式进行合成，得到去除条带噪声的卫星影像。本申请提供的卫星影像条带噪声去除方法及装置，较好地避免了影像的模糊及细节丢失，且无需人工干预，计算速度快，能够有效地去除条带噪声。

Band noise removing method and device for satellite image

The present invention provides a satellite image destriping method and device, wherein, the method comprises the following steps: the histogram statistics of the satellite image, and the gray level histogram preprocessing to eliminate the interference caused by the abnormal sensor; by fitting the histogram after pretreatment using the Gauss mixture model; Gauss mixture model fitting based on the satellite image is divided into at least one sub image; determining the reference value difference of each column pixel gray value and gray standard reference value of each of the sub image, and according to the gray value reference value and the reference value of standard deviation of each of the sub image restoration; each after the repair of the sub images are synthesized by gray superposition method, get a satellite image with noise removal. The method and the device for removing the band noise of the satellite image provided by the utility model can avoid the blurring and detail loss of the image, and do not need manual intervention, and the calculation speed is fast, and the band noise can be effectively removed.

【技术实现步骤摘要】
一种卫星影像条带噪声去除方法及装置
本申请涉及光学遥感图像处理
，特别涉及一种卫星影像条带噪声去除方法及装置。
技术介绍
当前，由于传感器对辐射的敏感程度不同，高分辨率陆地观测卫星影像经常伴有条带噪声，严重影响了影像的视觉效果和定量分析。当前较为常用的条带噪声去除方法有滤波法、变分模型法、空间域匹配法等。滤波类方法主要使用傅里叶变换、小波变化、主成分变换等技术，设计特定的滤波器，抑制影像信息中的噪声成分，但是噪声成分往往难以明确区分，与条带噪声具有相同频率的影像结构信息也会被滤除，造成影像模糊。变分模型方法引入正则化技术对影像整体求解，但是需要影像噪声的先验知识及多通道信息，并且要建立复杂的数学模型，运算量大。空间域匹配法主要包括矩匹配和直方图匹配等方法，其中，矩匹配的方法可以通过对卫星影像采用标准矩匹配进行处理，从而抑制标准矩匹配处理过程中造成的灰度畸变。然而，这些方法通常假设每个传感器的成像视场在统计上是相似的，通过一定的规则调整噪声影像的灰度值，实现条带噪声的去除，此类方法运算简单，但处理小范围且包含多种地物影像时，其理论假设不能成立，因此需要进一步研究。应该注意，上面对技术背景的介绍只是为了方便对本申请的技术方案进行清楚、完整的说明，并方便本领域技术人员的理解而阐述的。不能仅仅因为这些方案在本申请的
技术介绍
部分进行了阐述而认为上述技术方案为本领域技术人员所公知。
技术实现思路
本申请实施方式的目的在于提供一种卫星影像条带噪声去除方法及装置，较好地避免了影像的模糊及细节丢失，且无需人工干预，计算速度快，能够有效地去除条带噪声。为实现上述目的，本申请一方面提供一种卫星影像条带噪声去除方法，所述方法包括：统计所述卫星影像的灰度直方图，并对所述灰度直方图进行预处理，以消除由于传感器异常带来的干扰；利用高斯混合模型对预处理后的灰度直方图进行拟合；基于拟合得到的高斯混合模型，将所述卫星影像分割为至少一个子影像；确定各个所述子影像中每一列像素的灰度均值参考值和灰度标准差参考值，并根据所述灰度均值参考值和所述灰度标准差参考值对各个所述子影像进行修复；将修复后的各个所述子影像通过灰度叠加的方式进行合成，得到去除条带噪声的卫星影像。为实现上述目的，本申请另一方面提供一种卫星影像条带噪声去除装置，所述装置包括：预处理单元，用于统计所述卫星影像的灰度直方图，并对所述灰度直方图进行预处理，以消除由于传感器异常带来的干扰；拟合单元，用于利用高斯混合模型对预处理后的灰度直方图进行拟合；子影像分割单元，用于基于拟合得到的高斯混合模型，将所述卫星影像分割为至少一个子影像；修复单元，用于确定各个所述子影像中每一列像素的灰度均值参考值和灰度标准差参考值，并根据所述灰度均值参考值和所述灰度标准差参考值对各个所述子影像进行修复；合成单元，用于将修复后的各个所述子影像通过灰度叠加的方式进行合成，得到去除条带噪声的卫星影像。本申请实施方式提供的卫星影像条带噪声去除方法及装置，通过高斯混合模型对卫星影像的灰度直方图进行准确地拟合，然后可以根据拟合得到的高斯混合模型，将卫星影像分割为多个子影像进行修复处理，能够很好的抑制条带噪声，并较好地避免了高分辨率影像的模糊及细节丢失。进一步地，本申请实施方式通过自适应移动窗口的方法来对子影像进行修复，计算速度块，能够处理海量的卫星影像，从而提高条带噪声去除的效率。参照后文的说明和附图，详细公开了本申请的特定实施方式，指明了本申请的原理可以被采用的方式。应该理解，本申请的实施方式在范围上并不因而受到限制。在所附权利要求的精神和条款的范围内，本申请的实施方式包括许多改变、修改和等同。针对一种实施方式描述和/或示出的特征可以以相同或类似的方式在一个或更多个其它实施方式中使用，也可以与其它实施方式中的特征相组合或替代其它实施方式中的特征。应该强调，术语“包括/包含”在本文使用时指特征、整件、步骤或组件的存在，但并不排除一个或更多其它特征、整件、步骤或组件的存在或附加。附图说明所包括的附图用来提供对本申请实施方式的进一步的理解，其构成了说明书的一部分，用于例示本申请的实施方式，并与文字描述一起来阐释本申请的原理。显而易见地，下面描述中的附图仅仅是本申请的一些实施方式，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。在附图中：图1为本申请实施方式提供的一种卫星影像条带噪声去除方法的流程图；图2为本申请中基于高斯混合模型的影像分类过程示意图；图3为本申请中基于自适应移动窗口的影像修复过程示意图；图4为本申请实施方式提供的一种卫星影像条带噪声去除装置的功能模块图。具体实施方式为了使本
的人员更好地理解本申请中的技术方案，下面将结合本申请实施方式中的附图，对本申请实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式仅仅是本申请一部分实施方式，而不是全部的实施方式。基于本申请中的实施方式，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它实施方式，都应当属于本申请保护的范围。本申请实施方式提供一种卫星影像条带噪声去除方法。请参阅图1，所述方法包括以下步骤。S1：统计所述卫星影像的灰度直方图，并对所述灰度直方图进行预处理，以消除由于传感器异常带来的干扰。在本实施方式中，可以读取卫星影像，并统计所述卫星影像的灰度直方图。在对所述灰度直方图进行预处理时，可以从所述灰度直方图的左右两端分别去除预设数量的边缘像素，以得到所述灰度直方图的主体区间。然后可以采用具备预设尺寸的窗口对所述灰度直方图的主体区间进行曲线平滑处理，得到平滑处理后的灰度直方图。具体地，可以舍弃位于灰度直方图左右两端各占总数a％的像素，得到灰度直方图主体区间，将主体区间的灰阶范围记为[Xmin,Xmax]，Xmin和Xmax分别为像素灰度值的极低值和极高值，a在0.1～0.5范围取值。在本实施方式中，可以采用大小为5×5的窗口对灰度直方图的主体区间进行曲线平滑，记平滑后的直方图为h(x)，x∈[Xmin,Xmax]。S2：利用高斯混合模型对预处理后的灰度直方图进行拟合。在本实施方式中，可以使用一个高斯混合模型对预处理后的灰度直方图进行拟合。公式为：其中x代表像素灰度值，p(x|μm,σm)代表第m个高斯分量，M为高斯分量的总个数，μm，σm和τm分别代表第m个高斯分量的均值系数、标准差系数和权重系数。由此可见，所述高斯混合模型中包括至少一个高斯分量，各个所述高斯分量由均值系数、标准差系数以及权重系数确定。在本实施方式中，可以设置尺寸为5的局部窗口，使用局部最大值法在所述预处理后的灰度直方图中确定至少一个极值点，并记录各个所述极值点的横坐标。具体地，可以假设极值点的数量为高斯分量的数目M。若所获取极值点数大于4，可以仅保留灰度值最大的4个极值点，此时M＝4。记极值点横坐标为Pi，i＝1,2,...M。在本实施方式中，可以使用最大类间方差算法在相邻的所述极值点之间确定所述灰度直方图中的谷值点，并记录各个所述谷值点的横坐标。同时，预处理后的灰度直方图的最左和最右两端点也可以被标记为谷值点。记谷值点横坐标为Vj，j＝1,2,...M+1。谷值点Vk、Vk+1分别为位于极值点Pk两侧，k＝本文档来自技高网...

【技术保护点】
一种卫星影像条带噪声去除方法，其特征在于，所述方法包括：统计所述卫星影像的灰度直方图，并对所述灰度直方图进行预处理，以消除由于传感器异常带来的干扰；利用高斯混合模型对预处理后的灰度直方图进行拟合；基于拟合得到的高斯混合模型，将所述卫星影像分割为至少一个子影像；确定各个所述子影像中每一列像素的灰度均值参考值和灰度标准差参考值，并根据所述灰度均值参考值和所述灰度标准差参考值对各个所述子影像进行修复；将修复后的各个所述子影像通过灰度叠加的方式进行合成，得到去除条带噪声的卫星影像。

【技术特征摘要】
1.一种卫星影像条带噪声去除方法，其特征在于，所述方法包括：统计所述卫星影像的灰度直方图，并对所述灰度直方图进行预处理，以消除由于传感器异常带来的干扰；利用高斯混合模型对预处理后的灰度直方图进行拟合；基于拟合得到的高斯混合模型，将所述卫星影像分割为至少一个子影像；确定各个所述子影像中每一列像素的灰度均值参考值和灰度标准差参考值，并根据所述灰度均值参考值和所述灰度标准差参考值对各个所述子影像进行修复；将修复后的各个所述子影像通过灰度叠加的方式进行合成，得到去除条带噪声的卫星影像。2.根据权利要求1所述的方法，其特征在于，对所述灰度直方图进行预处理具体包括：从所述灰度直方图的左右两端分别去除预设数量的边缘像素，得到所述灰度直方图的主体区间；采用具备预设尺寸的窗口对所述灰度直方图的主体区间进行曲线平滑处理，得到平滑处理后的灰度直方图。3.根据权利要求1所述的方法，其特征在于，所述高斯混合模型中包括至少一个高斯分量，各个所述高斯分量由均值系数、标准差系数以及权重系数确定；其中，各个所述高斯分量中的均值系数、标准差系数以及权重系数通过下述方式确定：在所述预处理后的灰度直方图中确定至少一个极值点，并记录各个所述极值点的横坐标；在相邻的所述极值点之间确定所述灰度直方图中的谷值点，并记录各个所述谷值点的横坐标；根据所述预处理后的灰度直方图、各个极值点的横坐标以及各个谷值点的横坐标，分别确定所述均值系数、标准差系数以及权重系数的初始值；构建与各个所述高斯分量相关的最大似然模型方程组，并基于所述均值系数、标准差系数以及权重系数的初始值进行迭代计算，直至迭代结果中的均值系数、标准差系数以及权重系数均满足预设收敛条件为止。4.根据权利要求3所述的方法，其特征在于，按照下述公式确定所述均值系数、标准差系数以及权重系数的初始值：其中，τm(0)表示第m个高斯分量中权重系数的初始值，h(x)表示所述预处理后的灰度直方图，x表示所述预处理后的灰度直方图中的像素灰度值，Vm表示第m个谷值点的横坐标，μm(0)表示第m个高斯分量中均值系数的初始值，Pm表示第m个极值点的横坐标，表示第m个高斯分量中标准差系数的初始值。5.根据权利要求4所述的方法，其特征在于，按照下述公式构建与各个所述高斯分量相关的最大似然模型方程组以及进行迭代计算：其中，Rm(t)表示第m个高斯分量在第i次迭代计算时对应的最大似然函数，τm(t)表示第i次迭代计算时第m个高斯分量中的权重系数值，p(x|μm(t),σm(t))表示第i次迭代下的第m个高斯分量，M为高斯分量的总个数，μm(t)表示第i次迭代计算时第m个高斯分量中的均值系数值，σm(t)表示第i次迭代计算时第m个高斯分量中的标准差系数值，Xmin表示所述预处理后的灰度...

【专利技术属性】
技术研发人员：康一飞，孙明伟，胡旭东，
申请(专利权)人：苏州中科天启遥感科技有限公司，
类型：发明
国别省市：江苏,32