本发明专利技术公开了一种用于光谱仪的光谱图噪声检测方法,属于光谱信息处理技术领域。本发明专利技术中,通过基于图像熵值得到光谱仪的均匀图像块,能够提高对均匀图像块的熵值标准判断效率,有利于提高在均匀图像块的获取效率后,基于均匀图像块的噪声向量判断,能够实现对混合噪声的评估,有利于快速对光谱图进行噪声异常的检测,有利于提高检测性能和处理效果,在检测前能够对图像块进行滤波处理以及评估后,提高对异常噪声的检测精度,并且能够通过对均匀图像块的熵值模糊判断,提高图像块的评估选取效率,有利于提高检测效率。有利于提高检测效率。有利于提高检测效率。
【技术实现步骤摘要】
用于光谱仪的光谱图噪声检测方法
[0001]本专利技术属于光谱信息处理
,尤其涉及一种用于光谱仪的光谱图噪声检测方法。
技术介绍
[0002]高光谱成像仪是通过图谱合一特征制备的遥感图像仪器,具有很好的光谱分辨率,在目标识别与识别方面相较于多光谱仪具有很大的优势,在高光谱图像中光谱图具有较多的信号噪声,高光谱图像在获取过程中容易产生噪声,从而影响了地物空间信息的识别。噪声去除是高光谱图像处理十分必要的步骤,因此,如何将光谱图中的不符合背景图像的异常进行检测,是对噪声的处理至关重要的关键,现有的光谱图噪声的检测一般通过滤波算法进行图像中噪声的处理,其通过设计相应的阈值,判断图像中的超出阈值的异常图像,继而获取光谱图像的噪声。
[0003]中国专利公开号CN100334467C公开了一种针对国产高光谱遥感器的高光谱图像进行处理,可以检测并去除高光谱图像光谱域中噪声,属工程科学技术中的遥感技术应用领域。该方法是通过一种适用于光谱噪声评定的变量、判定适用于光谱噪声评定的条件及找到适用于高光谱图像光谱域滤波器的方法,实现检测区分高光谱图像光谱域噪声或细微光谱特征,对光谱域较大噪声去除;主要解决如何找到适用于高光谱图像光谱域滤波器的方法系统软件及有关硬件等技术问题。上述方案通过滤波器的设置能有效的去除光谱中存在噪声,并能保留光谱原有的大部分光谱特征,但在实际使用时,光谱图像的变量测量较为困难,对不同区域的遥感图像的阈值会发生变化,因此,存在去噪效率较低的问题,存在改进的空间。
技术实现思路
[0004]本专利技术的目的在于:为了解决光谱图像的变量测量较为困难,对不同区域的遥感图像的阈值会发生变化,存在去噪效率较低的问题,而提出的一种用于光谱仪的光谱图噪声检测方法。
[0005]为了实现上述目的,本专利技术采用了如下技术方案:一种用于光谱仪的光谱图噪声检测方法,具体包括以下步骤:S101、通过样本预采集获取通过光谱仪输出的具有光谱图噪声的多张噪声光谱图像,通过对光谱图像进行预处理筛选后筛选出具有预测条件的图像选定并得到预测图像;S102、对得到的预测图像进行图像划分后,进行均匀图像块的选定,通过熵值向量分析法对获取光谱图切割后的图像块进行熵值分析,在图像块平均熵值中选取作为基准块的均匀图像块,用于区域作为不具备特征的滤波用均匀图像块;S103、基于基准块的均匀图像熵值,对剩余图像块的特征进行对比判断,通过多元线性回归对选取的图像进行像素点混合噪声评估,得到混合噪声残差,通过各个波段均匀图像块的像素带进行目标光谱和噪声的分离,得到任意波段内任意均匀图像块的混合噪声
方差;S104、将目标图像块的光谱图像基于得到的混合噪声方差进行去噪处理,得到去噪后的光谱图像,基于去噪后的光谱图像作为噪声向量标准图像;S105、图像噪声的检测,基于噪声向量标准图像作为待预测待检测光谱图像去噪后的向量,通过噪声向量标准图像与待检测的光谱图像进行异常对比检测后,得到光谱图噪声的检测结果。
[0006]作为上述技术方案的进一步描述:所述混合噪声评估方法具体包括:基于不包含光谱特征的光谱图平均图像中的均匀背景图像块,进行多元线性回归利用图像空间信息进行混合噪声的向量评估,将均匀图像块与波段图像的像素点进行目标光谱和噪声分离,得到基于均匀背景图像块变化得到的混合噪声方差。
[0007]作为上述技术方案的进一步描述:所述熵值分析步骤包括:将光谱图像进行均匀化划分得到若干个图像块进行标准方差计算,计算每个图像块标准方差值以及图像像素分布的离散位置得到熵值,将所有熵值进行降序排列后,取熵值对应的标准差值进行匹配去噪,得到最接近的图像块为均匀图像块。
[0008]作为上述技术方案的进一步描述:所述图像划分尺寸基于光谱图像尺寸进行等分,且划分图像块的边长为光谱图像边长的。
[0009]作为上述技术方案的进一步描述:所述均匀图像块为不包含图像特征的平均图像,用于通过平均图像对含有特征的图像块进行向量分析。
[0010]作为上述技术方案的进一步描述:所述混合噪声的评估方法包括通过对选取的均匀图像块进行多元回归分析得到评估后的混合噪声。
[0011]作为上述技术方案的进一步描述:所述光谱图像的预处理包括在光谱图像进行生成后对基于可视化处理对不具备判断条件的光谱图像进行筛分去除。
[0012]作为上述技术方案的进一步描述:所述可视化处理方法包括基于多重图像进行叠加对比,基于原图像主体轮廓的坐标得到图像的高频特征信息,基于多重图像的原始信息中将除去高频特征信息的低频分量进行剔除,此时图像中保留了用于可视化观察的主体边缘高频信息,基于主体边缘高频信息后,获取每个物体具有噪声的总体轮廓,此时对剔除的低频分量进行滤波操作,得到均值化的低频分量信息后,将与主体噪声最为贴合的主体边缘图像进行可视化判断,基于可视化阈值结构,得到预处理后具有判断条件的光谱图像信息。
[0013]作为上述技术方案的进一步描述:所述多重图像的叠加对比中待对比的多重图像叠加数量为5
‑
10帧。
[0014]作为上述技术方案的进一步描述:
一种计算机设备,包括处理器和存储器,存储器中存储有至少一条指令,由处理器加载并执行以实现如权利要求1
‑
9任一项所述的用于光谱仪的光谱图噪声检测方法所执行的操作。
[0015]综上所述,由于采用了上述技术方案,本专利技术的有益效果是:本专利技术中,通过基于图像熵值得到光谱仪的均匀图像块,能够提高对均匀图像块的熵值标准判断效率,有利于提高在均匀图像块的获取效率后,基于均匀图像块的噪声向量判断,能够实现对混合噪声的评估,有利于快速对光谱图进行噪声异常的检测,有利于提高检测性能和处理效果,在检测前能够对图像块进行滤波处理以及评估后,提高对异常噪声的检测精度,并且能够通过对均匀图像块的熵值模糊判断,提高图像块的评估选取效率,有利于提高检测效率。
附图说明
[0016]图1为本专利技术提出的一种用于光谱仪的光谱图噪声检测方法的整体结构示意图。
具体实施方式
[0017]下面将结合本专利技术实施例中的附图,对本专利技术实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本专利技术一部分实施例,而不是全部的实施例。基于本专利技术中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本专利技术保护的范围。
[0018]为实现下面各实施例,应设计一种计算机设备,包括处理器和存储器,存储器中存储有至少一条指令,由处理器加载并执行用于光谱仪的光谱图噪声检测方法所执行的操作;实施例1请参阅图1,本专利技术提供一种技术方案:一种用于光谱仪的光谱图噪声检测方法,具体包括以下步骤:S101、通过样本预采集获取通过光谱仪输出的具有光谱图噪声的多张噪声光谱图像,通过对光谱图像进行预处理筛选后筛选出具有预测条件的图像选定并得到预测图像;S102、对得到的预测图像进行图像划分后,进行均匀图像块的选定,通过熵值向量分析法对获取光谱图切割后的图像块进本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种用于光谱仪的光谱图噪声检测方法,其特征在于,具体包括以下步骤:S101、通过样本预采集获取通过光谱仪输出的具有光谱图噪声的多张噪声光谱图像,通过对光谱图像进行预处理筛选后筛选出具有预测条件的图像选定并得到预测图像;S102、对得到的预测图像进行图像划分后,进行均匀图像块的选定,通过熵值向量分析法对获取光谱图切割后的图像块进行熵值分析,在图像块平均熵值中选取作为基准块的均匀图像块,用于区域作为不具备特征的滤波用均匀图像块;S103、基于基准块的均匀图像熵值,对剩余图像块的特征进行对比判断,通过多元线性回归对选取的图像进行像素点混合噪声评估,得到混合噪声残差,通过各个波段均匀图像块的像素带进行目标光谱和噪声的分离,得到任意波段内任意均匀图像块的混合噪声方差;S104、将目标图像块的光谱图像基于得到的混合噪声方差进行去噪处理,得到去噪后的光谱图像,基于去噪后的光谱图像作为噪声向量标准图像;S105、图像噪声的检测,基于噪声向量标准图像作为待预测待检测光谱图像去噪后的向量,通过噪声向量标准图像与待检测的光谱图像进行异常对比检测后,得到光谱图噪声的检测结果。2.根据权利要求1所述的一种用于光谱仪的光谱图噪声检测方法,其特征在于,所述混合噪声评估方法具体包括:基于不包含光谱特征的光谱图平均图像中的均匀背景图像块,进行多元线性回归利用图像空间信息进行混合噪声的向量评估,将均匀图像块与待分析波段图像的像素点进行目标光谱和噪声分离判断,得到基于均匀背景图像块变化得到的混合噪声方差。3.根据权利要求2所述的一种用于光谱仪的光谱图噪声检测方法,其特征在于,所述熵值分析步骤包括:将光谱图像进行均匀化划分得到若干个图像块进行标准方差计算,计算每个图像块标准方差值以及图像像素分布的离散位置得到熵值,将所有熵值进行降序排列后,取熵值对应的标准差值进行匹配去噪,得到最接近的图像块为均匀图像块。4.根据权利要求3所述的一种用于光...
【专利技术属性】
技术研发人员:解孝文,黄培雄,杜亮,冯磊,
申请(专利权)人:深圳华普通用科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。