【技术实现步骤摘要】
本专利技术涉及卫星遥感，具体涉及基于噪声强度估计的遥感卫星图像条纹辐射校正方法。
技术介绍
1、随着技术发展，遥感卫星图像已被广泛应用于环境监测、农业、城市规划与管理及灾害预警与救援等多种领域。遥感卫星图像通过卫星传感器捕获地球表面反射及辐射信息数据，经过解析转化为可视化的图像数据。然而，受到卫星成像系统性能的限制及影像拍摄过程中外界环境的影响，传感器的不同探元在扫描成像时会出现对同一辐射能量响应不一致的现象，导致影像出现条纹噪声，严重影响视觉效果和后续图像处理过程。因此，亟需开发针对遥感卫星图像条纹噪声的相对辐射校正算法，以提高影像数据的质量和可用性。
2、传统的基于噪声机理的相对辐射校正算法可归纳为基于场景统计特征、基于滤波及基于优化三类校正方法。基于场景统计特征的方法以矩匹配、直方图匹配法为代表，然而该类方法性能对同一波段内不同子场景的统计分布非常敏感，当条纹噪声不规则及场景响应分布不均匀时，校正效果不稳定。基于滤波方法包括空间域滤波法、频率域滤波法等。该类方法进行条纹校正时通常无法准确识别地物信息及噪声特征，从而在去噪时滤掉相同频率成分的有用信息，导致校正后遥感图像损失较多图像细节。基于优化的校正方法将去噪过程描述为从退化图像中恢复干净图像的不适定优化问题，利用特定先验，如稀疏性、低秩性等求解优化问题进行条纹去噪，但由于该类问题需准确刻画噪声的先验特征，处理具有复杂噪声特性的卫星图像时会存在局限性，出现欠校正或过校正现象。
3、近年来，随着人工智能技术的发展，基于深度学习的相对辐射校正算法也被广泛
4、综上所述，现有的基于机理及基于深度学习方法均难以在不损失图像细节的情况下实现条纹噪声的精准去噪。
技术实现思路
1、本专利技术解决了现有的条纹校正模型无法实现不损失图像细节的卫星图像条纹精准去噪的问题。
2、本专利技术所述的一种基于噪声强度估计的遥感卫星图像条纹辐射校正方法，包括以下步骤：
3、步骤s1，多个光谱图像分离成若干单谱段图像；
4、步骤s2，求取若干单谱段图像的列均值，对若干单谱段图像的列均值初步去噪获得初步去噪后的若干单谱段图像的列均值；
5、步骤s3，将若干单谱段图像的列均值与初步去噪后的若干单谱段图像的列均值做差值获得初步校正的噪声强度，对初步校正的噪声强度约束处理获得噪声强度；
6、步骤s4，若干单谱段图像的列均值与噪声强度做差值获得初步校正后的若干单谱段图像；
7、步骤s5，将初步校正后的若干单谱段图像滤波，初步校正后的若干单谱段图像与滤波后的初步校正后的若干单谱段图像做差值提取出噪声图像；
8、步骤s6，分别计算噪声图像的列均值和列中值，并选择绝对值最大的数值作为噪声强度，将初步较正后的若干谱段图像与噪声强度做差值获得去噪后的图像。
9、进一步地，在本专利技术的一个实施例中，所述的步骤s2中，所述的对若干单谱段图像的列均值初步去噪获得初步去噪后的若干单谱段图像的列均值，具体为：
10、
11、其中，ismooth,k为初步去噪后的若干单谱段图像的列均值，为平滑系数，m为常数，ik为若干单谱段图像的列均值，k＝1,…n，n为图像宽度。
12、进一步地，在本专利技术的一个实施例中，所述的步骤s3中，所述的将若干单谱段图像的列均值与初步去噪后的若干单谱段图像的列均值做差值获得初步校正的噪声强度，具体为：
13、inoise,k＝ik-ismooth,k；
14、其中，inoise,k为初步校正的噪声强度，ik为若干单谱段图像的列均值，k＝1,…n，n为图像宽度，ismooth,k为初步去噪后的若干单谱段图像的列均值。
15、进一步地，在本专利技术的一个实施例中，所述的步骤s3中，所述的对初步校正的噪声强度约束处理获得噪声强度，具体为：
16、
17、其中，ithres,k为噪声强度，threshold为阈值，inoise,k为初步校正的噪声强度。
18、5、根据权利要求1所述的一种基于噪声强度估计的遥感卫星图像条纹辐射校正方法，其特征在于，所述的步骤s4中，所述的若干单谱段图像的列均值与噪声强度做差值获得初步校正后的若干单谱段图像，具体为：
19、isg,k＝ik-ithres,k；
20、其中，isg为初步校正后的若干谱段图像，ik为若干单谱段图像的列均值，k＝1,…n，n为图像宽度，ithres,k为噪声强度。
21、进一步地，在本专利技术的一个实施例中，所述的步骤s5中，所述的将初步校正后的若干单谱段图像滤波，具体为：
22、
23、其中，ibif,p为滤波后的初步校正后的p位置单谱段图像，s为核函数空间域大小，r为像素范围域，q为核函数中除中心点外所有像素，isg,q为当前核函数的中心像素点，wbif,p为归一化函数，和分别为空间域加权函数、像素范围域加权函数。
24、进一步地，在本专利技术的一个实施例中，所述的步骤s5中，所述的初步校正后的若干单谱段图像与滤波后的初步校正后的若干单谱段图像做差值提取出噪声图像，具体为：
25、inoise＝isg-ibif；
26、其中，inoise为噪声图像，isg为初步校正后的若干谱段图像，ibif为滤波去噪后的初步校正后的若干单谱段图像。
27、进一步地，在本专利技术的一个实施例中，所述的步骤s6中，所述的选择绝对值最大的数值作为噪声强度，具体为：
28、
29、其中，xnoise,k为噪声强度，xmean,k为噪声图像的列均值，xmedian,k为噪声图像的列中值。
30、进一步地，在本专利技术的一个实施例中，所述的步骤s6中，所述的将初步较正后的若干谱段图像值与噪声强度做差值获得去噪后的图像，具体为：
31、iclean,k＝isg,k-xnoise,k；
32、其中，xnoise,k为噪声强度，isg为初步校正后的若干谱段图像，iclean,k为去噪后的图像。
33、本专利技术解决了现有的条纹校正模型无法实现不损失图像细节的卫星图像条纹精准去噪的问题。具体有益效果包括：
34、1、本专利技术所述的一种基于噪声强度估计的遥感卫星图像条纹辐射校正方法，现有技术中，基于机理及深度学习模型均无法实现不损失图像细节卫星图像条纹精准去噪的问题。为解决上述技术问题，本实施方式针对不同特性的条纹噪声图像，无需进行先验估计，通过从粗略到精细化的噪声本文档来自技高网...
【技术保护点】
1.一种基于噪声强度估计的遥感卫星图像条纹辐射校正方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于噪声强度估计的遥感卫星图像条纹辐射校正方法，其特征在于，所述的步骤S2中，所述的对若干单谱段图像的列均值初步去噪获得初步去噪后的若干单谱段图像的列均值，具体为：
3.根据权利要求1所述的一种基于噪声强度估计的遥感卫星图像条纹辐射校正方法，其特征在于，所述的步骤S3中，所述的将若干单谱段图像的列均值与初步去噪后的若干单谱段图像的列均值做差值获得初步校正的噪声强度，具体为：
4.根据权利要求1所述的一种基于噪声强度估计的遥感卫星图像条纹辐射校正方法，其特征在于，所述的步骤S3中，所述的对初步校正的噪声强度约束处理获得噪声强度，具体为：
5.根据权利要求1所述的一种基于噪声强度估计的遥感卫星图像条纹辐射校正方法，其特征在于，所述的步骤S4中，所述的若干单谱段图像的列均值与噪声强度做差值获得初步校正后的若干单谱段图像，具体为：
6.根据权利要求1所述的一种基于噪声强度估计的遥感卫星图像条纹辐射校正方法，其特征在于，
7.根据权利要求1所述的一种基于噪声强度估计的遥感卫星图像条纹辐射校正方法，其特征在于，所述的步骤S5中，所述的初步校正后的若干单谱段图像与滤波后的初步校正后的若干单谱段图像做差值提取出噪声图像，具体为：
8.根据权利要求1所述的一种基于噪声强度估计的遥感卫星图像条纹辐射校正方法，其特征在于，所述的步骤S6中，所述的选择绝对值最大的数值作为噪声强度，具体为：
9.根据权利要求1所述的一种基于噪声强度估计的遥感卫星图像条纹辐射校正方法，其特征在于，所述的步骤S6中，所述的将初步较正后的若干谱段图像值与噪声强度做差值获得去噪后的图像，具体为：
...【技术特征摘要】
1.一种基于噪声强度估计的遥感卫星图像条纹辐射校正方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于噪声强度估计的遥感卫星图像条纹辐射校正方法，其特征在于，所述的步骤s2中，所述的对若干单谱段图像的列均值初步去噪获得初步去噪后的若干单谱段图像的列均值，具体为：
3.根据权利要求1所述的一种基于噪声强度估计的遥感卫星图像条纹辐射校正方法，其特征在于，所述的步骤s3中，所述的将若干单谱段图像的列均值与初步去噪后的若干单谱段图像的列均值做差值获得初步校正的噪声强度，具体为：
4.根据权利要求1所述的一种基于噪声强度估计的遥感卫星图像条纹辐射校正方法，其特征在于，所述的步骤s3中，所述的对初步校正的噪声强度约束处理获得噪声强度，具体为：
5.根据权利要求1所述的一种基于噪声强度估计的遥感卫星图像条纹辐射校正方法，其特征在于，所述的步骤s4中，所述的若干单谱...
【专利技术属性】
技术研发人员：宫霖，刘云贺，周凯，钟兴，
申请(专利权)人：长光卫星技术股份有限公司，
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。