【技术实现步骤摘要】
本专利技术涉及行星遥感图像处理，具体为火星高分影像泛函分析去条带方法、系统及终端设备。
技术介绍
1、目前人类对月球和火星等地外天体开展了多次深空探测任务，取得了充足的进展。对火观测成像的高分影像对于火星地表形貌、地质演化等科学问题的研究中具有重要的科学意义，也是目前火星研究中比较缺乏的数据资源。然而条带噪声是多片ccd拼接的遥感卫星成像系统中常见的降质退化问题，其不仅遮掩了地表真实细节信息，而且降低了图像的质量与应用价值，诸多方面的因素可以造成影像中存在条带噪声，比如传感器的老化、ccd探元间的响应非均匀性、探测器的温度变化、机械运动等。
2、目前常用的遥感图像条带噪声消除的原理大致可以概括为：基于数字滤波的方法、基于统计学的方法、基于最优化的方法。数字滤波的方法是常用且有效的图像去噪的方法，空间域的滤波往往会丢失图像细节信息，常用的方案是在频率域中使用低通滤波器进行条带噪声去除，达到了较好的图像去噪效果。但是，目前的大多数基于影像频率域中处理的方法，仍然存在问题和不足，大部分滤波器无法有效信号及噪声部分分离，或者小波变换的阈值及阈值函数选择非常困难，并且火星高分遥感影像的条带噪声也常常是不规律的存在于图像之中，选取不合适的滤波器或者阈值处理后会产生模糊及振铃现象，导致噪声处理不干净，有效信息也被误处理掉。
技术实现思路
1、本专利技术的目的在于提供火星高分影像泛函分析去条带方法、系统及终端设备，减少了传统人为干预的过程，实现了去噪后影像信息的高保真度，同时也提升了去
2、根据本专利技术的第一方面，为实现上述目的，本专利技术提供如下技术方案：火星高分影像泛函分析去条带方法，包括以下步骤：
3、接收含有条带噪声的火星高分辨率影像数据作为原始数据输入，并进行预处理；
4、构建高分影像退化模型，基于小波变换的方法对原始含噪影像数据进行小波分解，小波分解层数为n，直至分解后的各子图中不出现噪声时截止，筛选得到含有条带噪声的含噪子图并滤掉不含噪声的子图；
5、针对所有经过小波分解后的含噪子图，建立各含噪子图的能量泛函，并对含噪子图构建单向全变分模型，施加保真项与正则项，采用交替方向乘子法求解泛函极小值，设置容忍度结束迭代收敛，得到处理后的含噪子图；
6、采用反小波变换对处理后的去噪子图与不含噪声的子图进行图像重构复原，得到整个去噪后的图像；
7、针对整个去噪后的图像进行定量评价，不达标则进行重复去噪。
8、进一步地，含有条带噪声的火星高分辨率影像数据通过卫星采集获取，且对原始数据进行预处理，具体包括：
9、（21）判别影像格式确定是单波段影像或者多波段影像；
10、（22）若是多波段影像则分波段处理，最后再合成一幅影像；
11、（23）判别影像中条带噪声的方向性为横向、纵向或斜向。
12、进一步地，构建高分影像退化模型，具体如下：
13、对于二维含条带噪声的高分影像退化模型表示为：
14、
15、式中，表示含有条带噪声的图像，表示不含条带噪声的图像，表示条带噪声。
16、进一步地，基于小波变换的方法对原始含噪影像数据进行小波分解，小波分解层数为n，直至分解后的各子图中不出现噪声时截止，筛选得到含有条带噪声的含噪子图并滤掉不含噪声的子图，具体如下：
17、对于原始含有噪声的图像而言，对其进行二维离散小波变换表示为：
18、
19、其中为各子图分量，为分解尺度，表示域空间，设原始含有噪声的图像记为，那么其多层分解为：
20、
21、式中和是和的共轭矩阵，为分解层数，、、和分别表示第层分解后的低频分量、水平方向分量、垂直方向分量和对角线方向上的分量。
22、进一步地，针对所有经过小波分解后的含噪子图，建立各含噪子图的能量泛函，并对含噪子图构建单向全变分模型，施加保真项与正则项，采用交替方向乘子法求解泛函极小值，设置容忍度结束迭代收敛，得到处理后的含噪子图，具体如下：
23、（51）建立各含噪子图的能量泛函，表示为：
24、
25、式中为保真项；为正则化项；
26、（52）针对含噪图像来说，其在有界空间中构建能量全变分模型为：
27、
28、式中为保真项；为正则项，是的全变分，即；为拉格朗日因子，用于调节平衡保真项、正则项所起作用的大小；
29、因此图像去噪即变为求解能量泛函极小值问题：
30、
31、其中为去噪后的图像，求解泛函极小值转换成求解euler-lagrange 方程问题：
32、
33、式中，表示含有条带噪声的图像，表示不含条带噪声的图像，是的梯度，为拉格朗日因子。
34、进一步地，采用反小波变换对处理后的去噪子图与不含噪声的子图进行图像重构复原，得到整个去噪后的图像，具体如下：
35、
36、式中，和是和的共轭矩阵，为分解层数，、、和分别表示第层分解后的低频分量、水平方向分量、垂直方向分量和对角线方向上的分量。
37、进一步地，针对整个去噪后的图像进行定量评价，具体采用峰值信噪比、结构相似度、相对无量纲全局综合误差三种定量指标，如下所示：
38、（71）峰值信噪比计算公式如下：
39、
40、式中，为图像最大灰度值，与分别为图像像元的行列数，和分别为去噪前后图像第行第列的像元值；
41、（72）结构相似度值范围在0到1之间，具体定义如下：
42、
43、式中，和是对去噪前后的两幅影像和的平均值，和分别表示去噪前后两幅图像的标准差，和是两个正整数；
44、（73）相对无量纲全局综合误差，具体定义如下：
45、
46、式中，表示原始图像与去噪后图像空间分辨率之比，表示图像的波段数，表示原始图像与去噪后图像第个波段的均方根误差，为原始图像第个波段的均值；
47、（74）设置ssim≥0.95，ergas≤10，为理想处理效果，否则进行重复去噪。
48、根据本专利技术的第二方面，本专利技术提供一种火星高分影像泛函分析去条带系统，用于实现上述的火星高分影像泛函分析去条带方法，包括：
49、预处理模块，用于接收含有条带噪声的火星高分辨率影像数据作为原始数据输入，并进行预处理；
50、构建模块，用于构建高分影像退化模型，基于小波变换的方法对原始含噪影像数据进行小波分解，小波分解层数为n，直至分解后的各子图中不出现噪声时截止，筛选得到含有条带噪声的含噪子图并滤掉不含噪声的子图；
51、含噪子图处理模块，用于针对所有经过小波分解后的含噪子图，建立各含噪子图的能量泛函，并对含噪子图构建单向全变分模型，施加保真项与正则项，采用交替方向乘子本文档来自技高网...
【技术保护点】
1.火星高分影像泛函分析去条带方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的火星高分影像泛函分析去条带方法，其特征在于，含有条带噪声的火星高分辨率影像数据通过卫星采集获取，且对原始数据进行预处理，具体包括：
3.根据权利要求2所述的火星高分影像泛函分析去条带方法，其特征在于，构建高分影像退化模型，具体如下：
4.根据权利要求3所述的火星高分影像泛函分析去条带方法，其特征在于，基于小波变换的方法对原始含噪影像数据进行小波分解，小波分解层数为n，直至分解后的各子图中不出现噪声时截止，筛选得到含有条带噪声的含噪子图并滤掉不含噪声的子图，具体如下：
5.根据权利要求4所述的火星高分影像泛函分析去条带方法，其特征在于，针对所有经过小波分解后的含噪子图，建立各含噪子图的能量泛函，并对含噪子图构建单向全变分模型，施加保真项与正则项，采用交替方向乘子法求解泛函极小值，设置容忍度结束迭代收敛，得到处理后的含噪子图，具体如下：
6.根据权利要求5所述的火星高分影像泛函分析去条带方法，其特征在于，采用反小波变换对处理后的去噪子图与
7.根据权利要求6所述的火星高分影像泛函分析去条带方法，其特征在于，针对整个去噪后的图像进行定量评价，具体采用峰值信噪比、结构相似度、相对无量纲全局综合误差三种定量指标，如下所示：
8.一种火星高分影像泛函分析去条带系统，用于实现权利要求1至7中任一项所述的火星高分影像泛函分析去条带方法，其特征在于，包括：
9.一种终端设备，包括存储器、处理器及存储在存储器中并能够在处理器上运行的计算机程序，其特征在于，所述存储器中存储有能够在处理器上运行的计算机程序，所述处理器加载并执行计算机程序时，采用了权利要求1至7中任一项所述的火星高分影像泛函分析去条带方法。
10.一种包含计算机可执行指令的存储介质，其特征在于，所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1至7中任一项所述的火星高分影像泛函分析去条带方法。
...【技术特征摘要】
1.火星高分影像泛函分析去条带方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的火星高分影像泛函分析去条带方法，其特征在于，含有条带噪声的火星高分辨率影像数据通过卫星采集获取，且对原始数据进行预处理，具体包括：
3.根据权利要求2所述的火星高分影像泛函分析去条带方法，其特征在于，构建高分影像退化模型，具体如下：
4.根据权利要求3所述的火星高分影像泛函分析去条带方法，其特征在于，基于小波变换的方法对原始含噪影像数据进行小波分解，小波分解层数为n，直至分解后的各子图中不出现噪声时截止，筛选得到含有条带噪声的含噪子图并滤掉不含噪声的子图，具体如下：
5.根据权利要求4所述的火星高分影像泛函分析去条带方法，其特征在于，针对所有经过小波分解后的含噪子图，建立各含噪子图的能量泛函，并对含噪子图构建单向全变分模型，施加保真项与正则项，采用交替方向乘子法求解泛函极小值，设置容忍度结束迭代收敛，得到处理后的含噪子图，具体如下：
6.根据权利要求5所述的火...
【专利技术属性】
技术研发人员：黄海，张兴华，王诗良，庞顺翔，潘晓扬，凌丽丽，张天柱，
申请(专利权)人：深空探测实验室天都实验室，
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。