本發(fā)明涉及一種壞線修復(fù)方法，特別涉及一種基于地物光譜屬性的壞線修復(fù)方法，屬于圖像處理研究領(lǐng)域。

背景技術(shù)：

壞線是指影像上一整列或一行明顯的暗紋，它的像元值一般為很小的非典型的像元值，如0或者很小的值。壞線存在于很多類型的影像上，特別是高光譜影像。其形成的主要原因是傳感器的定標(biāo)問(wèn)題。因?yàn)槊骊嚵蠧CD器件上萬(wàn)個(gè)探測(cè)單元的定標(biāo)十分困難。壞線的存在嚴(yán)重的影響了遙感影像的使用，必須加以糾正。而現(xiàn)有的壞線校正方法多是依靠壞線像元與左右相鄰像元的相關(guān)性，建立統(tǒng)計(jì)模型，利用相鄰像元對(duì)其進(jìn)行恢復(fù)。這些方法對(duì)相鄰像元的依賴性很強(qiáng)，缺乏理論依據(jù)，修復(fù)像元值為統(tǒng)計(jì)意義的估計(jì)值，而并非真實(shí)的地物的像元值。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明要解決的技術(shù)問(wèn)題是克服現(xiàn)有的壞線校正方法多是依靠壞線像元與左右相鄰像元的相關(guān)性，建立統(tǒng)計(jì)模型，利用相鄰像元對(duì)其進(jìn)行恢復(fù)，這些方法對(duì)相鄰像元的依賴性很強(qiáng)，缺乏理論依據(jù)，修復(fù)像元值為統(tǒng)計(jì)意義的估計(jì)值，而并非真實(shí)的地物的像元值的缺陷，提供一種基于地物光譜屬性的壞線修復(fù)方法。

為了解決上述技術(shù)問(wèn)題，本發(fā)明提供了如下的技術(shù)方案：

本發(fā)明提供了一種基于地物光譜屬性的壞線修復(fù)方法，包括以下步驟：

1)定義多波段圖像有p行，q列和n個(gè)波段，其圖像大小為p*q*n，并假設(shè)該圖像第b個(gè)波段的第i行第j列為壞線像元；

2)提取該影像除壞線波段外n-1個(gè)波段第i行第j列像元值，也就是壞線像元的地物光譜特征，用f_bad表示，其數(shù)學(xué)表達(dá)式為：

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

影像上任意像元(x，y)除波段b之外地物光譜特征f_ref可以表示為：

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

利用代價(jià)函數(shù)計(jì)算f_bad與影像上其他像元光譜曲線f_ref的相似度，

ε＝f_ref-f_bad

對(duì)于整幅影像就可以得到ε的集合E，那么E中ε的最小值就被認(rèn)為該像元與f_bad的相似度最高；

3)利用該像元第b個(gè)波段的像元值代替第b個(gè)波段的第i行第j列為壞線像元，以此實(shí)現(xiàn)其壞線的修復(fù)。

作為本發(fā)明的一種優(yōu)選技術(shù)方案，選取TM圖像的一塊，并人為制造出壞線，通過(guò)比較傳統(tǒng)方法和本方法的校正結(jié)果，分析所述象元值的修復(fù)精度和準(zhǔn)確度。

本發(fā)明所達(dá)到的有益效果是：這種壞線修復(fù)方法，不僅修復(fù)了破損的遙感數(shù)據(jù)，提高數(shù)據(jù)的利用率。相比較于傳統(tǒng)的方法，該方法不盲目的依賴于統(tǒng)計(jì)相關(guān)性，而是依靠地物本身的光譜特征來(lái)實(shí)現(xiàn)壞線區(qū)域的修復(fù)，科學(xué)可靠，精度更好。

附圖說(shuō)明

附圖用來(lái)提供對(duì)本發(fā)明的進(jìn)一步理解，并且構(gòu)成說(shuō)明書的一部分，與本發(fā)明的實(shí)施例一起用于解釋本發(fā)明，并不構(gòu)成對(duì)本發(fā)明的限制。在附圖中：

圖1是本發(fā)明的Hyperion第15波段第114列的壞線示意圖；

圖2是本發(fā)明的Hyperion壞線修復(fù)后結(jié)果圖；

圖3是本發(fā)明的原始圖像；

圖4是本發(fā)明的增加壞線后的圖像；

圖5是本發(fā)明的基于地物光譜屬性法修復(fù)圖像。

具體實(shí)施方式

以下結(jié)合附圖對(duì)本發(fā)明的優(yōu)選實(shí)施例進(jìn)行說(shuō)明，應(yīng)當(dāng)理解，此處所描述的優(yōu)選實(shí)施例僅用于說(shuō)明和解釋本發(fā)明，并不用于限定本發(fā)明。

實(shí)施例1

如圖1-5所示，本發(fā)明提供了一種基于地物光譜屬性的壞線修復(fù)方法，首先定義多波段圖像有p行，q列和n個(gè)波段，其圖像大小為p*q*n，并假設(shè)該圖像第b個(gè)波段的第i行第j列為壞線像元；再提取該影像除壞線波段外n-1個(gè)波段第i行第j列像元值，也就是壞線像元的地物光譜特征，用f_bad表示，其數(shù)學(xué)表達(dá)式為：

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

影像上任意像元(x，y)除波段b之外地物光譜特征f_ref可以表示為：

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

利用代價(jià)函數(shù)計(jì)算f_bad與影像上其他像元光譜曲線f_ref的相似度，

ε＝f_ref-f_bad

然后，對(duì)于整幅影像就可以得到ε的集合E，那么E中ε的最小值就被認(rèn)為該像元與f_bad的相似度最高；并利用該像元第b個(gè)波段的像元值代替第b個(gè)波段的第i行第j列為壞線像元，以此實(shí)現(xiàn)其壞線的修復(fù)。

在壞線修復(fù)好之后，選取TM圖像的一塊(如圖3)，并人為制造出壞線(如圖4)，通過(guò)比較傳統(tǒng)方法和本方法的校正結(jié)果，分析其修復(fù)精度和準(zhǔn)確度。例如使用了鄰域均值法和本發(fā)明所述的基于地物光譜屬性的壞線修復(fù)方法對(duì)TM數(shù)據(jù)的人造壞線進(jìn)行修復(fù)，并通過(guò)比較兩種方法的計(jì)算結(jié)果和真值之間的差異來(lái)評(píng)價(jià)不同方法的優(yōu)劣。分別均方根誤差(RMSE)，和平均精度作為評(píng)價(jià)不同方法的指標(biāo)。通過(guò)計(jì)算，傳統(tǒng)方法修復(fù)結(jié)果的平均精度為96.2％，均方根誤差1.3。而基于地物光譜屬性壞線修復(fù)法修復(fù)結(jié)果平均精度為99.6％，均方根誤差1.1。精度提高了3.4個(gè)百分點(diǎn)。

方法原理：該方法首先提取壞線像元非壞線部分對(duì)應(yīng)光譜曲線，以該光譜曲線片段為依據(jù)，通過(guò)全影像搜索，尋找與之相似度最高的地物光譜曲線，以此光譜曲線對(duì)應(yīng)地物類型作為壞線像元地物類型，并用對(duì)應(yīng)光譜值修復(fù)壞線像元的像元值；該方法不再盲目的利用統(tǒng)計(jì)關(guān)系修復(fù)壞線，而是利用先驗(yàn)知識(shí)判斷壞線像元的地物類型，再依靠同時(shí)成像其他相同像元的光譜特征，填補(bǔ)壞線區(qū)域。

本發(fā)明所達(dá)到的有益效果是：這種壞線修復(fù)方法，不僅修復(fù)了破損的遙感數(shù)據(jù)，提高數(shù)據(jù)的利用率。相比較于傳統(tǒng)的方法，該方法不盲目的依賴于統(tǒng)計(jì)相關(guān)性，而是依靠地物本身的光譜特征來(lái)實(shí)現(xiàn)壞線區(qū)域的修復(fù)，科學(xué)可靠，精度更好。

最后應(yīng)說(shuō)明的是：以上所述僅為本發(fā)明的優(yōu)選實(shí)施例而已，并不用于限制本發(fā)明，盡管參照前述實(shí)施例對(duì)本發(fā)明進(jìn)行了詳細(xì)的說(shuō)明，對(duì)于本領(lǐng)域的技術(shù)人員來(lái)說(shuō)，其依然可以對(duì)前述各實(shí)施例所記載的技術(shù)方案進(jìn)行修改，或者對(duì)其中部分技術(shù)特征進(jìn)行等同替換。凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。