本發(fā)明涉及衛(wèi)星遙感，具體涉及基于噪聲強(qiáng)度估計(jì)的遙感衛(wèi)星圖像條紋輻射校正方法。

背景技術(shù)：

1、隨著技術(shù)發(fā)展，遙感衛(wèi)星圖像已被廣泛應(yīng)用于環(huán)境監(jiān)測(cè)、農(nóng)業(yè)、城市規(guī)劃與管理及災(zāi)害預(yù)警與救援等多種領(lǐng)域。遙感衛(wèi)星圖像通過(guò)衛(wèi)星傳感器捕獲地球表面反射及輻射信息數(shù)據(jù)，經(jīng)過(guò)解析轉(zhuǎn)化為可視化的圖像數(shù)據(jù)。然而，受到衛(wèi)星成像系統(tǒng)性能的限制及影像拍攝過(guò)程中外界環(huán)境的影響，傳感器的不同探元在掃描成像時(shí)會(huì)出現(xiàn)對(duì)同一輻射能量響應(yīng)不一致的現(xiàn)象，導(dǎo)致影像出現(xiàn)條紋噪聲，嚴(yán)重影響視覺(jué)效果和后續(xù)圖像處理過(guò)程。因此，亟需開(kāi)發(fā)針對(duì)遙感衛(wèi)星圖像條紋噪聲的相對(duì)輻射校正算法，以提高影像數(shù)據(jù)的質(zhì)量和可用性。

2、傳統(tǒng)的基于噪聲機(jī)理的相對(duì)輻射校正算法可歸納為基于場(chǎng)景統(tǒng)計(jì)特征、基于濾波及基于優(yōu)化三類(lèi)校正方法?；趫?chǎng)景統(tǒng)計(jì)特征的方法以矩匹配、直方圖匹配法為代表，然而該類(lèi)方法性能對(duì)同一波段內(nèi)不同子場(chǎng)景的統(tǒng)計(jì)分布非常敏感，當(dāng)條紋噪聲不規(guī)則及場(chǎng)景響應(yīng)分布不均勻時(shí)，校正效果不穩(wěn)定?；跒V波方法包括空間域?yàn)V波法、頻率域?yàn)V波法等。該類(lèi)方法進(jìn)行條紋校正時(shí)通常無(wú)法準(zhǔn)確識(shí)別地物信息及噪聲特征，從而在去噪時(shí)濾掉相同頻率成分的有用信息，導(dǎo)致校正后遙感圖像損失較多圖像細(xì)節(jié)?；趦?yōu)化的校正方法將去噪過(guò)程描述為從退化圖像中恢復(fù)干凈圖像的不適定優(yōu)化問(wèn)題，利用特定先驗(yàn)，如稀疏性、低秩性等求解優(yōu)化問(wèn)題進(jìn)行條紋去噪，但由于該類(lèi)問(wèn)題需準(zhǔn)確刻畫(huà)噪聲的先驗(yàn)特征，處理具有復(fù)雜噪聲特性的衛(wèi)星圖像時(shí)會(huì)存在局限性，出現(xiàn)欠校正或過(guò)校正現(xiàn)象。

3、近年來(lái)，隨著人工智能技術(shù)的發(fā)展，基于深度學(xué)習(xí)的相對(duì)輻射校正算法也被廣泛應(yīng)用。然而，深度學(xué)習(xí)方法需要無(wú)噪聲的干凈圖像作為樣本，實(shí)際工業(yè)中難以獲取大量的該類(lèi)衛(wèi)星圖像，造成深度學(xué)習(xí)模型開(kāi)發(fā)受限。已有部分研究通過(guò)人為構(gòu)建噪聲樣本集的方式進(jìn)行模型訓(xùn)練，但構(gòu)建的樣本集無(wú)法準(zhǔn)確模擬出實(shí)際噪聲特性，導(dǎo)致訓(xùn)練出的網(wǎng)絡(luò)無(wú)法具備最佳性能。此外，深度學(xué)習(xí)網(wǎng)絡(luò)模型中由于存在卷積核，會(huì)使校正后的圖像存在細(xì)節(jié)損失，分辨率降低。

4、綜上所述，現(xiàn)有的基于機(jī)理及基于深度學(xué)習(xí)方法均難以在不損失圖像細(xì)節(jié)的情況下實(shí)現(xiàn)條紋噪聲的精準(zhǔn)去噪。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明解決了現(xiàn)有的條紋校正模型無(wú)法實(shí)現(xiàn)不損失圖像細(xì)節(jié)的衛(wèi)星圖像條紋精準(zhǔn)去噪的問(wèn)題。

2、本發(fā)明所述的一種基于噪聲強(qiáng)度估計(jì)的遙感衛(wèi)星圖像條紋輻射校正方法，包括以下步驟：

3、步驟s1，多個(gè)光譜圖像分離成若干單譜段圖像；

4、步驟s2，求取若干單譜段圖像的列均值，對(duì)若干單譜段圖像的列均值初步去噪獲得初步去噪后的若干單譜段圖像的列均值；

5、步驟s3，將若干單譜段圖像的列均值與初步去噪后的若干單譜段圖像的列均值做差值獲得初步校正的噪聲強(qiáng)度，對(duì)初步校正的噪聲強(qiáng)度約束處理獲得噪聲強(qiáng)度；

6、步驟s4，若干單譜段圖像的列均值與噪聲強(qiáng)度做差值獲得初步校正后的若干單譜段圖像；

7、步驟s5，將初步校正后的若干單譜段圖像濾波，初步校正后的若干單譜段圖像與濾波后的初步校正后的若干單譜段圖像做差值提取出噪聲圖像；

8、步驟s6，分別計(jì)算噪聲圖像的列均值和列中值，并選擇絕對(duì)值最大的數(shù)值作為噪聲強(qiáng)度，將初步較正后的若干譜段圖像與噪聲強(qiáng)度做差值獲得去噪后的圖像。

9、進(jìn)一步地，在本發(fā)明的一個(gè)實(shí)施例中，所述的步驟s2中，所述的對(duì)若干單譜段圖像的列均值初步去噪獲得初步去噪后的若干單譜段圖像的列均值，具體為：

10、

11、其中，ismooth,k為初步去噪后的若干單譜段圖像的列均值，為平滑系數(shù)，m為常數(shù)，ik為若干單譜段圖像的列均值，k＝1,…n，n為圖像寬度。

12、進(jìn)一步地，在本發(fā)明的一個(gè)實(shí)施例中，所述的步驟s3中，所述的將若干單譜段圖像的列均值與初步去噪后的若干單譜段圖像的列均值做差值獲得初步校正的噪聲強(qiáng)度，具體為：

13、inoise,k＝ik-ismooth,k；

14、其中，inoise,k為初步校正的噪聲強(qiáng)度，ik為若干單譜段圖像的列均值，k＝1,…n，n為圖像寬度，ismooth,k為初步去噪后的若干單譜段圖像的列均值。

15、進(jìn)一步地，在本發(fā)明的一個(gè)實(shí)施例中，所述的步驟s3中，所述的對(duì)初步校正的噪聲強(qiáng)度約束處理獲得噪聲強(qiáng)度，具體為：

16、

17、其中，ithres,k為噪聲強(qiáng)度，threshold為閾值，inoise,k為初步校正的噪聲強(qiáng)度。

18、5、根據(jù)權(quán)利要求1所述的一種基于噪聲強(qiáng)度估計(jì)的遙感衛(wèi)星圖像條紋輻射校正方法，其特征在于，所述的步驟s4中，所述的若干單譜段圖像的列均值與噪聲強(qiáng)度做差值獲得初步校正后的若干單譜段圖像，具體為：

19、isg,k＝ik-ithres,k；

20、其中，isg為初步校正后的若干譜段圖像，ik為若干單譜段圖像的列均值，k＝1,…n，n為圖像寬度，ithres,k為噪聲強(qiáng)度。

21、進(jìn)一步地，在本發(fā)明的一個(gè)實(shí)施例中，所述的步驟s5中，所述的將初步校正后的若干單譜段圖像濾波，具體為：

22、

23、其中，ibif,p為濾波后的初步校正后的p位置單譜段圖像，s為核函數(shù)空間域大小，r為像素范圍域，q為核函數(shù)中除中心點(diǎn)外所有像素，isg,q為當(dāng)前核函數(shù)的中心像素點(diǎn)，wbif,p為歸一化函數(shù)，和分別為空間域加權(quán)函數(shù)、像素范圍域加權(quán)函數(shù)。

24、進(jìn)一步地，在本發(fā)明的一個(gè)實(shí)施例中，所述的步驟s5中，所述的初步校正后的若干單譜段圖像與濾波后的初步校正后的若干單譜段圖像做差值提取出噪聲圖像，具體為：

25、inoise＝isg-ibif；

26、其中，inoise為噪聲圖像，isg為初步校正后的若干譜段圖像，ibif為濾波去噪后的初步校正后的若干單譜段圖像。

27、進(jìn)一步地，在本發(fā)明的一個(gè)實(shí)施例中，所述的步驟s6中，所述的選擇絕對(duì)值最大的數(shù)值作為噪聲強(qiáng)度，具體為：

28、

29、其中，xnoise,k為噪聲強(qiáng)度，xmean,k為噪聲圖像的列均值，xmedian,k為噪聲圖像的列中值。

30、進(jìn)一步地，在本發(fā)明的一個(gè)實(shí)施例中，所述的步驟s6中，所述的將初步較正后的若干譜段圖像值與噪聲強(qiáng)度做差值獲得去噪后的圖像，具體為：

31、iclean,k＝isg,k-xnoise,k；

32、其中，xnoise,k為噪聲強(qiáng)度，isg為初步校正后的若干譜段圖像，iclean,k為去噪后的圖像。

33、本發(fā)明解決了現(xiàn)有的條紋校正模型無(wú)法實(shí)現(xiàn)不損失圖像細(xì)節(jié)的衛(wèi)星圖像條紋精準(zhǔn)去噪的問(wèn)題。具體有益效果包括：

34、1、本發(fā)明所述的一種基于噪聲強(qiáng)度估計(jì)的遙感衛(wèi)星圖像條紋輻射校正方法，現(xiàn)有技術(shù)中，基于機(jī)理及深度學(xué)習(xí)模型均無(wú)法實(shí)現(xiàn)不損失圖像細(xì)節(jié)衛(wèi)星圖像條紋精準(zhǔn)去噪的問(wèn)題。為解決上述技術(shù)問(wèn)題，本實(shí)施方式針對(duì)不同特性的條紋噪聲圖像，無(wú)需進(jìn)行先驗(yàn)估計(jì)，通過(guò)從粗略到精細(xì)化的噪聲強(qiáng)度估計(jì)及標(biāo)定步驟，實(shí)現(xiàn)復(fù)雜條紋噪聲特性下的遙感圖像輻射校正，且校正過(guò)程均以列均值為單位處理，不損失圖像細(xì)節(jié)，計(jì)算復(fù)雜度低，為了避免進(jìn)行輻射校正時(shí)出現(xiàn)過(guò)校正現(xiàn)象，對(duì)校正過(guò)程增加機(jī)理約束，校正后圖像質(zhì)量更高。該處理過(guò)程有效的避免了條紋校正方法無(wú)法對(duì)衛(wèi)星圖像精準(zhǔn)去噪的技術(shù)問(wèn)題；

35、2、本發(fā)明所述的一種基于噪聲強(qiáng)度估計(jì)的遙感衛(wèi)星圖像條紋輻射校正方法，現(xiàn)有的統(tǒng)計(jì)類(lèi)方法需要積累圖像數(shù)據(jù)進(jìn)行校正，該方法需大量耗費(fèi)時(shí)間成本及人力物力。為解決上述技術(shù)問(wèn)題，本發(fā)明以單景圖像為單位進(jìn)行校正，分析單景圖像的統(tǒng)計(jì)特征進(jìn)行條紋校正，無(wú)需積累歷史圖像樣本，大量節(jié)省了處理時(shí)間及資源消耗，因此，本發(fā)明所述的方法可以作為現(xiàn)有統(tǒng)計(jì)類(lèi)方法進(jìn)行相對(duì)輻射校正的補(bǔ)充手段；

36、本發(fā)明所述的一種基于噪聲強(qiáng)度估計(jì)的遙感衛(wèi)星圖像條紋輻射校正方法，用于處理遙感衛(wèi)星多光譜及全色圖像，不受地物類(lèi)型的影響；

37、本發(fā)明所述的一種基于噪聲強(qiáng)度估計(jì)的遙感衛(wèi)星圖像條紋輻射校正方法，提供了一種高效、精準(zhǔn)的遙感圖像相對(duì)輻射校正算法，具有良好的適用性及魯棒性，可以處理不同衛(wèi)星數(shù)據(jù)的條紋噪聲。