推扫型干涉成像光谱仪去除条带非均匀性的方法

分析了推扫型干涉成像光谱仪的结构特点和工作原理,指出了由于加工误差导致入射狭缝的宽度不均匀,使干涉图像沿狭缝方向存在亮度差异,复原后的光谱立方体图像上出现平行于推扫方向的非均匀性条带,影响了光谱立方体的图像质量和光谱精确度.采取校正系数法去除条带,讨论了获取校正系数的方法,并使用仪器的定标干涉数据提取成像面上沿狭缝方向的不均匀特性,获得了校正系数,对干涉图像进行处理以消除条带.结果表明:校正系数法能够去除大部分条带.根据处理后残余条带的情况,在没有在轨定标数据的情况下,使用均匀景物的光谱立方体数据提取不均匀特性,修改了校正系数,有效地消除了残余条带.

一种高光谱图像条带噪声去除改进算法

传统的矩匹配方法改变了图像在成像行或列方向的均值分布,使原始图像信息发生了较大改变。在分析HJ-1-A星超光谱图像条带噪声的基础上,提出了一种改进的矩匹配方法,将传统矩匹配算法中"参考图像"的平均值和标准差分别用平滑滤波处理后的列均值和方差来代替。实验结果表明,与传统矩匹配方法相比,该方法能减少图像信息的丢失,并能在保持原始图像特征的前提下有效地去除条带噪声。这种方法在其它多传感器遥感图像的条带噪声去除中也有很强的适用性。

一种改进的矩匹配方法在CMODIS数据条带去除中的应用

由于传感器之间对接受的地物辐射信号的响应特性不同,导致CMODIS数据中的许多波段含有大量的条带.这些噪声严重影响了CMODIS数据的解译和信息提取.介绍了几种常用在TM、MSS、SPOT等多传感器光谱仪中条带去除方法,提出了一种改进矩匹配方法用于CMODIS数据中的条带去除,并比较了这种方法和其它几种常用方法对几何纠正前非均匀地物分布的CMODIS数据的去条带噪声结果.结果表明这种新方法要优于以上提到的几种常用方法,具有很好的去条带噪声效果,同时保持图像原有的的信息.这种方法在其它多传感器遥感图像的条带噪声去除中也有很强的适用性.

中分辨率遥感图像条带噪声的去除

CMODIS是中国第一个发射上天的中分辨率成像光谱仪 ,它有 34个波段 ,波长范围从可见光到红外波段。CMODIS数据含有大量有很高实用价值的光谱信息。但是由于CMODIS传感器之间对接受的地物辐射信号的响应特性不同导致CMODIS数据中的许多波段含有大量的条带噪声 ,严重影响了CMODIS数据的解译和信息提取。在介绍了几种常用于TM ,MSS ,SPOT等多传感器遥感图像中的条带噪声去除方法基础上 ,提出了一种新的有限长脉冲响应滤波 (FIR)法 ,并比较了该方法和其它几种常用方法对几何纠正前后非均匀地物分布的CMODIS数据的去条带噪声结果。结果表明这种新方法要优于本文中提到的几种常用方法 ,具有很好的去条带噪声效果 ,同时保持图像原有信息。这种方法在其它多传感器遥感图像的条带噪声去除中也有很强的适用性。

基于IDL的HSI图像条带噪声去除方案研究

HJ-1-A卫星超光谱数据的绿、红和红外各波段(21-115波段)数据质量较高,具有良好的应用潜力.但蓝光波段(前20个波段)有明显的条带噪声,对超光谱数据信息提取的精度产生了严重影响,需去除噪声才能使用.针对HJ-1-A星HSI图像条带噪声的特殊性,提出了两种条带去除方案,并给出用IDL语言实现的方法.结果表明,该方法能够在保持原始HSI图像特征的前提下有效地去除条带噪声.

采用变分法的遥感影像条带噪声去除

为了避免去除遥感影像条带噪声时丢失影像细节,构建了综合两种单向变分模型的组合去噪方法。首先,构建一种条带去除单向变分模型,通过此模型可以有效去除遥感影像条带噪声,从而初步获得近似遥感影像及条带噪声影像,同时避免近似遥感影像出现阶梯效应;其次,为了避免条带噪声影像中包含的少量细节信息丢失,构建一种条带保留单向变分模型,通过此模型可以去除条带噪声影像中的细节信息而只保留条带噪声,从而有效分离出细节信息;最后,把分离出的细节信息与近似遥感影像进行累加得到去噪影像。通过实验分析发现,本文方法不仅能完全去除条带噪声,而且基本没有破坏影像细节,去噪后的影像质量得到明显提高。

遥感影像条带噪声去除的小波变分法

为了避免条带噪声去除过程中丢失影像细节,提出一种基于小波变分法去除遥感影像条带噪声。首先,对含有条带噪声的遥感影像进行小波分解;其次,通过构建的条带保留变分模型(SPVM)去除低层高频分量(含条带噪声)中的细节信息而保留条带噪声,从而有效分离出低层高频分量(含条带噪声)中的细节信息;通过构建的条带去除变分模型(DVM)去除高层高频分量(含条带噪声)中的条带噪声,从而有效地保留高层高频分量(含条带噪声)中的细节信息;最后,通过小波重构,获得去噪影像。试验证明本文方法在去除条带噪声的同时基本没有丢失影像细节,去噪后的影像对比度及质量都是最优的。

高光谱图像条带噪声去除算法研究

高光谱图像中往往存在严重的条带噪声,与常见噪声具有很大不同,现有的去噪方法对其不能完全适用。利用平滑滤波思想结合传统的矩匹配方法,对传统的矩匹配条带去除方法进行改进,对HJ-1-A卫星高光谱图像进行实验、研究,利用多种图像质量评价标准,将算法去条带后图像与传统的和已有的改进算法去条带后图像进行对比、评价,找出去条带效果好、原始图像信息保留能力强、适应性强的改进的矩匹配方法来应用于高光谱图像条带噪声的去除。

去除红外图像条带噪声改进算法研究

由于红外焦平面阵列中各探测单元的响应特性不完全一致,导致像元之间存在一定的非均匀性,使红外图像中出现深浅相间的条纹状噪声,这种噪声严重影响了红外图像的质量和解析度。针对红外图像条带噪声的产生机理,在传统距匹配法的基础上,文中从图像灰度均值和方差的角度入手,结合红外图像数据量小、图像内容丰富的特点,将分段多项式拟合和中值预处理的思想分别应用到红外图像条带噪声的消除算法中,得到了改进的多项式拟合滤波法和基于中值预处理的分段拟合滤波法。理论分析和实验结果表明,文中提出的两种算法具有原理简单、实用性强的特点,能够有效地消除红外图像的条带噪声,提高图像信噪比。

基于傅里叶变换的HY-1B卫星影像条带噪声去除

HY-1B卫星是中国第二颗海洋遥感卫星,水色水温扫描仪(COCTS)是其主要载荷。文章针对COCTS图像条带噪声的特点,采用傅里叶变换方法,设计了一种新的滤波器,对图像进行条带噪声去除,并同传统的低通滤波方法处理结果进行比较。实验结果表明,新的傅里叶变换方法能够有效地去除图像的条带噪声,其去除效果要优于传统的低通滤波方法。

MODIS影像条带噪声去除的自相关插值法

条带噪声是影响MOD IS影像质量和反演精度的一个重要因子。针对MOD IS第五波段影像条带特征,系统地分析了其形成的原因,比较了几种常用条带噪声去除方法并讨论了其具体应用的局限性。应用常用的傅立叶变换法进行了MOD IS条带去除试验,并根据MOD IS影像数据的自相关性提出了自相关插值法去除MOD IS影像条带噪声的方法。两种方法在MOD IS条带噪声去除实验结果的均值和标准偏差的比较表明自相关插值法在去除MOD IS影像条带噪声方面要明显优于傅立叶变换法。

遥感分类图像条带噪声的去除

在介绍了几种常用于TM、MSS、SPOT等多传感器遥感图像中条带噪声去除方法的基础上,提出了一种综合利用IDL语言和常用遥感软件(主要为ENVI、ERDAS等)对分类后图像进行条带处理的新方法。并以2005年北京市SPOT图像为试验数据,对该方法进行了尝试。结果表明,利用该方法可弥补一些条带噪声去除方法的弊端,有效地去除分类后图像上的条带噪音;同时避免了分类前期条带去除过程中对条带像元值的不正确计算,以及对图像上正确像元的影响而导致的后期遥感分类过程中的错分误分问题,从而可以有效地提高遥感分类精度。这种方法在其它多传感器遥感图像的条带噪声去除中也有很强的适用性。

基于参考波段的去除HJ-1A星HSI图像中条带噪声的方法

环境卫星HJ-1A搭载的超光谱成像仪自2008年9月发射以来,已获取了大量影像数据。由于超光谱成像仪部分波段的图像存在明显的条带噪声,其图像应用效果受到严重影响。本文针对该图像噪声的特点,提出了一种基于参考波段的移动窗口条带噪声去除方法。结果表明,新的噪声去除算法不仅可以有效去除图像的条带噪声,显著提高图像的清晰度,而且还保留了原始图像的基本信息。该方法具有处理速度快、适用性广等优点,是一种理想的条带噪声去除方法。

基于多波段匹配的超光谱成像仪图像条带噪声去除方法研究

环境卫星超光谱成像仪前20个通道的图像具有明显的条带噪声,严重影响了后续数据处理和定量化应用。根据环境卫星超光谱成像仪波段多、各波段图像相关性强的特点,提出了一种基于多波段图像匹配的条带去除方法。以广西北部湾地区的超光谱成像仪图像为例,分别利用矩匹配方法和多波段匹配方法进行校正。最后从图像基本信息保留能力、图像灰度值改变量和列均值比评价指标三个方面,定量评价了这两种方法的去噪效果。结果表明,多波段匹配方法能够在有效去除图像条带噪声的同时,较好地保留各探测元接收到的地物信号的差异,其去噪效果优于矩匹配方法。

矩匹配和变分方法相结合的MODIS条带去除模型

针对中分辨率成像光谱仪(moderate resolution imaging spectroradiometer,MODIS)影像常见的3种条带噪声,提出了一种矩匹配和变分相结合的多类条带噪声去除模型。首先采用矩匹配方法对MODIS影像做预处理,然后基于变分方法去除条带噪声。能量泛函由L1正则化项、数据保真项和梯度保真项组成,基于Split Bregman迭代计算能量泛函的最优解。实验结果表明,此算法能够有效地去除MODIS影像中常见的条带噪声。与矩匹配、低通滤波及单向全变分方法相比,此模型更好地保留了图像的细节信息,有效抑制了正则化方法在条带去除过程中出现的分块现象。

基于矩匹配和变分法的MODIS条带去除模型

针对中分辨率成像光谱仪(Moderate Resolution Imaging Spectroradiometer,MODIS)影像条带噪声的特点,提出了一种结合矩匹配和变分法的条带去除模型。首先采用矩匹配方法去除多行和宽行条带噪声;然后,基于改进的条带检测方法定位矩匹配后的残余条带;最后,基于变分条带去除模型,使用Split Bregman迭代求解以去除条带。实验结果表明,该方法能够有效地去除MODIS影像中的条带噪声,并能有效地保持图像中的细节信息。与直方图匹配、矩匹配、低通滤波及单向变分去条带算法相比,本文模型的去噪效果更理想。

HJ-1 A高光谱数据的条带噪声去除方法研究

针对环境减灾小卫星的高光谱图像条带的特点,提出了基于光谱空间连续性的倾斜条带去除方法。高光谱数据的光谱分辨率达到纳米级,光谱波段多,在一定范围内可以连续成像,具有光谱空间的连续性,基于光谱空间连续性的条带去除方法利用了光谱空间连续性的这一重要特点。本文在考虑了图像条带噪声的倾斜角度的基础上,成功地将该方法应用于批量的环境减灾小卫星2级高光谱数据,进行了相对辐射校正的研究,并将相邻列均衡方法应用于单幅环境减灾小卫星2级高光谱数据,对比二者的单幅图像条带去除效果,结果证明基于光谱空间连续性的条带去除方法较相邻列均衡方法更适合于对环境减灾小卫星的2级高光谱数据进行条带噪声的去除。

Terra MODIS第5波段红外遥感影像条带噪声的探测与校正

由于TerraMODIS传感器第5波段（1．230～1．250I,zm）中部分探测元件出现故障，从而导致整幅影像上存在明显的条带噪声。对于地理校正后的MODIS影像数据，其条带噪声的分布并不是完全规则的，还可能存在不连续的现象，加大了对噪声进行处理的难度。提出一种对条带噪声进行检测与去除的方法，首先利用局部梯度对条带噪声的位置进行探测。然后在基于最大后验概率的框架下结合噪声模型与Huber—Markov先验，并通过梯度下降算法进行噪声的去除。使用真实的遥感数据进行了实验，所展示的恢复后数据和对应的频谱图都证明了文中方法的有效性。

OMIS图像条带噪音消除方法研究

分析了OMIS高光谱图像条带噪音产生的主要原因及条带噪音的特点.提出了两种改进的空域和小波域OMIS条带噪音消除新方法.比较了实验图像和数据.结果表明,两种新方法均具有良好的消除OMIS条带噪音的能力,并能较好地保持图像的纹理细节信息,效果明显优于原有方法.

环境一号卫星高光谱遥感数据的内陆水质监测适宜性——以巢湖为例

环境一号星座的A星(HJ-1A)上搭载了超光谱成像仪(HSI),它是具有高光谱分辨率的全新国产遥感数据源,为水质遥感特别是内陆水质遥感提供了新的高光谱数据.但HSI影像的处理方法尚不完善,在广泛应用于水质遥感前对其进行质量研究和评价非常必要.本文针对HSI数据在巢湖水质监测应用方面的适宜性,对信噪比和数据真实性、倾斜条纹去除方法、大气校正方法等方面分别进行了评价.结果表明,HSI水体图像在530-900 nm波段范围内数据质量较为真实可靠;6S与FLAASH方法均能有效去除大气效应,在530-830 nm范围内效果较好.