基于数学形态学的遥感图像条带噪声去除方法

遥感图像对于了解地球特征信息具有重要作用,噪声去除效果亟待加强,因此,设计基于数学形态学的遥感图像条带噪声去除方法。分析遥感图像条带噪声来源,设置遥感图像特征参数;基于数学形态学提取图像条带噪声的结构元素,提高数学形态学对图像处理的准确性;计算条带噪声信噪比,进一步提高条带噪声去除效果,进而实现遥感图像条带噪声的有效去除。实验结果表明:设计方法的噪声去除效果更佳,极具推广价值。

基于变换域的遥感测绘图像条带噪声滤波方法

为有效消除遥感测绘图像条带噪声,并最大限度保留图像细节信息,提出一种基于变换域的遥感测绘图像条带噪声滤波方法。构建电荷耦合元件辐射响应函数,归一化灰度输出值实现辐射响应非均匀性校准,将图像条带现象作为两类加性噪声构成的图像退化,组建信号退化模型,掌握图像条带噪声关键来源与分布状况;运用矩形低通滤波器计算噪声形态变换过程,得到遥感测绘图像中的高频信号频域;把图像从空间域变换至频率域,对间隔一个像素宽度的条带实施傅里叶变换,探寻条带噪声周期性分布特征,在初始图像全部奇数行灰度值为0的情况下,实现条带噪声滤波处理。实验结果证明,所提方法能够有效剔除遥感测绘图像中的条带噪声,很好地保存初始图像关键信息。

基于空间分割的影像条带噪声去除方法

光学遥感卫星影像中包含系统条带噪声和随机条带噪声,由于多种因素的干扰,即使进行系统条带噪声去除后,仍残留部分随机条带噪声。文章通过分析现有卫星遥感影像中的随机条带噪声特性,基于常规的随机条带噪声去除方法,提出一种新的基于空间分割的条带噪声去除算法。该方法以影像的均值、中值以及梯度值构建判定准则,将影像分为动态范围变化较小的多个区域,同时将地物边缘单独提取出来予以保留;然后采用标准矩匹配的方法对单独区域进行处理,在剔除噪声的同时抑制灰度畸变的产生;最后采用中巴地球资源卫星04星(CBERS-04)数据作为试验对象进行了随机噪声去除试验,试验结果表明新方法在去除随机条带噪声的同时很好的保持了原始影像的纹理信息。

一种阶梯型多尺度神经网络条带噪声降噪模型

针对遥感影像上存在的复杂条带噪声问题,提出一种阶梯型多尺度卷积神经网络降噪模型(SmCNN)。该模型采用一种阶梯型网络结构轻量化设计,高度融合高、低层等多层网络特征,对影像上的非均质、高覆盖、多尺度条带噪声具备优秀的识别、去除能力。模型主要通过3*3空洞卷积构建多尺度网络和残差网络融合多尺度特征信息,增强多尺度条带噪声的检测能力、弥补深度网络退化缺点;采用锯齿状混合空洞卷积网络结构解决图像信息不连续问题;设计阶梯型多尺度网络结构、引入1*1卷积以轻量化神经网络模型,降低模型复杂度。实验结果表明,SmCNN降噪性能明显优于传统图像降噪方法,比经典的前馈去噪卷积神经网络(DnCNN)降噪模型在均方误差、峰值信噪比、结构相似性三项图像降噪质量评价指标上,分别提高了61.2%、11.8%和0.7%,且网络结构轻量化效果显著,节约了53.11%的模型训练时间。

“泰景四号01星”遥感影像条带噪声去除方法

泰景四号01星是全球首颗直接用于动目标检测的遥感卫星,提供全色双条带推扫数据,一次推扫任务可以完成两个拥有可控时间差的条带影像采集。在双条带影像存在条带噪声的条件下,需避免噪声引起的目标漏检与误检,为此,提出了一种顾及帧间一致性的去条带方法。首先,使用实验室辐射定标参数去除大部分微弱条带;然后,利用配准后两谱影像之间列均值统计特征差异,对条带噪声定位并进行像素补偿。实验结果表明,该方法在定性和定量评价上均取得了良好的效果,能够在提高影像质量的同时兼顾算法处理效率。

基于间隔采样的快速变分条带噪声检测方法

为了提高目前主流卫星推扫成像过程中多列条带噪声的检测效率,提出了一种基于间隔采样的快速变分条带噪声检测方法。该方法以条带噪声成分变分建模和优化求解为基础,通过间隔采样和构建带间隔采样参数的条带噪声成分估计模型,完成条带噪声成分的快速求解,然后对条带噪声成分列均值进行一元离群点检测和后处理,完成条带噪声的定位。由于采用间隔采样的策略,该方法在不损失条带噪声检测精度的情况下显著提高了检测效率。

基于BiGRU-CNN的宽带电磁图像条带噪声去除方法研究

电磁探测成像系统能够对电磁干扰源进行大范围、宽频带且快速的定位,系统主要由抛物反射面和多通道超宽频带信号采集系统组成。由于各个通道器件参数受限于制造工艺的影响不可能完全一致,探测不同频率干扰源的响应特性也不相同,导致获得的电磁图像中存在的条带噪声随干扰源的频率变化而呈现出不同的特征,严重地影响定位的精度。构建了双向门控循环单元(BiGRU)-卷积神经网络(CNN)模型,根据实测数据构建数据集作为模型的输入,BiGRU和CNN利用图像相邻行间的强相关性,从过去和未来的输入中广泛收集冗余信息,对条带噪声进行提取并对空间信息进行整合处理,利用数据之间的差值对这个过程进行循环迭代。通过大量的实验对模型进行验证,BiGRU-CNN方法与测试的经典方法相比更优,在垂直梯度能量方面降低了15.2%,在残差非均匀性方面降低了21.9%。

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。

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。

基于方向滤波器消除遥感图像孤立条带噪声的方法

条带噪声是影响遥感图像质量的重要因素之一.在分析遥感CCD图像孤立条带噪声产生原因和噪声模型的基础上,提出了基于二维方向滤波器抑制条带噪声的新方法.该方法利用了窄带方向滤波器良好的图像纹理方向的频率选择特性,将条带噪声与图像其它信息分离到不同的方向滤波器子带内,并在水平信息子带内采用均值补偿方法去除条带噪声.实验结果证明它不仅能有效去除CCD图像中的随机孤立条带噪声,还能保持原始图像的辐射入射幅度,保留细节信息,较传统的方法相比,性能有较大的提高.

成像光谱仪图像条带噪声去除的改进矩匹配方法

条带噪声是影响线阵CCD成像质量的一个重要因子。特别是对于CCD质量要求较高的高光谱成像仪 ,往往由于硬件质量造成了许多通道中条带噪声的出现。分析了条带噪声形成的主要原因 ,比较了几种常用条带噪声去除方法及其局限性。在此基础上指出 ,标准的矩匹配方法改变了图像在成像行或列方向的均值分布 ,造成了一定的灰度畸变。这种情况对于在地物非均匀分布状况下成像的小幅图像尤其明显。着重提出和讨论了利用均值补偿法、傅里叶变换法、相关系数法结合矩匹配方法来近似恢复由入射辐射强度产生的均值分布 ,从而达到保持图像质量并有效去除条带噪声的目的。并对条带噪声去除前后图像质量做了定性定量的比较、评价。

MODIS影像条带噪声去除方法研究

条带噪声是影响MODIS影像质量的一个重要因子。分析了MODIS条带噪声形成的主要原因和特点,比较了几种常用条带噪声去除方法及其局限性,着重提出和改进了利用傅立叶变换法、小波变换法和插值法去除MODIS影像条带噪声。上述3种方法都能在一定程度上去除MODIS影像条带噪声。对实验结果的均值、标准偏差以及边缘保留的比较结果表明,在去除MODIS影像条带噪声方面,插值法优于小波变换,而小波变换优于傅立叶变换。

TDI-CCD图像固有条带噪声的消除方法及实现

存在于TDI-CCD图像中的条带噪声会影响图像的质量,降低系统的测量精度。针对TDI-CCD图像固有条带噪声的灰度值在原始信息中变化比较缓慢的特点,利用傅里叶变换域内的频谱图映射确定条带噪声频率的方法,分别采用低通、带阻滤波器对条带噪声进行消除。另外,提出了一种改进阈值的小波变换法来消除条带噪声,该方法能在小波分解后各个尺度的垂直方向上自适应地确定阈值。实验结果表明在消除条带噪声方面,改进阈值的小波变换法优于传统的傅里叶变换法。在整个频率域内,改进阈值的小波变换法能够较彻底地消除条带噪声,同时较好地保持了原图像的特征。

基于小波变换的多波段遥感图像条带噪声的去除

介绍了几种在TM,MSS,SPOT等多传感器遥感图像中条带噪声去除方法的特点,提出了一种基于小波变换的条带噪声去除方法,并以几何纠正前的非均匀地物分布的CMODIS图像为实验数据,对这些方法的去条带噪声效果作了比较。结果表明,本文提出的方法要优于以前的几种常用方法,具有很好的去条带效果,同时较好地保持了原图像的特征。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。

基于变换域的条带噪声去除方法

为解决线扫描图像中的条带噪声干扰问题,提出了傅里叶变换与小波分解相结合的变换域条带噪声去除方法。首先对图像进行多尺度小波分解,将包含条带噪声的小波子带与包含图像信息的小波子带分离;然后对含有条带噪声的小波子带进行傅里叶变换,并对变换系数进行带阻滤波以消除条带噪声。利用实际采集的带有条带噪声的棉花异性纤维图像进行仿真实验,结果表明:傅里叶变换与小波分解相结合的方法,去噪效果明显优于单独使用傅里叶变换或小波分解的方法,既能有效地去除图像中的条带噪声,又能较好地保持图像的细节信息。

CCD图像条带噪声消除方法

条带噪声是线阵CCD成像过程中最常见的系统噪声,其存在掩盖了图像的有用信息,给图像判读造成了不利影响。利用小波变换对信号奇异点检测的优越性,检测出条带噪声在小波系数中的周期性分布规律。依据小波去噪三步法,对存在条带噪声的低频和高频小波系数分别进行阈值处理。处理后图像目视效果良好,功率谱基本保留了原图像功率谱的变化趋势,表明在有效去除条带噪声的同时,较好地保留了图像中的有用信息。

应用相位一致性评价多光谱遥感图像条带噪声

条带噪声是影响多光谱遥感图像质量的重要因素之一,严重影响遥感数据的解译和信息提取。提出一种应用相位一致性进行多光谱遥感图像条带噪声质量评价的方法。该方法不受图像亮度或对比度变化的影响,以频域中相位一致性探测图像特征点,综合考虑图像中条带噪声的数量、长度、宽度和强度建立评价因子,客观评价遥感图像中存在的条带噪声对图像质量的影响。实验证明该方法评价结果符合人眼视觉感官评价。

CHRIS/PROBA数据条带噪声去除方法比较

PROBA是欧空局于2001年发射的一颗最小的对地观测卫星,CHRIS是搭载于PROBA平台上的最主要的成像光谱分光计,具有五个成像模式,以其卓越的光谱空间分辨率及多角度的优势为着不同的研究目的分别对陆地、海洋及内陆水体进行成像。但CHRIS/PROBA数据本身被严重的条带噪声所污染,尤其是垂直条带噪声,因而去除条带噪声则成为使用CHRIS数据的首要与处理工作。本文描述了几种去除条带方法,包括传统的矩匹配方法,新的迭代辐射纠正方法,校正因子法及比值法。由于这些方法基于不同的理念,各个方法的去噪效果必定有所差异,本文目的是通过比较选出其中最好的一种方法。每种方法的结果从两方面进行了比较、评定:定性的视觉效果及图像变换前后的定量的灰度偏移值,比较结果列成表格,从而挑选出最优秀的一种方法。

基于频域滤波的自适应条带噪声去除算法

针对在传感器平台等条件下产生的图像条带噪声,在分析了几种常用条带噪声去除方法基础上,提出了一种通过频域滤波方法在图像的傅里叶频域去除条带成分的自适应图像去噪算法。实验结果表明:这种算法可以自适应确定频域中的噪声成分,从而有效地去除图像中的条带噪声,减少传感器噪声等对图像后续处理的影响。

遥感图像条带噪声的多尺度变分模型去除

多片CCD拼接遥感成像系统由于存在非均匀性问题,导致遥感图像中常存在条带噪声,本文在分析条带噪声的主要来源和模型的基础上,提出了多尺度变分模型的条带噪声去除方法。首先,分析了条带噪声的特点并建立了图像退化模型。其次,结合条带噪声的单向性特点与多尺度分层分解方法构造能量泛函。然后,利用不动点Gauss-Seidel迭代法多尺度分级极小化能量泛函,将条带噪声和图像有用信息分离。最后,对各尺度结构分量和细节分量进行累加,得到去噪图像。实验结果表明:对于周期条带噪声,图像畸变量为2‰,图像辐射质量提升到11.715dB;对于随机条带噪声,图像畸变量为3.3‰,图像辐射质量提升到11.092 5dB。与典型条带噪声去除方法相比,不管是周期条带噪声还是随机条带噪声,本文方法均能够在保证畸变量很小的情况下,将其完全去除,满足遥感图像低畸变量的预处理要求。