改進(jìn)的矩匹配遙感影像條帶噪聲去除方法研究與實(shí)現(xiàn)

楊冀紅，戰(zhàn) 鷹，史良樹(shù)，張 超

(1．中國(guó)土地勘測(cè)規(guī)劃院，北京100035;2．中國(guó)農(nóng)業(yè)大學(xué) 信息與電氣工程學(xué)院，北京100083)

一、引 言

在遙感傳感器成像過(guò)程中，條帶噪聲是一種周期性的重復(fù)出現(xiàn)于影像中的噪聲現(xiàn)象，它往往是由于傳感器CCD光學(xué)性質(zhì)的差異、掃描機(jī)械運(yùn)動(dòng)、傳感器平臺(tái)等多方面的原因引起的[1]。條帶噪聲的存在影響了影像的應(yīng)用，需要首先對(duì)影像進(jìn)行去條帶處理。去除條帶噪聲主要有兩種方法。第1種方法是，由于條帶是周期出現(xiàn)的，所以可通過(guò)構(gòu)造消除一定頻率特征的濾波器來(lái)濾除條帶噪聲[2，3]，這種方法的優(yōu)點(diǎn)是可用于幾何校正后的影像，而且適用于小影像，但是，濾波器使得影像平滑，從而不利于分類、目標(biāo)識(shí)別等影像應(yīng)用;第2種方法，基于假設(shè)每個(gè)傳感器單元獲得的影像具有統(tǒng)計(jì)一致性，根據(jù)每個(gè)傳感器單元獲得的影像子集的DN(digital number)統(tǒng)計(jì)分布，并根據(jù)某一參考的分布對(duì)其進(jìn)行調(diào)整，常用的方法有歸一化方法[4-5]、直方圖匹配法[6]和矩匹配方法等，但是直方圖匹配方法有邊界效應(yīng)。文獻(xiàn)[7]將直方圖匹配和濾波結(jié)合。文獻(xiàn)[1，8，9]研究了矩匹配及其改進(jìn)方法，該方法可以減少這種邊界效應(yīng)[6]。本文首先對(duì)矩匹配方法進(jìn)行了改進(jìn)，并在VC++6．0下實(shí)現(xiàn)了改進(jìn)的矩匹配方法，以IRS影像為例，與均值歸一化方法進(jìn)行了條帶噪聲去除效果對(duì)比分析。

二、均值歸一化方法

該方法假定傳感器掃描成像是在無(wú)任何輻射影響的理想狀態(tài)下，并且掃描獲取的影像數(shù)據(jù)足夠長(zhǎng)時(shí)，各不同視場(chǎng)角在飛行方向的一列數(shù)據(jù)的均值應(yīng)該相等或相近[5]。而一般的遙感影像滿足前兩項(xiàng)假設(shè)。

該方法對(duì)影像在遙感衛(wèi)星或航拍飛機(jī)飛行方向(列)進(jìn)行累加并求平均，得到垂直飛行方向的每一個(gè)探測(cè)器像素的統(tǒng)計(jì)平均值，根據(jù)飛行方向的統(tǒng)計(jì)相似性，認(rèn)為垂直飛行方向的每個(gè)像素的統(tǒng)計(jì)均值是相等的。所以，可以認(rèn)為該統(tǒng)計(jì)均值便是垂直于飛行方向的每個(gè)像素的輻射響應(yīng)，對(duì)統(tǒng)計(jì)均值進(jìn)行歸一化處理，便可得到輻射校正的結(jié)果，同時(shí)去除了影像的條帶噪聲。具體算法如下。

遙感衛(wèi)星傳感器掃描獲得的某波段影像為

式中，n為影像列數(shù);m為影像行數(shù)。對(duì)Inm按列求均值得行向量。

亮度值DN的平均值向量M反映這種傾向性差異和邊緣輻射差異的綜合趨勢(shì)。以綜合趨勢(shì)M為依據(jù)，以每個(gè)傳感器單元獲得影像的均值的中值mmiddle為標(biāo)準(zhǔn)，即以m1，m2，…，mm的中值為標(biāo)準(zhǔn)，對(duì)其余各列像元進(jìn)行輻射校正。則有校正后某波段影像為

三、改進(jìn)的矩匹配方法

在遙感傳感器掃描成像過(guò)程中，如果每一個(gè)傳感器感應(yīng)單元感應(yīng)的DN值和實(shí)際輻射量之間的差異可以用增益和偏差來(lái)表示，這時(shí)DN值和實(shí)際輻射量之間是一種線性關(guān)系。這樣，可以對(duì)每一個(gè)傳感器單元獲得的一列數(shù)據(jù)用均值作為偏差和標(biāo)準(zhǔn)差作為增益來(lái)調(diào)整，這就是矩匹配方法[1，8]。矩匹配方法也對(duì)影像數(shù)據(jù)有一個(gè)基本的假定條件：理想成像條件下，只要影像在飛行方向有足夠多的掃描線，可以認(rèn)為影像矩陣在飛行掃描方向的每列數(shù)據(jù)的統(tǒng)計(jì)均值和標(biāo)準(zhǔn)差是相等的，即飛行方向每列數(shù)據(jù)的均值(偏差)和標(biāo)準(zhǔn)差(增益)的差異是由于輻射差異造成的[5]。與均值歸一化方法相比較，它不僅考慮了均值差異因素，還考慮了標(biāo)準(zhǔn)差的差異，與實(shí)際誤差產(chǎn)生的情況更吻合。

對(duì)于任意一個(gè)波段的遙感影像，可以計(jì)算飛行方向一列數(shù)據(jù)(一個(gè)波段)的輻射值/DN值的均值和標(biāo)準(zhǔn)差，而將標(biāo)準(zhǔn)差等效為輻射響應(yīng)的增益，將均值等效為偏差，如公式(4)所示

本文對(duì)具體參數(shù)計(jì)算方法進(jìn)行了改進(jìn)。在計(jì)算每列數(shù)據(jù)直方圖的基礎(chǔ)上，按一定比例去除直方圖兩端異常數(shù)據(jù)，然后計(jì)算每列的均值和標(biāo)準(zhǔn)差。對(duì)每列的均值和標(biāo)準(zhǔn)差進(jìn)行排序，中間值作為校正的參考均值和標(biāo)準(zhǔn)差。

四、方法實(shí)現(xiàn)與對(duì)比分析

本文在VC++6．0下實(shí)現(xiàn)了均值歸一化和改進(jìn)的矩匹配的條帶噪聲的去除算法。改進(jìn)的矩匹配的算法實(shí)現(xiàn)過(guò)程如下：

1)讀取有條帶噪聲影像，得到一個(gè)影像數(shù)據(jù)矩陣;

2)去除相關(guān)的輔助數(shù)據(jù)及無(wú)效數(shù)據(jù);

3)計(jì)算飛行方向各列數(shù)據(jù)直方圖，本文采用的IRS5．8m分辨率全色影像，影像大小為4096像素×13 453像素，得到每列數(shù)據(jù)的直方圖;

4)去除直方圖低端和高端各1%的數(shù)據(jù)，如果異常數(shù)據(jù)概率較大，增大到2%;

5)針對(duì)每一個(gè)直方圖，計(jì)算截取后直方圖的均值和標(biāo)準(zhǔn)差;

6)將計(jì)算的均值和標(biāo)準(zhǔn)差數(shù)據(jù)進(jìn)行排序，取均值和標(biāo)準(zhǔn)差的中間值為參考的均值和標(biāo)準(zhǔn)差;

7)利用均值和標(biāo)準(zhǔn)差數(shù)據(jù)進(jìn)行校正，具體計(jì)算公式如式(4)所示;

8)將去除條帶噪聲輻射校正好的影像數(shù)據(jù)輸出文件。

改進(jìn)的矩匹配方法在VC++6．0下實(shí)現(xiàn)的流程圖如圖1所示。

本文所采用的數(shù)據(jù)是2000年5月23日獲取的北京市房山地區(qū)的印度遙感衛(wèi)星(Indian Remote Sensing Satellite，IRS)提供的全色5．8 m分辨率影像，影像大小為4096像素×13 453像素。如圖2為本文采用的IRS遙感影像的一部分，可以看出有明顯的條帶噪聲。

圖2 有條帶噪聲的IRS圖像

圖3為用均值歸一化方法處理的結(jié)果，可以看出影像中的條帶噪聲已經(jīng)基本去除，但是影像的左下角和實(shí)際不符的病態(tài)斑塊，而且影像右側(cè)整體變暗，影響影像整體視覺(jué)效果。從圖4中的直方圖中也可以看出，均值歸一化方法處理結(jié)果出現(xiàn)了一些零值。圖4為改進(jìn)的矩匹配方法處理后的結(jié)果影像，在很好地去除了條帶噪聲的同時(shí)，克服了均值歸一化方法的缺陷。圖5為三者的統(tǒng)計(jì)直方圖，raw為原始影像直方圖，可以看出原始影像的DN值分布在80到170很窄的范圍，mean為均值歸一化處理后影像的直方圖，moment為經(jīng)過(guò)改進(jìn)的矩匹配方法處理后的影像直方圖。改進(jìn)的矩匹配方法或者均值歸一化方法處理后，在去除了條帶噪聲的同時(shí)，對(duì)影像進(jìn)行了輻射校正，得到拉伸后的輻射亮度。從圖4可以看出，經(jīng)過(guò)改進(jìn)的矩匹配方法處理后的影像的統(tǒng)計(jì)直方圖的形狀相似于處理前，都接近于正態(tài)分布。所以，經(jīng)過(guò)改進(jìn)的矩匹配方法處理，不但去除條帶噪聲，并且很好地保持了影像的光譜特性。

圖3 均值歸一化去噪的結(jié)果

圖4 矩陣匹配方法的去噪的結(jié)果

五、結(jié)束語(yǔ)

由于探測(cè)器各像元的非均勻響應(yīng)，造成了影像條帶噪聲。這種現(xiàn)象在衛(wèi)星遙感掃描成像和航空掃描成像都不可避免。本文在VC++6．0下實(shí)現(xiàn)了基于統(tǒng)計(jì)一致性的均值歸一化方法和改進(jìn)的矩匹配方法，通過(guò)對(duì)有條帶噪聲的IRS影像的處理效果的對(duì)比分析，對(duì)去除條帶噪聲和影像的光譜特征進(jìn)行綜合考慮，得出改進(jìn)的矩匹配方法更優(yōu)。該算法不但可以用于遙感影像的去條帶噪聲，同時(shí)也可用于去除普通CCD掃描儀由于探測(cè)單元的不均勻響應(yīng)造成的掃描影像條帶噪聲。

圖5 三者對(duì)比直方圖

[1]劉正軍，王長(zhǎng)耀，王成．成像光譜儀圖像條帶噪聲去除的改進(jìn)矩匹配方法[J]．遙感學(xué)報(bào)，2002，6(4)：279-284．

[2]石光明，王曉甜，張犁，等．基于方向?yàn)V波器消除遙感圖像孤立條帶噪聲的方法[J]．紅外與毫米波學(xué)報(bào)，2008，27(3)：214-218．

[3]HUANG P S，SU SC，TU T M．A Destriping and Enhancing Technique for EROS Remote Sensing Imagery[J]．Journal of Chung Cheng Institute of Technology，2004 ，32(2)：1-14．

[4]基于灰度歸一化的 HJ-1A星 HSI圖像條帶噪聲去除方法[J]．國(guó)土資源遙感，2012，93(2)：45-49．

[5]劉良云．高光譜遙感在精準(zhǔn)農(nóng)業(yè)中的應(yīng)用研究[R]．北京：中國(guó)科學(xué)院遙感應(yīng)用研究所，2002．

[6]WEGENER M．Destriping Multiple Sensor Imagery by Improved Histogram Matching[J]．International Journal of Remote Sensing，1990，11：859-875．

[7]宋燕，劉團(tuán)結(jié)，丁赤飚，等．一種直方圖匹配和線性空間濾波相結(jié)合的條帶噪聲去除方法[J]．測(cè)繪科學(xué)，2009，34(5)：94-96，115．

[8]GADALLAHE F L，CSILLAG F SMITH E JM．Destriping Multisensor Imagery with Moment Matching[J]，Int．J．Remote Sensing，2000，21(12)：2505-2511．

[9]鄭逢斌，支晶晶，高海亮，等．一種高光譜圖像條帶噪聲去除改進(jìn)算法[J]．測(cè)繪科學(xué)，2009，37(5)：265-267．

[10]董廣香，張繼賢，劉正軍．CHRIS/PROBA數(shù)據(jù)條帶噪聲去除方法比較[J]．遙感信息，2006，6：36-39，49．