本發(fā)明涉及遙感圖像處理領(lǐng)域，尤其涉及一種檢測引導(dǎo)的夜光遙感影像無規(guī)則條帶噪聲去除方法及裝置。
背景技術(shù)：
1、夜光遙感影像能夠直觀反映人類的活動(dòng)強(qiáng)度與空間分布特征，已成為社會(huì)經(jīng)濟(jì)參量反演和可持續(xù)發(fā)展研究的重要數(shù)據(jù)源。受傳感器異常和大氣散射等因素影響，夜光遙感影像普遍存在條帶噪聲問題，而條帶噪聲會(huì)干擾真實(shí)光源信息的獲取，導(dǎo)致后續(xù)定量分析產(chǎn)生偏差。
2、根據(jù)去除原理，現(xiàn)有的遙感影像去條帶方法可分為以下三類：傳統(tǒng)影像處理方法、基于深度學(xué)習(xí)的方法和基于最優(yōu)化的方法。傳統(tǒng)影像處理方法以其實(shí)現(xiàn)簡單和計(jì)算效率高的優(yōu)勢被廣泛應(yīng)用于早期研究中，常使用均值濾波或者中值濾波等方法。然而該類方法在去除條帶噪聲的同時(shí)，往往也會(huì)對影像中的背景區(qū)域產(chǎn)生影響，導(dǎo)致部分影像細(xì)節(jié)信息的損失。基于深度學(xué)習(xí)的方法主要依賴大量標(biāo)注數(shù)據(jù)對神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，從而獲得適用于條帶噪聲去除任務(wù)的最優(yōu)模型參數(shù)，包括卷積神經(jīng)網(wǎng)絡(luò)和生成對抗網(wǎng)絡(luò)等。然而該類方法普遍依賴于大規(guī)模高質(zhì)量的訓(xùn)練樣本，導(dǎo)致其在真實(shí)場景中的應(yīng)用仍面臨一定挑戰(zhàn)。基于最優(yōu)化的方法通過構(gòu)建包含數(shù)據(jù)一致性項(xiàng)與正則化項(xiàng)的目標(biāo)函數(shù)，借助數(shù)學(xué)模型實(shí)現(xiàn)對噪聲的建模與約束，并通過求解該目標(biāo)函數(shù)的極值來實(shí)現(xiàn)影像恢復(fù)。該類方法通常借助優(yōu)化方法，將復(fù)雜問題分解為多個(gè)子問題進(jìn)行迭代求解，直至收斂條件滿足。其具備良好的理論可解釋性和可控性，但受限于迭代過程復(fù)雜、計(jì)算負(fù)擔(dān)重等問題，在處理大規(guī)模遙感影像時(shí)效率較低。綜上可知，現(xiàn)有遙感影像去條帶方法在面對真實(shí)夜光遙感影像中分布復(fù)雜、強(qiáng)度不均的條帶噪聲時(shí)，均存在一定的局限性，且當(dāng)前大多數(shù)方法針對規(guī)則的條帶噪聲設(shè)計(jì)，對形態(tài)不規(guī)則和間斷性強(qiáng)的條帶噪聲去除效果不佳，難以全面還原影像的真實(shí)信息。
3、因此，亟需一種新的技術(shù)方案，用以解決如何檢測及去除夜光遙感影像中的條帶噪聲的技術(shù)問題。
技術(shù)實(shí)現(xiàn)思路
1、本發(fā)明提供了一種檢測引導(dǎo)的夜光遙感影像無規(guī)則條帶噪聲去除方法及裝置，用以解決如何檢測及去除夜光遙感影像中的條帶噪聲的技術(shù)問題。
2、為實(shí)現(xiàn)上述目的，本發(fā)明提供了一種檢測引導(dǎo)的夜光遙感影像無規(guī)則條帶噪聲去除方法，包括：
3、將原始影像進(jìn)行強(qiáng)光源、無光照和待處理區(qū)域劃分及邊緣增強(qiáng)，得到增強(qiáng)影像；根據(jù)增強(qiáng)影像結(jié)合頻域分析與多約束霍夫變換進(jìn)行條帶噪聲迭代檢測，得到條帶掩膜；
4、基于形態(tài)學(xué)運(yùn)算將條帶掩膜與原始影像的二值圖對齊后進(jìn)行波段間濾波，得到無噪掩膜；根據(jù)無噪掩膜和原始影像得到噪聲目標(biāo)區(qū)域；
5、基于動(dòng)態(tài)窗口和自適應(yīng)校正算法對噪聲目標(biāo)區(qū)域進(jìn)行漸進(jìn)式噪聲校正，得到初始結(jié)果；根據(jù)初始結(jié)果結(jié)合強(qiáng)光源區(qū)域進(jìn)行殘差校正，得到去條帶影像。
6、優(yōu)選的，根據(jù)增強(qiáng)影像結(jié)合頻域分析與多約束霍夫變換進(jìn)行條帶噪聲迭代檢測，得到條帶掩膜包括：
7、將增強(qiáng)影像進(jìn)行二維傅里葉變換與頻譜中心化，得到頻域矩陣；根據(jù)頻域矩陣的方向譜得到各角度的強(qiáng)度信息累加值，并提取最大強(qiáng)度對應(yīng)的方向，得到條帶噪聲方向；將增強(qiáng)影像進(jìn)行二值化與霍夫變換，得到累積矩陣；根據(jù)條帶噪聲方向和累積矩陣進(jìn)行漸進(jìn)式條帶檢測，得到條帶掩膜。
8、優(yōu)選的，將增強(qiáng)影像進(jìn)行二維傅里葉變換與頻譜中心化，得到頻域矩陣；根據(jù)頻域矩陣的方向譜得到各角度的強(qiáng)度信息累加值，并提取最大強(qiáng)度對應(yīng)的方向，得到條帶噪聲方向包括：
9、將增強(qiáng)影像進(jìn)行二維傅里葉變換與頻譜中心化，得到頻域矩陣：
10、；
11、其中，表示傅里葉變換算子；和分別表示增強(qiáng)影像水平和垂直方向的坐標(biāo)；和分別表示頻域矩陣水平和垂直方向的坐標(biāo)；
12、頻域矩陣的方向譜，即每一個(gè)頻域像素對應(yīng)的方向角，表示為：
13、；
14、其中，和分別表示影像的行數(shù)和列數(shù)；為第四象限反正切函數(shù)；
15、條帶噪聲方向表示為：
16、；
17、其中，表示按角度進(jìn)行強(qiáng)度求和；表示尋找能使頻譜強(qiáng)度累加值達(dá)到最大的角度。
18、優(yōu)選的，將增強(qiáng)影像進(jìn)行二值化與霍夫變換，得到累積矩陣；根據(jù)條帶噪聲方向和累積矩陣進(jìn)行漸進(jìn)式條帶檢測，得到條帶掩膜包括：
19、定義第輪漸進(jìn)式條帶檢測中，增強(qiáng)影像經(jīng)過二值化得到的影像為影像，則對影像進(jìn)行霍夫變換得到的累積矩陣表示為：
20、；
21、其中，代表霍夫變換函數(shù)；
22、根據(jù)累積矩陣得到歸一化累積矩陣，表示為：
23、；
24、其中，表示點(diǎn)除運(yùn)算；為與相同尺寸的全1矩陣；
25、引入角度容差對條帶噪聲方向進(jìn)行修正，得到候選檢測角度，表示為：
26、；
27、根據(jù)候選檢測角度，分別對累積矩陣和歸一化累積矩陣進(jìn)行峰值檢測，得到候選峰值點(diǎn)集和，表示為：
28、；
29、；
30、其中，表示累積矩陣的行索引；表示霍夫空間累積矩陣中第行對應(yīng)的距離參數(shù)；表示霍夫空間累積矩陣中候選檢測角度的列索引；為用于非極大值抑制的鄰域窗口；表示在內(nèi)尋找能使累積矩陣數(shù)值達(dá)到局部極大值的行索引；
31、和為第輪的檢測閾值，滿足：
32、；
33、?；
34、其中，表示第輪檢測中的比例參數(shù)；表示用于計(jì)算矩陣中最大值的函數(shù)；
35、則第輪條帶檢測合并結(jié)果為：
36、；
37、其中，表示取并集；
38、根據(jù)條帶檢測合并結(jié)果更新影像和比例參數(shù)，并迭代進(jìn)行條帶檢測，直至比例參數(shù)降至預(yù)設(shè)值時(shí)結(jié)束循環(huán)，得到條帶檢測集合和條帶掩膜：
39、；
40、；
41、；
42、；
43、其中，表示對多矩陣進(jìn)行逐元素邏輯或運(yùn)算；表示總迭代輪次；表示第輪迭代的單輪次條帶掩膜結(jié)果；表示直線的寬度容差；表示哈達(dá)瑪積，即矩陣對應(yīng)元素相乘；表示第輪迭代檢測出的條帶噪聲直線的距離參數(shù)。
44、優(yōu)選的，根據(jù)條帶檢測合并結(jié)果更新影像和比例參數(shù)，并迭代進(jìn)行條帶檢測包括：
45、當(dāng)條帶檢測合并結(jié)果，則在影像中移除此輪檢測到的條帶信息，得到下一輪的起始影像，表示為：
46、；
47、根據(jù)影像開啟第輪迭代；
48、當(dāng)條帶檢測合并結(jié)果，則更新影像和比例參數(shù)，得到第輪迭代的起始影像和比例參數(shù)：
49、；
50、；
51、根據(jù)影像和比例參數(shù)開啟第輪迭代。
52、優(yōu)選的，基于形態(tài)學(xué)運(yùn)算將條帶掩膜與原始影像的二值圖對齊后進(jìn)行波段間濾波，得到無噪掩膜；根據(jù)無噪掩膜和原始影像得到噪聲目標(biāo)區(qū)域包括：
53、以0為閾值對原始影像進(jìn)行二值化處理，得到原始影像的二值圖；
54、基于形態(tài)學(xué)運(yùn)算調(diào)整條帶掩膜后與原始影像的二值圖求哈達(dá)瑪積，得到對齊結(jié)果：
55、；
56、其中，代表進(jìn)行膨脹操作；
57、根據(jù)對齊結(jié)果和原始影像得到不受條帶影響的影像：
58、；
59、在波段維度上對影像應(yīng)用中值濾波后進(jìn)行二值化處理，得到無噪掩膜；根據(jù)無噪掩膜和原始影像得到噪聲目標(biāo)區(qū)域：
60、。
61、優(yōu)選的，基于動(dòng)態(tài)窗口和自適應(yīng)校正算法對噪聲目標(biāo)區(qū)域進(jìn)行漸進(jìn)式噪聲校正，得到初始結(jié)果包括：
62、在原始影像上設(shè)置滑動(dòng)窗口，將每個(gè)窗口內(nèi)的像素均劃分為噪聲像素集p與無噪像素集h，其中噪聲像素集p中的像素均屬于噪聲目標(biāo)區(qū)域；若窗口內(nèi)的無噪像素比例低于窗口內(nèi)總像素的40%，則標(biāo)記為無效窗口，否則標(biāo)記為有效窗口；基于自適應(yīng)校正算法，以無噪像素的信息作為參考，在各有效窗口內(nèi)計(jì)算噪聲像素的校正值并進(jìn)行噪聲修復(fù)；當(dāng)本輪循環(huán)結(jié)束時(shí)，將原始影像中已修復(fù)的像素標(biāo)記為無噪像素，更新噪聲目標(biāo)區(qū)域，并進(jìn)入下一輪循環(huán)；迭代循環(huán)，直至原始影像中所有噪聲像素均被修復(fù)完成，得到初始結(jié)果。
63、優(yōu)選的，基于自適應(yīng)校正算法，以無噪像素的信息作為參考，在各有效窗口內(nèi)計(jì)算噪聲像素的校正值并進(jìn)行噪聲修復(fù)包括：
64、對于第個(gè)有效窗口，計(jì)算無噪像素集h與噪聲像素集p的統(tǒng)計(jì)矩，包括：
65、；
66、；
67、；
68、；
69、其中，和表示無噪像素集h的均值和方差；和表示噪聲像素集p的均值和方差；為窗口中無噪像素的個(gè)數(shù)；為窗口中噪聲像素的個(gè)數(shù)；和表示由下標(biāo)和索引到具體范圍的像素；
70、聯(lián)合約束無噪像素集h與噪聲像素集p的統(tǒng)計(jì)矩一致，轉(zhuǎn)化為優(yōu)化問題，包括：
71、；
72、求解優(yōu)化問題，得到唯一解：
73、；
74、根據(jù)唯一解對各噪聲像素進(jìn)行轉(zhuǎn)換，得到修復(fù)結(jié)果：
75、；
76、若同一個(gè)噪聲像素在多個(gè)有效窗口內(nèi)均存在，即在多個(gè)有效窗口內(nèi)均被修復(fù)，則的修復(fù)結(jié)果為多個(gè)修復(fù)結(jié)果的平均：
77、；
78、其中，表示包括噪聲像素的有效窗口總數(shù)；表示所有有效窗口的總數(shù)；表示將噪聲像素在多個(gè)有效窗口內(nèi)的修復(fù)結(jié)果進(jìn)行求和。
79、優(yōu)選的，根據(jù)初始結(jié)果結(jié)合強(qiáng)光源區(qū)域進(jìn)行殘差校正，得到去條帶影像包括：
80、計(jì)算初始結(jié)果的殘差圖：
81、；
82、以0為閾值對殘差圖進(jìn)行二值化處理得到影像；對影像使用開運(yùn)算獲取與影像正常結(jié)構(gòu)相關(guān)區(qū)域的掩膜：
83、；
84、其中，代表腐蝕操作；代表膨脹操作；代表結(jié)構(gòu)元素；
85、根據(jù)強(qiáng)光源區(qū)域、初始結(jié)果、殘差圖和掩膜得到去條帶影像：
86、；
87、；
88、其中，為像素點(diǎn)坐標(biāo)；為原始影像的波段的像素值；為原始影像的波段的像素值；為原始影像的波段的像素值；表示邏輯或運(yùn)算。
89、本發(fā)明還提供了一種檢測引導(dǎo)的夜光遙感影像無規(guī)則條帶噪聲去除裝置，用于本發(fā)明的方法，裝置包括第一模塊、第二模塊、第三模塊和第四模塊；
90、第一模塊用于將原始影像進(jìn)行強(qiáng)光源、無光照和待處理區(qū)域劃分及邊緣增強(qiáng)，得到增強(qiáng)影像；根據(jù)增強(qiáng)影像結(jié)合頻域分析與多約束霍夫變換進(jìn)行條帶噪聲迭代檢測，得到條帶掩膜；
91、第二模塊用于基于形態(tài)學(xué)運(yùn)算將條帶掩膜與原始影像的二值圖對齊后進(jìn)行波段間濾波，得到無噪掩膜；根據(jù)無噪掩膜和原始影像得到噪聲目標(biāo)區(qū)域；
92、第三模塊用于基于動(dòng)態(tài)窗口和自適應(yīng)校正算法對噪聲目標(biāo)區(qū)域進(jìn)行漸進(jìn)式噪聲校正，得到初始結(jié)果；
93、第四模塊用于根據(jù)初始結(jié)果結(jié)合強(qiáng)光源區(qū)域進(jìn)行殘差校正，得到去條帶影像。
94、本發(fā)明具有以下有益效果：
95、本發(fā)明的檢測引導(dǎo)的夜光遙感影像無規(guī)則條帶噪聲去除方法，通過霍夫空間下多條件約束的迭代檢測機(jī)制實(shí)現(xiàn)不規(guī)則破碎條帶的精準(zhǔn)定位，利用掩膜引導(dǎo)的局部窗口完成噪聲像素的自適應(yīng)校正，并結(jié)合夜光影像特有的光源區(qū)域保護(hù)策略對結(jié)果進(jìn)行光譜保真優(yōu)化。與傳統(tǒng)條帶去除方法相比，本發(fā)明的優(yōu)點(diǎn)和有益效果體現(xiàn)在：一方面，對傾斜、斷續(xù)等復(fù)雜形態(tài)條帶具備強(qiáng)魯棒性，在真實(shí)影像中能夠有效保持城市光源等關(guān)鍵地物的結(jié)構(gòu)與亮度特征；另一方面，通過融合局部自校正處理與光源掩膜保護(hù)機(jī)制，在噪聲分布不均、地物亮度差異大的場景下，在去除條帶噪聲、保持影像細(xì)節(jié)和提升視覺質(zhì)量方面具有顯著優(yōu)勢，具有較強(qiáng)的實(shí)用性與工程推廣價(jià)值。綜上所述，本發(fā)明方法能夠充分利用條帶噪聲在空間結(jié)構(gòu)上的分布特征，通過多條件約束機(jī)制，實(shí)現(xiàn)對復(fù)雜條帶噪聲的準(zhǔn)確檢測，并進(jìn)一步結(jié)合局部最優(yōu)化思想，在已檢測區(qū)域內(nèi)進(jìn)行精細(xì)化去噪操作，有效提升去噪的準(zhǔn)確性與魯棒性，能夠有效處理夜光遙感影像中復(fù)雜、不規(guī)則的條帶噪聲。
96、本發(fā)明的檢測引導(dǎo)的夜光遙感影像無規(guī)則條帶噪聲去除裝置，用于本發(fā)明的方法，與本發(fā)明的方法具備相同的有益效果。
97、除了上面所描述的目的、特征和優(yōu)點(diǎn)之外，本發(fā)明還有其它的目的、特征和優(yōu)點(diǎn)。下面將參照附圖，對本發(fā)明作進(jìn)一步詳細(xì)的說明。