改進的矩匹配遙感影像條帶噪聲去除方法研究與實現

楊冀紅，戰 鷹，史良樹，張 超

(1．中國土地勘測規劃院，北京100035;2．中國農業大學 信息與電氣工程學院，北京100083)

一、引 言

在遙感傳感器成像過程中，條帶噪聲是一種周期性的重復出現于影像中的噪聲現象，它往往是由于傳感器CCD光學性質的差異、掃描機械運動、傳感器平臺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用，需要首先對影像進行去條帶處理。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的，所以可通過構造消除一定頻率特征的濾波器來濾除條帶噪聲[2，3]，這種方法的優點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、目標識別等影像應用;第2種方法，基于假設每個傳感器單元獲得的影像具有統計一致性，根據每個傳感器單元獲得的影像子集的DN(digital number)統計分布，并根據某一參考的分布對其進行調整，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。文獻[7]將直方圖匹配和濾波結合。文獻[1，8，9]研究了矩匹配及其改進方法，該方法可以減少這種邊界效應[6]。本文首先對矩匹配方法進行了改進，并在VC++6．0下實現了改進的矩匹配方法，以IRS影像為例，與均值歸一化方法進行了條帶噪聲去除效果對比分析。

二、均值歸一化方法

該方法假定傳感器掃描成像是在無任何輻射影響的理想狀態下，并且掃描獲取的影像數據足夠長時，各不同視場角在飛行方向的一列數據的均值應該相等或相近[5]。而一般的遙感影像滿足前兩項假設。

該方法對影像在遙感衛星或航拍飛機飛行方向(列)進行累加并求平均，得到垂直飛行方向的每一個探測器像素的統計平均值，根據飛行方向的統計相似性，認為垂直飛行方向的每個像素的統計均值是相等的。所以，可以認為該統計均值便是垂直于飛行方向的每個像素的輻射響應，對統計均值進行歸一化處理，便可得到輻射校正的結果，同時去除了影像的條帶噪聲。具體算法如下。

遙感衛星傳感器掃描獲得的某波段影像為

式中，n為影像列數;m為影像行數。對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。以綜合趨勢M為依據，以每個傳感器單元獲得影像的均值的中值mmiddle為標準，即以m1，m2，…，mm的中值為標準，對其余各列像元進行輻射校正。則有校正后某波段影像為

三、改進的矩匹配方法

在遙感傳感器掃描成像過程中，如果每一個傳感器感應單元感應的DN值和實際輻射量之間的差異可以用增益和偏差來表示，這時DN值和實際輻射量之間是一種線性關系。這樣，可以對每一個傳感器單元獲得的一列數據用均值作為偏差和標準差作為增益來調整，這就是矩匹配方法[1，8]。矩匹配方法也對影像數據有一個基本的假定條件：理想成像條件下，只要影像在飛行方向有足夠多的掃描線，可以認為影像矩陣在飛行掃描方向的每列數據的統計均值和標準差是相等的，即飛行方向每列數據的均值(偏差)和標準差(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，還考慮了標準差的差異，與實際誤差產生的情況更吻合。

對于任意一個波段的遙感影像，可以計算飛行方向一列數據(一個波段)的輻射值/DN值的均值和標準差，而將標準差等效為輻射響應的增益，將均值等效為偏差，如公式(4)所示

本文對具體參數計算方法進行了改進。在計算每列數據直方圖的基礎上，按一定比例去除直方圖兩端異常數據，然后計算每列的均值和標準差。對每列的均值和標準差進行排序，中間值作為校正的參考均值和標準差。

四、方法實現與對比分析

本文在VC++6．0下實現了均值歸一化和改進的矩匹配的條帶噪聲的去除算法。改進的矩匹配的算法實現過程如下：

1)讀取有條帶噪聲影像，得到一個影像數據矩陣;

2)去除相關的輔助數據及無效數據;

3)計算飛行方向各列數據直方圖，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，得到每列數據的直方圖;

4)去除直方圖低端和高端各1%的數據，如果異常數據概率較大，增大到2%;

5)針對每一個直方圖，計算截取后直方圖的均值和標準差;

6)將計算的均值和標準差數據進行排序，取均值和標準差的中間值為參考的均值和標準差;

7)利用均值和標準差數據進行校正，具體計算公式如式(4)所示;

8)將去除條帶噪聲輻射校正好的影像數據輸出文件。

改進的矩匹配方法在VC++6．0下實現的流程圖如圖1所示。

本文所采用的數據是2000年5月23日獲取的北京市房山地區的印度遙感衛星(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果，可以看出影像中的條帶噪聲已經基本去除，但是影像的左下角和實際不符的病態斑塊，而且影像右側整體變暗，影響影像整體視覺效果。從圖4中的直方圖中也可以看出，均值歸一化方法處理結果出現了一些零值。圖4為改進的矩匹配方法處理后的結果影像，在很好地去除了條帶噪聲的同時，克服了均值歸一化方法的缺陷。圖5為三者的統計直方圖，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為經過改進的矩匹配方法處理后的影像直方圖。改進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，對影像進行了輻射校正，得到拉伸后的輻射亮度。從圖4可以看出，經過改進的矩匹配方法處理后的影像的統計直方圖的形狀相似于處理前，都接近于正態分布。所以，經過改進的矩匹配方法處理，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果

圖4 矩陣匹配方法的去噪的結果

五、結束語

由于探測器各像元的非均勻響應，造成了影像條帶噪聲。這種現象在衛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下實現了基于統計一致性的均值歸一化方法和改進的矩匹配方法，通過對有條帶噪聲的IRS影像的處理效果的對比分析，對去除條帶噪聲和影像的光譜特征進行綜合考慮，得出改進的矩匹配方法更優。該算法不但可以用于遙感影像的去條帶噪聲，同時也可用于去除普通CCD掃描儀由于探測單元的不均勻響應造成的掃描影像條帶噪聲。

圖5 三者對比直方圖

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

[2]石光明，王曉甜，張犁，等．基于方向濾波器消除遙感圖像孤立條帶噪聲的方法[J]．紅外與毫米波學報，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]．國土資源遙感，2012，93(2)：45-49．

[5]劉良云．高光譜遙感在精準農業中的應用研究[R]．北京：中國科學院遙感應用研究所，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，劉團結，丁赤飚，等．一種直方圖匹配和線性空間濾波相結合的條帶噪聲去除方法[J]．測繪科學，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算法[J]．測繪科學，2009，37(5)：265-267．

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