高光譜遙感圖像作為近年來快速發(fā)展和廣泛應(yīng)用的遙感成像技術(shù),由于其具有的視野范圍廣、多譜段采集和實時監(jiān)測等特點,在空對地信息采集方面得到廣泛應(yīng)用。但是由于高光譜圖像易受到條帶噪聲的影響,使得高光譜相機采集到的遙感圖像的信息完整性遭到破壞,對信息提取和目標(biāo)識別等后續(xù)圖像數(shù)據(jù)處理造成了較大的困難。對于高幀頻CMOS（Complementary Metal-Oxide-Semiconductor）作為圖像傳感器的高光譜相機,其采集到的高光譜遙感圖像可能受到條帶噪聲的影響較嚴(yán)重且噪聲分布不規(guī)律。因此本文的主要研究內(nèi)容就是針對基于CMOS傳感器的高光譜遙感圖像,提出性能優(yōu)越且去噪效果更佳的非均勻性校正算法。本文首先介紹了高光譜遙感圖像條帶噪聲非均勻性校正的研究背景與意義,并總結(jié)了目前國內(nèi)外的研究發(fā)展現(xiàn)狀,然后針對高光譜遙感圖像的成像特點,分析了條帶噪聲的產(chǎn)生原因和表現(xiàn)特征,緊接著分析了噪聲的退化模型,明確了圖像非均勻性校正的主、客觀評價標(biāo)準(zhǔn)。其次在空域內(nèi),針對移動窗口矩匹配算法的特點與不足,基于窗口閾值判決提出了一種改進(jìn)的移動窗口矩匹配算法,進(jìn)一步抑制條帶噪聲。最后,基于聯(lián)合空域與變換域的思想,結(jié)... 

【文章來源】：中國科學(xué)院大學(xué)(中國科學(xué)院長春光學(xué)精密機械與物理研究所)吉林省

【文章頁數(shù)】：65 頁

【學(xué)位級別】：碩士

【部分圖文】：

高光譜遙感圖像譜段維度示意圖

基于CMOS傳感器的高光譜遙感圖像非均勻性校正技術(shù)研究2題研制的基于高幀頻CMOS傳感器的某高光譜相機。圖1.2某CMOS高光譜相機Figure1.2CMOShyperspectralcamera綜上分析，條帶噪聲不可避免的存在于高光譜圖像中而且是隨機不同程度的分布在各個光譜圖像中，這對高光譜遙感圖像的質(zhì)量造成了嚴(yán)重影響，使后續(xù)的目標(biāo)信息的提取與圖像融合難以處理，與此同時對于高光譜遙感圖像的推廣應(yīng)用和實用價值也造成了不同程度的限制。目前針對高光譜遙感圖像中的條帶噪聲的解決方案主要包括兩種：性能高效的硬件電路設(shè)計和高效的條帶噪聲非均勻性校正算法。從硬件電路設(shè)計方面的解決條帶噪聲，一般就需要選擇感光面積更大的光譜傳感器和更加高效精確的光譜成像儀系統(tǒng)，這樣就給相機結(jié)構(gòu)設(shè)計帶來了較大的體積壓力，同時也產(chǎn)生了較大的經(jīng)濟(jì)預(yù)算壓力。如果利用算法來去除條帶噪聲，就可以減少結(jié)構(gòu)設(shè)計體積帶來的壓力和經(jīng)濟(jì)預(yù)算；通過設(shè)計較為高效的預(yù)處理非均勻性校正算法來抑制高光譜遙感圖像存在的條帶噪聲，進(jìn)而獲得高質(zhì)量的高光譜遙感圖像，為后續(xù)的處理和分析提供更為準(zhǔn)確的圖像數(shù)據(jù)。目前針對高光譜遙感圖像條帶噪聲的去除已經(jīng)提出了較多的算法，但是這些算法不同程度的具有一些局限性，包括算法復(fù)雜度較高、實時性處理較差、應(yīng)用局限性較大等缺陷，因此有必要提出低復(fù)雜度、適用性廣、非均勻性校正效果更佳的去條帶算法，本文將針對CMOS傳感器的高光譜遙感圖像的非均勻性校正開展研究，在抑制條帶噪聲的同時，保持圖像的邊緣信息，提高圖像的顯示效果，便于目標(biāo)信息的識別與獲齲

基于CMOS傳感器的高光譜遙感圖像非均勻性校正技術(shù)研究12于不同的掃描方式和成像單元相應(yīng)的不同，在同一幅遙感圖像中隨機分布或周期性的分布不同像素寬度的條帶噪聲。對于高光譜遙感相機而言，不同譜段采集到的高光譜遙感圖像噪聲的寬度也可能存在差別，且噪聲位置也可能不同。圖2.1帶條帶噪聲的遙感圖像Figure2.1Remotesensingimagewithstripenoise（3）表現(xiàn)為行方向或列方向分布對于遙感相機成像系統(tǒng)傳感器的成像機制與成像的掃描方式而言,產(chǎn)生條帶噪聲的原因主要是各個圖像傳感器的響應(yīng)不一致造成某行或某列灰度值響應(yīng)差異較大，與此同時由于遙感相機采用掃描的成像方式，因此造成遙感相機獲得的遙感數(shù)據(jù)帶有的條帶噪聲為行或列方向分布，而且整幅圖像的條帶噪聲始終保持在行方向或列方向上。為了更好的觀察遙感圖像的條帶噪聲，本論文選取某衛(wèi)星高光譜相機的遙感圖像作為實驗樣本圖像，圖2.2為該高光譜相機在軌拍攝的圖像數(shù)據(jù)，圖2.3和圖2.4分別是該高光譜遙感圖像的一級、二級小波分解圖像。其中A表示圖像分解后的主要信息圖像數(shù)據(jù)且包含少數(shù)條帶噪聲，H表示分解后圖像的水平信息圖像數(shù)據(jù)，V表示分解后圖像的垂直信息圖像數(shù)據(jù)即條帶噪聲主要分布的圖像，D表示分解后圖像的對角線信息圖像數(shù)據(jù)。由圖2.3和2.4可以很直觀的觀察條帶噪聲的分布特點：列方向直線分布。

【參考文獻(xiàn)】：
期刊論文
[1]遙感影像條帶噪聲去除的小波變分法[J]. 王昶,張永生,王旭,紀(jì)松.  測繪學(xué)報. 2019(08)
[2]采用變分法的遙感影像條帶噪聲去除[J]. 王昶,王旭,紀(jì)松.  西安交通大學(xué)學(xué)報. 2019(03)
[3]基于列相關(guān)的熱紅外高光譜遙感圖像非均勻性校正[J]. 李忠原,劉成玉,邵紅蘭,謝鋒.  紅外. 2018(08)
[4]基于低通濾波殘差圖的高光譜條帶噪聲去除[J]. 鞠薈薈,劉志剛,姜江軍,汪洋.  光學(xué)學(xué)報. 2018(12)
[5]頻域濾波與直方圖匹配相結(jié)合的條帶噪聲去除法[J]. 羅敏,康一飛,潘勵.  地理空間信息. 2018(07)
[6]一種改進(jìn)的超寬條帶噪聲消除算法[J]. 黃世奇,張玉成,王榮榮,劉哲.  計算機應(yīng)用研究. 2018(06)
[7]遙感圖像條帶噪聲的多尺度變分模型去除[J]. 霍麗君,何斌,周達(dá)標(biāo).  光學(xué)精密工程. 2017(01)
[8]高光譜圖像處理與信息提取前沿[J]. 張兵.  遙感學(xué)報. 2016(05)
[9]基于自適應(yīng)單向變分的高光譜圖像去條帶方法[J]. 劉亞梅.  激光與光電子學(xué)進(jìn)展. 2016(09)
[10]基于空間自適應(yīng)變分的條帶噪聲去除方法[J]. 劉亞梅.  激光與紅外. 2016(05)

博士論文
[1]光學(xué)遙感影像復(fù)雜條帶噪聲的變分處理方法研究[D]. 劉欣鑫.武漢大學(xué) 2018

碩士論文
[1]高光譜圖像條帶噪聲消除方法研究[D]. 常威威.西北工業(yè)大學(xué) 2007



本文編號：3474566