【技術實現步驟摘要】
本專利技術屬于數字影像處理，涉及一種基于空間特性的自適應條帶噪聲去除方法。其中，條帶噪聲主要存在于焦平面由多片ccd拼接的遙感成像系統中。
技術介紹
1、遙感技術具有探測范圍大、受地面條件限制少、獲取信息量大等優點，已成為獲取地物信息的重要手段，被廣泛用于軍事偵察、巡航制導、資源勘察、國土測繪、環境監測等領域。隨著遙感技術和計算機技術的發展，大視場寬覆蓋已成為高性能遙感相機的重要指標要求，然而受技術和工藝水平的限制，單片傳感器電荷耦合元件(charge-coupled?device，ccd)芯片的成像像元數無法滿足系統要求，常采用多片ccd進行機械拼接組成大型焦平面。但多片ccd之間存在輻射響應非均勻性和不同行或列讀出電路不一致等問題，導致獲取的影像出現明暗相間分布的條帶噪聲，該噪聲不同于遙感影像中的其它噪聲，具有非常顯著的結構化分布特性，對遙感影像原始特征結構破壞性大，直接影響遙感影像的判斷和后續處理。因此，深入研究影像條帶噪聲去除方法具有重要的理論與實際應用價值。
2、假設影像f∈l2(ω)，條帶噪聲為加性噪聲，則影像退化模型為：
3、f(i,j)＝u(i,j)+n(i,j)
4、其中f(i,j),i＝1,2,…,m,j＝1,2,…,n為遙感相機獲取的實際觀測影像；u(i,j)為原始影像，是待求解量；n(i,j)為條帶噪聲。
5、迄今為止，國內外學者提出了許多去除影像條帶噪聲求解原始影像u的方法，可以分為三類：基于統計匹配的方法、基于濾波的方法和基于變分優化的方法。基于統計匹配
6、總體來說，基于變分優化的方法具備很強的靈活性，可以通過模型設計提升算法的去噪性能和適用范圍，因此在影像復雜條帶噪聲去除的問題上，具有重要的研究意義和前景。基于變分優化的方法在數值求解方面計算過程相對復雜，但優化算法及優化模型的不斷發展為變分方法的實現奠定了良好的基礎。分裂bregman迭代法(tom?goldstein?andstanley?osher.the?split?bregman?method?for?l1-regularized?problems.siamjournal?on?imaging?sciences.2009(2):323-343.)是求解變分方法最有效的方法，其基本思想是引入輔助變量，替換原變分去噪模型中較難處理部分，從而簡化變分去噪模型的求解，再通過添加懲罰項替換等式約束，保證新線性變分去噪模型與原變分去噪模型同解，最后采用交替最小方法求解新線性變分校正模型。
7、目前基于變分優化的條帶噪聲去除方法雖取得一定的研究成果，但仍然存在著一些問題和不足。utv、hutv和utv-stokes變分去噪模型對正則化約束權重一致，即變分去噪模型對影像紋理區域和條帶噪聲區域賦予一樣的權重，導致去除條帶噪聲后影像細節模糊；sautv變分去噪模型采用自適應正則化權重，即在影像紋理區域施加較小的正則化約束保持影像的特征，而在條帶噪聲區域施加較大的正則化約束，能夠去除強弱相同的多條條帶噪聲，但會將條帶噪聲劃為影像紋理，導致去噪后存在殘留條帶噪聲和丟失影像細節信息。
技術實現思路
1、(一)專利技術目的
2、本專利技術的目的是：針對現有技術存在的不足之處，提出一種基于空間特性的自適應條帶噪聲去除方法，在去除強弱不同的多條條帶噪聲的同時，有效保持影像本身的邊緣細節信息。
3、(二)技術方案
4、為了解決上述技術問題，本專利技術提供基于空間特性的自適應條帶噪聲去除方法，利用遙感成像探測系統獲取噪聲圖像f作為觀測影像，且大小為m×n；根據觀測影像空間特征構建自適應權重函數w(i,j)；構造關于原始影像u的自適應變分去噪模型e(u)，通過權重函數w(i,j)自適應控制變分去噪本文檔來自技高網...
【技術保護點】
1.一種基于空間特性的自適應條帶噪聲去除方法，其特征在于，利用遙感成像探測系統獲取噪聲圖像f作為觀測影像，且大小為M×N；根據觀測影像空間特征構建自適應權重函數w(i,j)；構造關于原始影像u的自適應變分去噪模型E(u)，通過權重函數w(i,j)自適應控制變分去噪模型E(u)中懲罰項在不同像素點的約束強度，在條帶噪聲處施加較大的約束去除噪聲，而在影像紋理處施加較小的約束保持觀測影像f的特性；采用L1范數對沿條帶方向的局部平滑性進行約束保持條帶噪聲n(i,j)在其延伸方向上的平滑特性；并采用L2范數對影像灰度進行約束u-f2；然后根據分裂Bregman迭代法引入輔助變量d1和d2，將非線性的變分去噪模型E(u)轉化成線性的變分去噪模型E′(u)；最后利用交替最小化方法求解上述線性變分去噪模型E′(u)得到去噪影像最優解其中M和N為自然數，1≤i≤M,1≤j≤N，i和j分別為給定像素在x軸和y軸的坐標值，均為自然數。
2.如權利要求1所述的基于空間特性的自適應條帶噪聲去除方法，其特征在于，根據觀測圖像空間特征構建自適應權重函數w(i,j)的過程為：
3.如權利
4.如權利要求3所述的基于空間特性的自適應條帶噪聲去除方法，其特征在于，構建的自適應權重函數其中k是一個控制空間信息參與程度的非負參數，D(i,j)為局部絕對差值，S(i,j)為平衡因子。
5.如權利要求4所述的基于空間特性的自適應條帶噪聲去除方法，其特征在于，利用自適應權重函數w(x,y)構造關于原始影像u的自適應變分去噪模型E(u)：
6.如權利要求5所述的基于空間特性的自適應條帶噪聲去除方法，其特征在于，利用分裂Bregman迭代法計算變分去噪模型E(u)得到去噪影像u，包括以下過程：
7.如權利要求6所述的基于空間特性的自適應條帶噪聲去除方法，其特征在于，通過交替最小化方法求解變分去噪模型E′(u)，具體步驟如下：
8.如權利要求7所述的基于空間特性的自適應條帶噪聲去除方法，其特征在于，對去噪影像uk+1取整得到去噪圖像灰度圖像uint()表示8位取整運算，彩色圖像uint()表示對R、G和B三通道8位取整運算。
9.一種基于權利要求1-8中任一項所述的自適應條帶噪聲去除方法在多片CCD拼接焦平面的遙感成像系統條帶噪聲去除中的應用。
10.一種基于權利要求1-8中任一項所述的自適應條帶噪聲去除方法在數字影像處理技術領域中的應用。
...【技術特征摘要】
1.一種基于空間特性的自適應條帶噪聲去除方法，其特征在于，利用遙感成像探測系統獲取噪聲圖像f作為觀測影像，且大小為m×n；根據觀測影像空間特征構建自適應權重函數w(i,j)；構造關于原始影像u的自適應變分去噪模型e(u)，通過權重函數w(i,j)自適應控制變分去噪模型e(u)中懲罰項在不同像素點的約束強度，在條帶噪聲處施加較大的約束去除噪聲，而在影像紋理處施加較小的約束保持觀測影像f的特性；采用l1范數對沿條帶方向的局部平滑性進行約束保持條帶噪聲n(i,j)在其延伸方向上的平滑特性；并采用l2范數對影像灰度進行約束u-f2；然后根據分裂bregman迭代法引入輔助變量d1和d2，將非線性的變分去噪模型e(u)轉化成線性的變分去噪模型e′(u)；最后利用交替最小化方法求解上述線性變分去噪模型e′(u)得到去噪影像最優解其中m和n為自然數，1≤i≤m,1≤j≤n，i和j分別為給定像素在x軸和y軸的坐標值，均為自然數。
2.如權利要求1所述的基于空間特性的自適應條帶噪聲去除方法，其特征在于，根據觀測圖像空間特征構建自適應權重函數w(i,j)的過程為：
3.如權利要求2所述的基于空間特性的自適應條帶噪聲去除方法，其特征在于，局部絕對差值尺度為3×7，σ＝1。
4.如權利...
【專利技術屬性】
技術研發人員：左芝勇，王升哲，崔雨勇，鄭杰，吳鐘建，楊川，楊曉，張巍，劉亞，關煒，顏小紅，康鵬新，任亮，唐中和，張毅，
申請(專利權)人：西南技術物理研究所，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。