一种卫星影像条带噪声去除方法及装置与流程

技术特征：

1.一种卫星影像条带噪声去除方法，其特征在于，所述方法包括：

统计所述卫星影像的灰度直方图，并对所述灰度直方图进行预处理，以消除由于传感器异常带来的干扰；

利用高斯混合模型对预处理后的灰度直方图进行拟合；

基于拟合得到的高斯混合模型，将所述卫星影像分割为至少一个子影像；

确定各个所述子影像中每一列像素的灰度均值参考值和灰度标准差参考值，并根据所述灰度均值参考值和所述灰度标准差参考值对各个所述子影像进行修复；

将修复后的各个所述子影像通过灰度叠加的方式进行合成，得到去除条带噪声的卫星影像。

2.根据权利要求1所述的方法，其特征在于，对所述灰度直方图进行预处理具体包括：

从所述灰度直方图的左右两端分别去除预设数量的边缘像素，得到所述灰度直方图的主体区间；

采用具备预设尺寸的窗口对所述灰度直方图的主体区间进行曲线平滑处理，得到平滑处理后的灰度直方图。

3.根据权利要求1所述的方法，其特征在于，所述高斯混合模型中包括至少一个高斯分量，各个所述高斯分量由均值系数、标准差系数以及权重系数确定；其中，各个所述高斯分量中的均值系数、标准差系数以及权重系数通过下述方式确定：

在所述预处理后的灰度直方图中确定至少一个极值点，并记录各个所述极值点的横坐标；

在相邻的所述极值点之间确定所述灰度直方图中的谷值点，并记录各个所述谷值点的横坐标；

根据所述预处理后的灰度直方图、各个极值点的横坐标以及各个谷值点的横坐标，分别确定所述均值系数、标准差系数以及权重系数的初始值；

构建与各个所述高斯分量相关的最大似然模型方程组，并基于所述均值系数、标准差系数以及权重系数的初始值进行迭代计算，直至迭代结果中的均值系数、标准差系数以及权重系数均满足预设收敛条件为止。

4.根据权利要求3所述的方法，其特征在于，按照下述公式确定所述均值系数、标准差系数以及权重系数的初始值：

$\left\{\begin{array}{c}{{\mathrm{\τ}}_m}^{\left(0\right)}=\underset{x=V_m}{\overset{V_{m+1}}{\mathrm{\Σ}}}h\left(x\right)\\ {{\mathrm{\μ}}_m}^{\left(0\right)}=P_m\\ {\mathrm{\σ}}_m^{2\left(0\right)}=\underset{x=V_m}{\overset{V_{m+1}}{\mathrm{\Σ}}}\left\{{\[x-{{\mathrm{\μ}}_m}^{\left(0\right)}\]}^{2}h\left(x\right)\right\}/{{\mathrm{\τ}}_m}^{\left(0\right)}\end{array}\right.$

其中，τ_m⁽⁰⁾表示第m个高斯分量中权重系数的初始值，h(x)表示所述预处理后的灰度直方图，x表示所述预处理后的灰度直方图中的像素灰度值，V_m表示第m个谷值点的横坐标，μ_m⁽⁰⁾表示第m个高斯分量中均值系数的初始值，P_m表示第m个极值点的横坐标，表示第m个高斯分量中标准差系数的初始值。

5.根据权利要求4所述的方法，其特征在于，按照下述公式构建与各个所述高斯分量相关的最大似然模型方程组以及进行迭代计算：

$\left\{\begin{array}{c}{R_m}^{\left(t\right)}=\frac{{{\mathrm{\τ}}_m}^{\left(t\right)}p\left(x\right|{{\mathrm{\μ}}_m}^{\left(t\right)},{{\mathrm{\σ}}_m}^{\left(t\right)})}{\underset{m=1}{\overset{M}{\mathrm{\Σ}}}\[{{\mathrm{\τ}}_m}^{\left(t\right)}p\left(x\right|{{\mathrm{\μ}}_m}^{\left(t\right)},{{\mathrm{\σ}}_m}^{\left(t\right)})\]}\\ {{\mathrm{\τ}}_m}^{(t+1)}=\underset{x=X_{\min }}{\overset{X_{\max }}{\mathrm{\Σ}}}\[h\left(x\right){R_m}^{\left(t\right)}\]\\ {{\mathrm{\μ}}_m}^{(t+1)}=\underset{x=X_{\min }}{\overset{X_{\max }}{\mathrm{\Σ}}}\[xh\left(x\right){R_m}^{\left(t\right)}\]/\underset{x=X_{\min }}{\overset{X_{\max }}{\mathrm{\Σ}}}\[h\left(x\right){R_m}^{\left(t\right)}\]\\ {\mathrm{\σ}}_m^{2(t+1)}=\underset{x=X_{\min }}{\overset{X_{\max }}{\mathrm{\Σ}}}\left\{{\[x-{{\mathrm{\μ}}_m}^{\left(t\right)}\]}^{2}h\left(x\right){R_m}^{\left(t\right)}\right\}/\underset{x=X_{\min }}{\overset{X_{\max }}{\mathrm{\Σ}}}\[h\left(x\right){R_m}^{\left(t\right)}\]\end{array}\right.$

其中，R_m^(t)表示第m个高斯分量在第i次迭代计算时对应的最大似然函数，τ_m^(t)表示第i次迭代计算时第m个高斯分量中的权重系数值，p(x|μ_m^(t),σ_m^(t))表示第i次迭代下的第m个高斯分量，M为高斯分量的总个数，μ_m^(t)表示第i次迭代计算时第m个高斯分量中的均值系数值，σ_m^(t)表示第i次迭代计算时第m个高斯分量中的标准差系数值，X_min表示所述预处理后的灰度直方图中像素灰度值的极低值，X_max表示所述预处理后的灰度直方图中像素灰度值的极高值。

6.根据权利要求3所述的方法，其特征在于，基于拟合得到的高斯混合模型，将所述卫星影像分割为至少一个子影像具体包括：

根据各个高斯分量中的均值系数和标准差系数，确定各个高斯分量的主体区间；

判断相邻两个高斯分量的主体区间是否有交集；若有，将两个高斯分量相交的交点横坐标确定为一个分割阈值；

通过确定的所述分割阈值，将所述卫星影像分割为至少一个子影像。

7.根据权利要求1所述的方法，其特征在于，确定各个所述子影像中每一列像素的灰度均值参考值和灰度标准差参考值具体包括：

根据子影像中像素的总列数，确定最小窗口、最大窗口以及初始窗口中各个窗口的宽度；

分别利用所述最小窗口和最大窗口从左至右滑过子影像，记录每一时刻各个窗口内所有列像素的灰度均值的标准差，并基于记录的每一时刻对应的灰度均值的标准差，确定标准差上限和标准差下限；

计算所述初始窗口内所有列像素的灰度均值的标准差，并将计算的标准差与所述标准差上限以及所述标准差下限分别进行比对，并根据对比结果对所述初始窗口的宽度进行调整，得到调整后的当前窗口；

按照下述公式确定各个所述子影像中每一列像素的灰度均值参考值和灰度标准差参考值：

$\left\{\begin{array}{c}{\mathrm{\μ}}_{fj}=\underset{j=c_l}{\overset{c_r}{\mathrm{\Σ}}}{\mathrm{\ω}}_j{\mathrm{\μ}}_j/\underset{j=c_l}{\overset{c_r}{\mathrm{\Σ}}}{\mathrm{\ω}}_j\\ {\mathrm{\σ}}_{fj}=\underset{j=c_l}{\overset{c_r}{\mathrm{\Σ}}}{\mathrm{\ω}}_j{\mathrm{\σ}}_j/\underset{j=c_l}{\overset{c_r}{\mathrm{\Σ}}}{\mathrm{\ω}}_j\\ {\mathrm{\ω}}_j=\exp \[-\frac{2{(j-c_m)}^2}{{(c_r-c_l)}^2}\]\end{array}\right.$

其中，μ_fj表示第j列像素的灰度均值参考值，μ_j第j列像素的实际灰度均值，σ_fj表示第j列像素的灰度标准差参考值，σ_j表示第j列像素的实际灰度标准差，c_r表示当前窗口最右侧像素的列号，c_l表示当前窗口最左侧像素的列号，c_m表示当前窗口中心列像素的列号。

8.根据权利要求7所述的方法，其特征在于，按照下述公式对各个所述子影像进行修复：

$G_{ij}=\frac{{\mathrm{\σ}}_{fj}}{{\mathrm{\σ}}_j}{g}_{ij}+{\mathrm{\μ}}_{fj}-{\mathrm{\μ}}_j\frac{{\mathrm{\σ}}_{fj}}{{\mathrm{\σ}}_j}$

其中，G_ij表示子影像中第i行第j列像素修复后的灰度值，g_ij表示子影像中第i行第j列像素修复前的灰度值。

9.一种卫星影像条带噪声去除装置，其特征在于，所述装置包括：

预处理单元，用于统计所述卫星影像的灰度直方图，并对所述灰度直方图进行预处理，以消除由于传感器异常带来的干扰；

拟合单元，用于利用高斯混合模型对预处理后的灰度直方图进行拟合；

子影像分割单元，用于基于拟合得到的高斯混合模型，将所述卫星影像分割为至少一个子影像；

修复单元，用于确定各个所述子影像中每一列像素的灰度均值参考值和灰度标准差参考值，并根据所述灰度均值参考值和所述灰度标准差参考值对各个所述子影像进行修复；

合成单元，用于将修复后的各个所述子影像通过灰度叠加的方式进行合成，得到去除条带噪声的卫星影像。

10.根据权利要求9所述的装置，其特征在于，所述高斯混合模型中包括至少一个高斯分量，各个所述高斯分量由均值系数、标准差系数以及权重系数确定；相应地，所述拟合单元具体包括：

极值点横坐标记录模块，用于在所述预处理后的灰度直方图中确定至少一个极值点，并记录各个所述极值点的横坐标；

谷值点横坐标记录模块，用于在相邻的所述极值点之间确定所述灰度直方图中的谷值点，并记录各个所述谷值点的横坐标；

初始值确定模块，用于根据所述预处理后的灰度直方图、各个极值点的横坐标以及各个谷值点的横坐标，分别确定所述均值系数、标准差系数以及权重系数的初始值；

迭代模块，用于构建与各个所述高斯分量相关的最大似然模型方程组，并基于所述均值系数、标准差系数以及权重系数的初始值进行迭代计算，直至迭代结果中的均值系数、标准差系数以及权重系数均满足预设收敛条件为止。