专利名称：一种高光谱图像Keystone效应自动检测方法
技术领域：
本发明涉及一种高光谱图像Keystone效应自动检测方法,属于工程科学技术中的遥感技术应用领域，适用于高光谱数据预处理。
背景技术：
高光谱成像仪是一种新型的遥感载荷，可以利用面阵探测器同时记录被测地物的光谱和空间信息特征。由于准直系统的像差、色散系统的空间畸变等原因，目标像元的光谱在探测器阵列成像时，同一目标像元各个谱段对应的空间位置并未完全聚焦在探测器阵列上负责记录空间信息特征的探测器单元，造成像元位置发生了偏移，称之为Keystone效 应，它能使得探测器记录的光谱不仅包含目标像元的特征，而且包含邻近像元的特征，从而产生混合光谱，为数据的后续应用带来不便。现有的检测方法主要基于图像的几何特征匹配，首先选取一个波段作为参考波段，并在其图像上根据边缘信息的丰度确定模板，其次将目标波段图像上与参考模板相同位置的图像作为目标模板，最后通过模板之间的空间特征相关性度量，获得各波段图像相对于参考波段图像的像元偏移。该方法能够检测空间像元偏移量，但由于高光谱图像波段较多，几何特征可能在某些波段中呈现较高的对比度且易于辨识，在某些波段中的对比度则较低。若依据参考模板的位置选取目标模板，其几何特征可能并不显著，边缘信息较稀疏，则模板间的匹配精度就会大大降低，检测的像元偏移量误差增大。同时选取参考波段时需要人工操作，其实现效率较低。
发明内容
本发明的目的在于克服现有技术的不足，提供一种高精度的Keystone效应自动检测方法。本发明的技术解决方案为一种利用互相关亚像元定位实现高精度的高光谱图像Keystone效应自动检测方法，该方法主要根据图像信噪比自动选择参考波段图像，通过计算局部边缘密度实现参考模板和目标模板的选取，最后利用互相关匹配进行亚像元定位，检测像元偏移量，从而实现Keystone效应的自动检测。互相关亚像元定位主要通过数值拟合由互相关函数所形成的峰值分布曲面而完成，其中互相关函数采用标准化互相关函数，并且在本发明中为了避免由于目标模板边缘信息稀疏而降低匹配精度，加入阈值的决策使得模板最优。本发明一种高光谱图像Keystone效应自动检测方法,其步骤如下步骤一读入高光谱数据，并设定掩模尺寸；步骤二 计算图像信噪比，并自动选择参考波段图像；步骤三掩模的中心依次遍历参考波段图像中所有像元位置，计算该像元位置上各个掩模图像的局部边缘密度；遍历时，保持中心点的横坐标与待检测像元位置一致；步骤四根据步骤三所得每个像元位置上各个掩模图像的局部边缘密度，选择局部边缘密度最大的掩模图像作为参考模板；步骤五根据步骤四所得参考模板，计算目标波段图像上与参考模板同位置图像的局部边缘密度；步骤六根据自适应阈值和步骤五所得图像的局部边缘密度，判断此图像是否为目标模板；步骤七利用模板之间的互相关匹配进行亚像元定位，实现Keystone效应的检测。其中，步骤二中，利用图像均值代表信号值，图像的局部标准差代表噪声值，将二者的比值作为图像信噪比；选择图像信噪比最大的图像作为参考波段图像。其中，步骤三中，该像元位置上各个掩模图像的局部边缘密度计算公式如下
D(i, 7) = X Z F(^ + mJ + n)
L m=0 n=0式中，D(i，j)是以像元(i，j)为左上角、大小为L*L区域的局部边缘密度；L表示掩模图像的尺寸；F是边缘提取后的二值化图像；为了保证对掩模图像中的所有像元进行处理，采用 m = 0,1,2. , L-I 和 n = 0,1,2. , L-I 遍历图像。其中，步骤六中所述判断图像模板是否为目标图像模板，具体实现方式包括如下步骤，步骤六.1，根据自适应阈值和局部边缘密度，判断图像是否是目标模板，是则判断该模板是目标模板，否则进入步骤六.2。步骤六.2，掩模的中心依次遍历目标波段图像中所有像元位置，计算该像元位置上各个掩模图像的局部边缘密度；遍历时，保持中心点的横坐标与待检测像元位置一致；选择局部边缘密度最大的掩模图像作为目标模板，并在参考波段图像上选择与目标模板同位置的图像作为参考模板。其中，步骤七中所述的亚像元定位是利用数值拟合由互相关函数所形成的峰值分布曲面而完成的；假设参考模板为T，目标模板为S，其尺寸大小都为L*L，标准化互相关函数定义如下
权利要求
1.一种高光谱图像Keystone效应自动检测方法,其特征在于该方法具体步骤如下 步骤一读入高光谱数据，并设定掩模尺寸； 步骤二 计算图像信噪比，并自动选择参考波段图像； 步骤三掩模的中心依次遍历参考波段图像中所有像元位置，计算该像元位置上各个掩模图像的局部边缘密度；遍历时，保持中心点的横坐标与待检测像元位置一致； 步骤四根据步骤三所得每个像元位置上各个掩模图像的局部边缘密度，选择局部边缘密度最大的掩模图像作为参考模板； 步骤五根据步骤四所得参考模板，计算目标波段图像上与参考模板同位置图像的局部边缘密度； 步骤六根据自适应阈值和步骤五所得图像的局部边缘密度，判断此图像是否为目标模板； 步骤七利用模板之间的互相关匹配进行亚像元定位，实现Keystone效应的检测。
2.根据权利要求I所述的一种高光谱图像Keystone效应自动检测方法，其特征在于在步骤二中，利用图像均值代表信号值，图像的局部标准差代表噪声值，将二者的比值作为图像信噪比；选择图像信噪比最大的图像作为参考波段图像。
3.根据权利要求I所述的一种高光谱图像Keystone效应自动检测方法,其特征在于在步骤三中，该像元位置上各个掩模图像的局部边缘密度计算公式如下
4.根据权利要求I所述的一种高光谱图像Keystone效应自动检测方法,其特征在于步骤六中所述判断图像模板是否为目标图像模板，具体实现方式包括如下步骤 步骤六.1，根据自适应阈值和局部边缘密度，判断图像是否是目标模板，是则判断该模板是目标模板，否则进入步骤六.2 ； 步骤六.2，掩模的中心依次遍历目标波段图像中所有像元位置，计算该像元位置上各个掩模图像的局部边缘密度；遍历时，保持中心点的横坐标与待检测像元位置一致；选择局部边缘密度最大的掩模图像作为目标模板，并在参考波段图像上选择与目标模板同位置的图像作为参考模板。
5.根据权利要求I所述的一种高光谱图像Keystone效应自动检测方法,其特征在于步骤七中所述的亚像元定位是利用数值拟合由互相关函数所形成的峰值分布曲面而完成的；假设参考模板为T，目标模板为S，其尺寸大小都为L*L，标准化互相关函数定义如下
全文摘要
一种高光谱图像Keystone效应自动检测方法，有七大步骤一、读入高光谱数据，并设定掩模尺寸；二、计算图像信噪比，并自动选择参考波段图像；三、掩模的中心依次遍历参考波段图像中所有像元位置，计算该像元位置上各个掩模图像的局部边缘密度；四、根据步骤三所得每个像元位置上各个掩模图像的局部边缘密度，选择局部边缘密度最大的掩模图像作为参考模板；五、根据步骤四所得参考模板，计算目标波段图像与参考模板同位置图像的局部边缘密度；六、根据自适应阈值和步骤五所得图像的局部边缘密度，判断此图像是否为目标模板；七、利用模板之间的互相关匹配进行亚像元定位，实现Keystone效应的检测。它在遥感技术应用领域里具有较好的实用价值和广阔的应用前景。
文档编号G06T7/00GK102682450SQ201210125039
公开日2012年9月19日 申请日期2012年4月25日 优先权日2012年4月25日
发明者江澄, 贾国瑞, 赵慧洁 申请人:北京航空航天大学