小波变换和局部插值融合的高光谱图像条带噪声消除方法与流程

技术特征：

1.小波变换和局部插值融合的高光谱图像条带噪声消除方法，其特征在于，包括以下步骤：

步骤1：输入高光谱图像数据立方体，高光谱图像数据立方体为经过预处理的2级产品数据，预处理包括随机噪声滤波、辐射校正和几何校正处理；

步骤2：对高光谱图像波段数据进行判断：高光谱图像数据在获取过程中受到各种因素的干扰，会使部分波段数据的质量受到损坏，损坏的波段图像就无需继续进行处理；

步骤3：剔除损坏的高光谱图像波段数据；

步骤4：读取正常的第k波段的高光谱图像数据：在剩下的高光谱图像数据中选择第k波段数据，分别进行步骤5和步骤6操作；

步骤5：用二维平稳小波进行高光谱图像数据的条带噪声去除；

步骤6：用局部插值进行高光谱图像数据的条带噪声滤除；

步骤7：对步骤5和步骤6的处理结果进行融合处理；

步骤8：判断处理的k波段是否为最后的波段，如果是最后波段，则结束；如果不是最后波段，则转入步骤4，即读取下一波段的图像。

2.根据权利要求1所述的小波变换和局部插值融合的高光谱图像条带噪声消除方法，其特征在于，所述的步骤2中高光谱图像波段数据判断的方法为：

采用列平均值的导数(DMC)和列平均值的梯度(GMC)的乘积δ(k)来进行判断；

δ(k)＝D(k)×G(k) (1)

列平均值的导数(DMC)和列平均值的梯度(GMC)的数学模型如下：

$D\left(k\right)=\underset{i=1}{\overset{n-1}{\Σ}}{\[{\mathrm{\μ}}_{i+1}\left(k\right)-{\mathrm{\μ}}_i\left(k\right)\]}^2---\left(2\right)$

$G\left(k\right)=\underset{i=1}{\overset{n-1}{\Σ}}\▿{\[{\mathrm{\μ}}_i\left(k\right)\]}^2---\left(3\right)$

其中，k表示第k波段，D(k)和G(k)分别表示第k波段列平均值的导数(DMC)的导数平方和及列平均值的梯度(GMC)的平方和，μ_i(k)和分别表示第k波段图像的第i列探测单元的平均值和梯度值，δ(k)表示它们的乘积。

3.根据权利要求1所述的小波变换和局部插值融合的高光谱图像条带噪声消除方法，其特征在于，所述的步骤3中剔除损坏的高光谱图像波段数据的方法为：如果δ(k)值比预定的阈值ε大，即δ(k)＞ε，表明该波段的图像数据已受到损坏，直接删除该波段的数据。

4.根据权利要求1所述的小波变换和局部插值融合的高光谱图像条带噪声消除方法，其特征在于，所述的步骤5中用二维平稳小波进行条带噪声去除的具体步骤为：

步骤5.1：条带噪声类型转换：先把亮条带转变成暗条带；

步骤5.2：设置小波分解尺度数：二维平稳小波分解的尺度数设为5，即M＝5；

步骤5.3：选择小波函数：选择Daubechies(db1)函数作为小波分解的基函数，然后选择的k波段图像进行分解；

步骤5.4：对图像进行分解：利用步骤5.2和步骤5.3设置的参数，对输入的高光谱k波段图像进行小波分解；

步骤5.5：对小波分解后各尺度的分解系数进行处理：首先判断系数子图像是否还包含大量的条带噪声，如果系数子图像中包含的条带噪声较多，则转至步骤5.2，对该系数在图像继续进行分解，直到当某个分解系数子图像几乎是条带噪声时停止进行小波分解；然后对最后的分解层获得的系数值全部进行赋零值处理；最后逐系数逐尺度进行小波逆变换，最终得到各个分解尺度的小波系数；

步骤5.6：用步骤5.5得到的小波系数进行整个图像的小波逆变换处理，获得用小波变换处理条带噪声后的图像。

5.根据权利要求1所述的小波变换和局部插值融合的高光谱图像条带噪声消除方法，其特征在于，所述的步骤6中局部插值法去除条带噪声的具体步骤为：

步骤6.1：计算高光谱图像的列均值，并获得列均值曲线图；

步骤6.2：计算列均值的梯度，并获得列均值的梯度曲线图；

步骤6.3：通过梯度曲线图，获得波峰和波谷所在的位置，这就是条带噪声所在的位置；

步骤6.4：把条带噪声所在的列进行滤除，然后进行插值处理，结果是获得了局部插值的图像；

步骤6.5：进行矩匹配处理：式(4)就是矩匹配的数学模型，

$Y_k(i,j)=\frac{{\mathrm{\σ}}_{kr}}{{\mathrm{\σ}}_{kj}}{X}_k(i,j)+{\mathrm{\μ}}_{kr}-{\mathrm{\μ}}_{kj}\frac{{\mathrm{\σ}}_{kr}}{{\mathrm{\σ}}_{kj}}---\left(4\right)$

其中，k表示高光谱图像中第k波段图像，X_k(i,j)和Y_k(i,j)分别表示第k波段图像单个像素灰度值调整前后值，μ_kr和σ_kr分别表示整幅图像的均值和标准差，μ_kj和σ_kj分别为第j列的均值和标准差。

6.根据权利要求1所述的小波变换和局部插值融合的高光谱图像条带噪声消除方法，其特征在于，所述的步骤7中对步骤5和步骤6的处理结果进行融合处理的具体步骤为：

融合规则如下式：

I_f(k)＝a×I_wt(k)+b×I_li(k) (5)

式中的k表示第k波段，才表示融合后的图像，I_wt(k)表示小波变换去条带噪声后的图像，I_wt(k)表示局部区域插值去条带噪声后的图像，参数a和b分别为各自的权系数，它们的取值范围为[0,1]，并且a+b＝1。