本发明涉及遥感图像处理领域，具体地，涉及一种对遥感图像进行图像校正的方法。
背景技术：
遥感图像由于受成像方式、光电元件性能以及成像时环境参数(如温度)等影响，往往在辐射质量和几何质量方面存在缺陷，例如存在图像的色差、条带噪声。色差和条带噪声的存在使得遥感图像在定性和定量使用中均存在问题，在定性的遥感解译和判读中，色差和条带噪声严重影响作业人员对地物类型的识别和提取；在各种遥感定量反演中，条带噪声会对辐射信息造成扭曲，由于缺乏能够客观反映这种扭曲程度的定量指标，其对反演结果的影响便无法评估。同时，由于有些CCD器件的输出方式为奇偶序列输出，对奇偶序列的分别处理不可避免的引入了奇偶信号的不一致性，这对图像数据的条带效应的产生也有一定的影响。此外，当器件中各片CCD或一片CCD由不同的电子链路输出时，同样会引入各片片间信号的不一致性，对图像数据片间的响应不一致性带来影响。
由于各种因素的影响，就造成了相机对完全相同的地物进行成像时，不同的探测元可能输出不同的DN值，使得生成的图像失真。这是卫星有效载荷制造生产中很难避免的。因此，地面数据处理系统对原始图像数据进行归一化相对辐射校正，消除原始图像的失真，恢复真实的地物图像，对各个探测元获取图像的原始DN值进行调整校正，将各个探测元的输出值调整到同一个基准上，使得各探测元对完全相同的地物具有相同的输出DN值。只有经过相对辐射校正后的图像，其不同的有效载荷探测元生成的图像才有可比性、同一性，整景图像才是一致的，才是反映地物的真实图像。另一方面，相对辐射校正是基于星上有效载荷成像基础之上，是对星上有效载荷成像的完善。
目前，国内外对条带噪声的研究几乎都集中在各种消条带算法上，而且对消条带效果的评价也多限于定性的目视对比或者基于图像灰度均值、方差、清晰度、质量因子等间接指标进行定量评价。最近有研究者提出一种“探元一致性指标”的方法来定量评价条带噪声，但没有描述该方法的原理，且在某些情形下该指标描述的条带噪声严重程度会与拉伸后的图像产生不一致的现象。现行的图像处理方法存在缺陷，图像处理后仍然存在明显的条纹或者色差等现象。因此有必要对经过相对辐射校正的图像进行进一步的处理，以获得质量更高的图像，更好地满足用户需求。同时，对于经过图像处理后的遥感图像的处理效果检验，现行的方法采用的检验指标过多或过少、指标不具有通用性、或者指标不能很完备地概括所要检验的方面，导致检验效果不准确。
技术实现要素：
基于上述背景了解到，如何对图像校正，特别是CCD相机的相对辐射校正进行改进，是突破现有遥感图像处理瓶颈的关键所在。
基于本领域的技术缺陷，本发明提供了一种对遥感图像进行图像校正的方法，其特征在于，包括如下步骤：
步骤1，获取搭载CCD相机的卫星所拍摄的遥感图像I0及其图像参数，并获取拍摄所述遥感图像的卫星和CCD相机的参数；
步骤2，对相对定标系数的增益系数进行滤波处理，得到改进的定标系数模型；
步骤3，利用该改进的定标系数模型对图像进行相对辐射校正，消除细小条纹噪声：
步骤4，在相对辐射校正后图像数据上，统计奇偶列数据之间的灰度值差异，将该灰度值差异再分别覆盖在奇偶列数据上，去除奇偶像元差；
步骤5，利用图像统计获取中间片CCD阵列子图与左右片CCD阵列子图的亮度差值，即左右CCD阵列底电平的起伏，用该起伏对左右CCD阵列的偏移值进行补偿，去除三片CCD阵列之间色差，最终得到处理后的遥感图像I1；
步骤6，获取对原始遥感图像进行处理后的遥感图像I1及其图像参数；
步骤7，建立图像校正检验模型，对遥感图像的图像校正效果进行检验。
优选地，所述步骤2，对相对定标系数的增益系数进行滤波处理，采用的滤波函数为低通滤波器，过滤掉数据的高频部分，而保留数据的低频部分。
优选地，所述低通滤波器的截止频率为最高频率的十分之一到二十分之一。
优选地，所述步骤2，对相对定标系数的增益系数进行滤波处理，滤波算法选择高次数的曲线进行拟合。
优选地，所述滤波算法包括小波滤波、维纳滤波、卡尔曼滤波之一。
优选地，所述步骤4，在相对辐射校正后图像数据上，统计奇偶列数据之间的灰度值差异，将该灰度值差异再分别覆盖在奇偶列数据上，去除奇偶像元差，具体为：把奇列和偶列分别看做一个整体，然后将奇列与偶列分别进行直方图匹配，分别得到不同灰度等级下应该加减的偏移值，然后将该偏移值分别加到奇列数据和偶列数据上。
优选地，所述步骤5具体为：
令A、B、C分别代表CCD阵列的左片、中片和右片线阵，而子图像区域a、b1代表为左片线阵和中片线阵的相邻部分；子图像区域b2，c为中片线阵和右片线阵的相邻部分，对四个子图像a、b1、b2、c分别进行直方图统计，去除直方图低端和高端各20％的数据，对中间60％的数据求取均值，设为a，b1，b2，c，则Δa，Δc即为左右片线阵需要补偿的DN值，Δa，Δc分别由下式计算：Δa＝b1‐a、Δc＝b2‐c。
本发明解决了直接采用由定标数据获得的相对定标系数对实际图像进行相对辐射校正后仍然存在的一些问题，如奇偶像元差异、条纹噪声、色差等。利用本发明的技术方案，能够有效改进图像质量，使条纹噪声及片内与片间的色差得到有效去除，图像相对辐射校正精度得到提高，并且可以对图像校正效果取得完备、准确、客观的检验。
附图说明
图1本发明所提出的方法流程图。
具体实施方式
为了更好地理解本发明，下面结合附图参考实施例的描述，对本发明的方法进行进一步的说明。
为了全面理解本发明，在以下详细描述中提到了众多具体细节。但是本领域技术人员应该理解，本发明可以无需这些具体细节而实现。在实施例中，不详细描述公知的方法、过程、组件、电路，以免不必要地使实施例繁琐。
参见图1所示，本发明所提出的一种对遥感图像进行图像校正的方法，其特征在于，包括如下步骤：
步骤1，获取搭载CCD相机的卫星所拍摄的遥感图像I0及其图像参数，并获取拍摄所述遥感图像的卫星和CCD相机的参数；
步骤2，对相对定标系数的增益系数进行滤波处理，得到改进的定标系数模型；
步骤3，利用该改进的定标系数模型对图像进行相对辐射校正，消除细小条纹噪声：
步骤4，在相对辐射校正后图像数据上，统计奇偶列数据之间的灰度值差异，将该灰度值差异再分别覆盖在奇偶列数据上，去除奇偶像元差；
步骤5，利用图像统计获取中间片CCD阵列子图与左右片CCD阵列子图的亮度差值，即左右CCD阵列底电平的起伏，用该起伏对左右CCD阵列的偏移值进行补偿，去除三片CCD阵列之间色差，最终得到处理后的遥感图像I1；
步骤6，获取对原始遥感图像进行处理后的遥感图像I1及其图像参数；
步骤7，建立图像校正检验模型，对遥感图像的图像校正效果进行检验。
优选地，所述步骤2，对相对定标系数的增益系数进行滤波处理，采用的滤波函数为低通滤波器，过滤掉数据的高频部分，而保留数据的低频部分。
优选地，所述低通滤波器的截止频率为最高频率的十分之一到二十分之一。
优选地，所述步骤2，对相对定标系数的增益系数进行滤波处理，滤波算法选择高次数的曲线进行拟合。
优选地，所述滤波算法包括小波滤波、维纳滤波、卡尔曼滤波之一。
优选地，所述步骤4，在相对辐射校正后图像数据上，统计奇偶列数据之间的灰度值差异，将该灰度值差异再分别覆盖在奇偶列数据上，去除奇偶像元差，具体为：把奇列和偶列分别看做一个整体，然后将奇列与偶列分别进行直方图匹配，分别得到不同灰度等级下应该加减的偏移值，然后将该偏移值分别加到奇列数据和偶列数据上。
优选地，所述步骤5具体为：
令A、B、C分别代表CCD阵列的左片、中片和右片线阵，而子图像区域a、b1代表为左片线阵和中片线阵的相邻部分；子图像区域b2，c为中片线阵和右片线阵的相邻部分，对四个子图像a、b1、b2、c分别进行直方图统计，去除直方图低端和高端各20％的数据，对中间60％的数据求取均值，设为a，b1，b2，c，则Δa，Δc即为左右片线阵需要补偿的DN值，Δa，Δc分别由下式计算：Δa＝b1‐a、Δc＝b2‐c。
优选地，其中，所述步骤1，获取拍摄所述遥感图像的卫星和CCD相机的参数，
所述卫星参数包括：卫星名称、指向精度、轨道高度、全色分辨率、多光谱分辨率、成像幅宽；
所述CCD相机参数包括：相机名称、焦距、光圈值、像素、各项MTF参数。
优选地，其中，对还包括图像灰度化处理。
优选地，其中，获取的I0，I1的图像参数包括分辨率。
优选地，其中，所述步骤7，建立图像校正检验模型，还包括计算遥感图像校正检验的指标，所述指标包括：信噪比指标、MTF指标、信息含量指标、相关退化度指标。
优选地，其中，所述信噪比指标S/N具体为：
其中，f为相机焦距，F为相机光圈值，B为相机入口处的辐射亮度，τoptics为光学系统透过率，η为光学系统遮栏比，Ntdi为TDICCD积分级数,tint为TDICCD行积分周期，RCCD为CCD响应度,Pef为相机有效像素，Nshot、Ndark、Nread、NFPN分别为CCD及信号处理电路中存在散粒噪声、暗电流噪声、读出噪声、固定模式噪声。
优选地，其中，MTF为系统调制传递函数，所述MTF指标具体为：
MTF＝MTF静态·MTF动态
MTF静态＝MTF光学设计·MTF光学加工·MTF光学装调·MTFCCD器件·MTF电路
其中，N是TDICCD积分级数,Δp是非正常像移量,f归一化是归一化的空间频率。
优选地，其中，所述信息含量指标C具体为：
其中，图像中各像素点i的灰度值集合为{Si,i＝1,2,...,n}，其对应出现的概率为{Ai,i＝1,2,...,n}，W为成像幅宽；
优选地，其中，相关退化度指的是图像处理后，与原始遥感图像相比，图像质量退化的程度，所述相关退化度指标RL具体为：
其中，S0、S1分别为原始遥感图像和处理后的遥感图像中像素点的灰度值，分别为原始遥感图像和处理后的遥感图像中像素点灰度值的均值，图像中各像素点i的灰度值集合为{Si,i＝1,2,...,n}，R0和R1分别为原始遥感图像和处理后的遥感图像的分辨率。
优选地，其中，所述步骤7，图像校正检验模型具体为：
其中，wi为用户输入的质量检验参数权重，∑wi＝1，为质量检验参数权重wi的拟合函数，作为质量检验模型各项指标的系数，IQT评分输出范围为0‐100分,其中100分为图像质量最满意，0分为图像质量最不满意，优选将星下点高质量图像作为100分参考标准。
可见，本发明的一种对遥感图像进行图像校正的方法，能够有效改进图像质量，使条纹噪声及片内与片间的色差得到有效去除，图像相对辐射校正精度得到提高，并且可以对图像校正效果取得完备、准确、客观的检验。
这里只说明了本发明的优选实施例，但其意并非限制本发明的范围、适用性和配置。相反，对实施例的详细说明可使本领域技术人员得以实施。应能理解，在不偏离所附权利要求书确定的本发明精神和范围情况下，可对一些细节做适当变更和修改。