一种辐射定标数据噪声估计方法及装置与流程

本公开涉及噪声估计技术领域，尤其涉及一种辐射定标数据噪声估计方法及装置。

背景技术：

在光学传感器的定标过程中，需要使用多种工作方式不同的实验设备，根据传感器特点、辐射源特性及其他实验条件综合设计定标实验方案获取辐射定标参数，因此导致整个实验过程非常复杂、费时很长。在长时间连续实验测量和工作方式切换过程中，杂散光、暗电流、随机噪声均会随着实验环境和传感器状态的变化而发生改变，进而影响定标精度。为了消除这些噪声的影响，人们通过对近似黑体成像和关闭传感器快门成像方式实现对暗电流的测量，或者利用图像中领域辐射不一致性计算杂散光，或者利用图像局部模糊变异信息计算杂散光，也有人使用移动变化分析参数模型进行杂散光校正，或者利用矩阵源编码理论计算空间变化卷积从而对杂散光进行校正，或者利用图像金字塔与贝叶斯准则实现对随机噪声的去除，奇异值分解、维纳滤波、小波变换等技术也被使用在图像去噪领域。

尽管上述噪声分析方法对实际光学遥感图像进行校正、优化时都具有良好的效果，但是对于传感器发射前辐射定标数据的噪声估计却无法适用。发射前实验室定标常采用“辐射源+反射器+传感器”或“辐射源+积分球+传感器”两种模式进行，即通过传感器对多个辐射源的测量结果计算探元测量结果与真实辐射值间的转换关系或各探元测量结果间的转换关系。在实际成像的遥感光学数据中，太阳是一种稳定的辐射源，地表不同地物的反射特征不同，图像噪声来自包含了地面、大气和传感器构成的成像系统，因而遥感图像噪声和实验室定标噪声的性质和特点完全不同。

技术实现要素：

(一)要解决的技术问题

本公开提供了一种辐射定标数据噪声估计方法及装置至少解决以上技术问题。

(二)技术方案

本公开提供了一种辐射定标数据噪声估计方法，辐射定标数据包括多个探元对多级辐射源的探测数据，方法包括：s1，获取辐射定标数据，辐射定标数据为k行n列的数据矩阵；s2，以数据矩阵的一列数据为基准列数据，分别与数据矩阵中的每列数据进行最小二乘线性拟合，获得基准列数据与数据矩阵的每列数据的最小二乘线性拟合矩阵；s3，选取最小二乘线性拟合矩阵中每行的最大值组成最大值列，最大值列即为基准列数据相对于数据矩阵中的每列数据的最小二乘拟合残差；s4，分别以数据矩阵中的其他列数据为基准列数据，重复步骤s2～s3，获得最小二乘拟合残差矩阵，最小拟合残差矩阵即为辐射定标数据的初级噪声估计。

可选地，该方法还包括：s5，判断初级噪声估计是否大于预设阈值，若小于预设阈值则所述初级噪声估计即为辐射定标数据的目标噪声估计，若大于预设阈值则执行步骤s6。s6，将初级噪声估计从所述数据矩阵中去除获得第一数据矩阵，对第一数据矩阵重复执行步骤s2～s5，直至初级噪声估计小于预设阈值，得到多个初级噪声估计，依次累加多个初级噪声估计即得辐射定标数据的目标噪声估计。

可选地，该方法还包括：s5’，将初级噪声估计从数据矩阵中去除获得第一数据矩阵，对所述第一数据矩阵重复执行步骤s2～s4预设次数，得到多次初级噪声估计；s6’，累加多次初级噪声估计即得辐射定标数据的目标噪声估计。

可选地，步骤s2中基准列数据与数据矩阵中每列数据的最小二乘线性拟合的计算公式为：

d*，i＝[d*，ji]·aij

其中，d*，i为所述数据矩阵的第i个列向量；d*，j为所述数据矩阵的第j个列向量，1≤j≤n；i为元素全为1的k×1列向量；aij为第j个列向量相对于第i个列向量的线性转换系数，为第i个列向量与第j个列向量最小二乘线性拟合结果。

可选地，步骤s3中基准列数据相对于所述数据矩阵中一列数据的最小二乘拟合残差δd*，ij的计算公式为：

可选地，步骤s1还包括去除辐射定标数据中的异常点。

可选地，数据矩阵的每一列为一探元对k个不同量级辐射源的测量结果，k大于等于3。

本公开另一方面还提供了一种辐射定标数据噪声估计装置，包括：获取单元，用于获取辐射定标数据，辐射定标数据为k行n列的数据矩阵；第一计算单元，用于以数据矩阵的一列数据为基准列数据，分别与数据矩阵中的每列数据进行最小二乘线性拟合，获得基准列数据与数据矩阵的每列数据的最小二乘线性拟合矩阵；第二计算单元，用于选取最小二乘线性拟合矩阵中每行的最大值组成最大值列，最大值列即为基准列数据相对于数据矩阵中的每列数据的最小二乘拟合残差；第三计算单元，用于分别以数据矩阵中的其他列数据为基准列数据，重复执行第一计算单元和第二计算单元，获得最小二乘拟合残差矩阵，最小拟合残差矩阵即为辐射定标数据的初级噪声估计。

可选地，装置还包括：判断单元，用于判断初级噪声估计是否大于预设阈值，若小于预设阈值则初级噪声即为辐射定标数据的噪声估计，若大于预设阈值则执行第四计算单元。第四计算单元，用于将初级噪声估计从数据矩阵中去除获得第一数据矩阵，对第一数据矩阵重复执行步第一计算单元、第二计算单元、第三计算单元以及判断单元，直至噪声估计小于所述预设阈值，得到多个初级噪声估计，依次累加多个初级噪声估计即得辐射定标数据的目标噪声估计。

可选地，还包括：第五计算单元，用于将初级噪声估计从数据矩阵中去除获得第一数据矩阵，对第一数据矩阵重复执行第一计算单元、第二计算单元以及第三计算单元预设次数，得到多次初级噪声估计；第六计算单元，用于累加多次初级噪声估计即得辐射定标数据的目标噪声估计。

(三)有益效果

本公开将相对辐射定标中各探元和基准探元的最小二乘拟合残差作为噪声估计值，从定标数据中去除该噪声并继续进行拟合和残差计算，将逐次迭代的噪声累加结果作为噪声的估计值，迭代去除噪声后的最小二乘拟合系数作为清除噪声后的相对定标辐射结果。该方法能够有效估计发射前辐射定标数据中的噪声，大大提高相对辐射校正精度。并且随着辐射源级数的增加噪声估算精度会迅速提高，在辐射源级数达到200之后估算精度趋于稳定，同时探元个数变化不影响噪声估计的精度。

附图说明

图1示意性示出了本公开实施例的辐射定标数据噪声估计方法的步骤图；

图2示意性示出了本公开实施例的辐射定标数据实际最小二乘拟合的线性图；

图3示意性示出了本公开实施例的辐射定标数据噪声估计方法的流程图。

具体实施方式

本公开提供了一种辐射定标数据噪声估计方法，辐射定标数据包括多个探元对多级辐射源的探测数据，方法包括：s1，获取辐射定标数据，辐射定标数据为k行n列的数据矩阵；s2，以数据矩阵的一列数据为基准列数据，分别与数据矩阵中的每列数据进行最小二乘线性拟合，获得基准列数据与数据矩阵的每列数据的最小二乘线性拟合矩阵；s3，选取最小二乘线性拟合矩阵中每行的最大值组成最大值列，最大值列即为基准列数据相对于数据矩阵中的每列数据的最小二乘拟合残差；s4，分别以数据矩阵中的其他列数据为基准列数据，重复步骤s2～s3，获得最小二乘拟合残差矩阵，最小拟合残差矩阵即为辐射定标数据的初级噪声估计。

为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图1，对本发明进一步详细说明。

s1，获取辐射定标数据，辐射定标数据为k行n列的数据矩阵。

不考虑噪声影响的情况下，线(面)阵传感器相对于辐射定标就是使用最小二乘拟合建立全部探元和基准探元之间的相对辐射响应线性转换关系，其具体表达如下：

其中，dn为传感器各探元探测的探测数据值，an、bn分别为相对辐射校正的增益系数与偏置系数，n为探元编号，k为不同辐射源编号，dnnk为探元n对辐射源k的探测结果，式(1)中选择的参照探元编号为0。

理想情况下，dn值仅由目标辐射及传感器的光电响应特性影响，相对辐射定标后各探元数据间的最小二乘拟合曲线完全位于1∶1线上。

但光学遥感传感器在实际的工作过程中常会受到杂散光、暗电流、随机噪声的影响，因此传感器探元探测的数据常常混合有多种噪声，公式如下：

dn＝u·(rad+s)+dc+n(2)

其中，rad为传感器真实入瞳辐亮度；u为传感器的光电转换系数；dc为暗电流，即为传感器在没有任何辐射入瞳时的观测量；s为杂散光，即为传感器测量目标辐射中所夹杂的目标周围环境散射辐射；n为随机噪声，即为传感器成像时产生的随机噪声，具有不可预测性。将式(2)变形后得：

其中，n′为暗电流、杂散光以及随机噪声之和。由于受到n′的影响，实验室相对定标的最小二乘拟合会偏离1∶1线，如下图2所示。

如图2所示，横轴为探元n在不同辐射源下dn值，纵轴为基准探元0在不同辐射源下的dn值。三角形点实线为无噪声情况下两探元对同一组3级辐射源下的dn值点对，实现为3点最小二乘线性拟合y＝x，r2＝1。方块点、菱形点的虚线均为存在噪声的情况下，两探元对同一组3级辐射源下的dn值点对，方块点数据的最小二乘线性拟合结果为y＝0.4412x+12773，r²＝0.9913，菱形点数据的最小二乘线性拟合结果为y＝1.2327x-3375.6，r²＝0.9962。从图中可以看出，含噪声数据的相对辐射校正线性关系与不含噪声的真实相对辐射校正线性关系相比，存在一定的平移和/或旋转。

本公开实施例中，假设传感器共有n个探元，其在某工作状态下进行相对辐射定标实验共探测了k个不同量级的辐射源，k大于等于3。因此，探测结果也即辐射定标数据d为k×n的数据矩阵，dpi代表探元i在第p个辐射源照射下的测量结果。在对辐射定标数据处理前需要剔除异常点。

s2，以数据矩阵的一列数据为基准列数据，分别与数据矩阵中的每列数据进行最小二乘线性拟合，获得基准列数据与数据矩阵的每列数据的最小二乘线性拟合矩阵。

为获得探元i中的噪声，另d*，i代表d的第i个列向量，即探元i对多级辐射源的探测结果向量。以d*，i为因变量，依次与数据矩阵中的各列向量d*，j进行最小二乘线性拟合，其中，1≤j≤n。任意两列向量进行最小二乘线性拟合的计算公式为：

其中，d*，i为所述数据矩阵的第i个列向量；d*，j为所述数据矩阵的第j个列向量，1≤j≤n；i为元素全为1的k×1列向量；aij为第j个列向量相对于第i个列向量的线性转换系数，为第i个列向量与第j个列向量最小二乘线性拟合结果。

依次以数据矩阵中的某一列为基准列数据，使该基准列数据与数据矩阵中的列数据进行最小二乘拟合，得到该基准列数据相对数据矩阵中每列数据的最小二乘拟合矩阵。因此，基准列数据相对于数据矩阵中某一列数据的最小二乘拟合残差δd*，ij的计算公式可以为：

s3，选取最小二乘线性拟合矩阵中每行的最大值组成最大值列，最大值列即为基准列数据相对于数据矩阵中的每列数据的最小二乘拟合残差。

探元i和所有n个探元完成最小二乘拟合后，形成k行n列最小二乘拟合矩阵δdi，δdi也即列向量δd*，ij的组合。如果探元i随机接收到了杂散光、暗电流或随机噪声，则探元i与其他探元测量数据拟合会存在拟合残差，残差大小根据两个探元测量数据之间的统计特性不同而不同，噪声越大，残差也会随着越大。选取最小二乘线性拟合矩阵中每行的最大值组成最大值列δn*，i，最大值列δn*，i即为基准列数据相对于数据矩阵中的每列数据的最小二乘拟合残差，也即探元i杂散光、暗电流或随机噪声的估计值，即：

δn*，i＝max(δdi)(6)

其中，δn*，i为k×1列向量，代表探元i探测数据在各级辐射源下的噪声。

s4，分别以数据矩阵中的其他列数据为基准列数据，重复步骤s2～s3，获得最小二乘拟合残差矩阵，最小拟合残差矩阵即为辐射定标数据的初级噪声估计。

分别以数据矩阵中的其他列数据为基准列数据，重复步骤s2～s3，获得所有探元的噪声估计，记为δn，矩阵大小为k×n。因此，δn*，i是δn的列向量，从而完成了所有探元噪声的初级估计。

随着辐射源级数的增加噪声估算精度会迅速提高，在辐射源级数达到200之后估算精度趋于稳定，同时探元个数变化不影响噪声估计的精度。

上述噪声估计方法还可以包括：

s5，判断初级噪声估计是否大于预设阈值，若小于预设阈值则初级噪声即为辐射定标数据的目标噪声估计，若大于预设阈值则执行步骤s6。

若步骤s4得到的初级噪声估计小于预设阈值，则该初级噪声估计即为辐射定标数据的噪声估计，若大于预设阈值则需要执行步骤s6。

s6，将初级噪声估计从数据矩阵中去除获得第一数据矩阵，对第一数据矩阵重复执行步骤s2～s5，直至初级噪声估计小于预设阈值，得到多个初级噪声估计，依次累加多个初级噪声估计即得辐射定标数据的目标噪声估计。

首先将初级噪声估计从数据矩阵中去除得到第一数据矩阵，对第一数据矩阵重复执行步骤s2～s5，每循环执行一次得到初级噪声估计，直至得到的初级噪声估计小于预设阈值，停止循环，此时将每次循环得到的噪声估计值进行累加，得到的累加值即为最终的辐射定标数据的目标噪声估计值。

上述噪声估计方法还可以包括：

s5’，将初级噪声估计从所述数据矩阵中去除获得第一数据矩阵，对第一数据矩阵重复执行步骤s2～s4预设次数，得到多次初级噪声估计；

对第一数据矩阵重复执行步骤s2～s4，每循环执行一次，得到初级噪声估计，将该初级噪声估计从上次循环得到的数据矩阵中去除后再执行下次循环，直至循环次数达到预设次数。

s6’，累加多次初级噪声估计即得辐射定标数据的目标噪声估计。

将每次得到的噪声估计累加即得该辐射定标数据的目标噪声估计。

图3示意性示出了本公开方法的又一实施例，如图所示，首先对获得的数据矩阵进行异常点排除，然后对噪声进行初始化零，对数据矩阵中的i列为基准和j列进行最小二乘拟合(j＝1，2……n)得到该基准列数据与数据矩阵的每列数据的最小二乘线性拟合矩阵。选取最小二乘线性拟合矩阵中每行的最大值组成最大值列，最大值列即为基准列数据相对于数据矩阵中的每列数据的最小二乘拟合残差。分别以数据矩阵中的其他列数据中的一列数据为基准列数据，计算其他列数据的最小二乘拟合残差。每列的最小二乘拟合残差组成最小二乘拟合残差矩阵，该最小拟合残差矩阵即为辐射定标数据的初级噪声估计。判断初级噪声估计是否收敛，其中收敛条件可以为判断该初级噪声估计是否大于预设阈值或者是否达到一定的迭代次数，若收敛则该初级噪声估计即为目标噪声估计。若不收敛，则将该初级噪声估计从数据矩阵中去除，然后重复执行上述步骤。

另一方面，本公开还提供了一种执行上述辐射定标数据噪声估计方法的辐射定标数据噪声估计装置，包括获取单元、第一计算单元、第二计算单元以及第三计算单元，其中：

获取单元，用于获取辐射定标数据，辐射定标数据为k行n列的数据矩阵。

第一计算单元，用于以数据矩阵的一列数据为基准列数据，分别与数据矩阵中的每列数据进行最小二乘线性拟合，获得基准列数据与数据矩阵的每列数据的最小二乘线性拟合矩阵。

第二计算单元，用于选取最小二乘线性拟合矩阵中每行的最大值组成最大值列，最大值列即为基准列数据相对于数据矩阵中的每列数据的最小二乘拟合残差。

第三计算单元，用于分别以数据矩阵中的其他列数据为基准列数据，重复执行第一计算单元和第二计算单元，获得最小二乘拟合残差矩阵，最小拟合残差矩阵即为辐射定标数据的初级噪声估计。

该噪声估计装置还可以包括判断单元以及第四计算单元，其中：

判断单元，用于判断初级噪声估计是否大于预设阈值，若小于预设阈值则初级噪声即为辐射定标数据的噪声估计，若大于预设阈值则执行第四计算单元。

第四计算单元，用于将初级噪声估计从数据矩阵中去除获得第一数据矩阵，对第一数据矩阵重复执行步第一计算单元、第二计算单元、第三计算单元以及判断单元，直至噪声估计小于预设阈值，得到多个初级噪声估计，依次累加多个初级噪声估计即得辐射定标数据的目标噪声估计。

该噪声估计装置还可以包括第五计算单元以及第六计算单元，其中：

第五计算单元，用于将初级噪声估计从数据矩阵中去除获得第一数据矩阵，对第一数据矩阵重复执行第一计算单元、第二计算单元以及第三计算单元预设次数，得到多次初级噪声估计；

第六计算单元，用于累加多次初级噪声估计即得辐射定标数据的目标噪声估计。

以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。