基于CMOS传感器的高光谱遥感图像非均匀性校正技术研究
发布时间：2021-11-03 23:43
高光谱遥感图像作为近年来快速发展和广泛应用的遥感成像技术,由于其具有的视野范围广、多谱段采集和实时监测等特点,在空对地信息采集方面得到广泛应用。但是由于高光谱图像易受到条带噪声的影响,使得高光谱相机采集到的遥感图像的信息完整性遭到破坏,对信息提取和目标识别等后续图像数据处理造成了较大的困难。对于高帧频CMOS（Complementary Metal-Oxide-Semiconductor）作为图像传感器的高光谱相机,其采集到的高光谱遥感图像可能受到条带噪声的影响较严重且噪声分布不规律。因此本文的主要研究内容就是针对基于CMOS传感器的高光谱遥感图像,提出性能优越且去噪效果更佳的非均匀性校正算法。本文首先介绍了高光谱遥感图像条带噪声非均匀性校正的研究背景与意义,并总结了目前国内外的研究发展现状,然后针对高光谱遥感图像的成像特点,分析了条带噪声的产生原因和表现特征,紧接着分析了噪声的退化模型,明确了图像非均匀性校正的主、客观评价标准。其次在空域内,针对移动窗口矩匹配算法的特点与不足,基于窗口阈值判决提出了一种改进的移动窗口矩匹配算法,进一步抑制条带噪声。最后,基于联合空域与变换域的思想,结...
【文章来源】：中国科学院大学(中国科学院长春光学精密机械与物理研究所)吉林省
【文章页数】：65 页
【学位级别】：硕士
【部分图文】：
高光谱遥感图像谱段维度示意图
基于CMOS传感器的高光谱遥感图像非均匀性校正技术研究2题研制的基于高帧频CMOS传感器的某高光谱相机。图1.2某CMOS高光谱相机Figure1.2CMOShyperspectralcamera综上分析，条带噪声不可避免的存在于高光谱图像中而且是随机不同程度的分布在各个光谱图像中，这对高光谱遥感图像的质量造成了严重影响，使后续的目标信息的提取与图像融合难以处理，与此同时对于高光谱遥感图像的推广应用和实用价值也造成了不同程度的限制。目前针对高光谱遥感图像中的条带噪声的解决方案主要包括两种：性能高效的硬件电路设计和高效的条带噪声非均匀性校正算法。从硬件电路设计方面的解决条带噪声，一般就需要选择感光面积更大的光谱传感器和更加高效精确的光谱成像仪系统，这样就给相机结构设计带来了较大的体积压力，同时也产生了较大的经济预算压力。如果利用算法来去除条带噪声，就可以减少结构设计体积带来的压力和经济预算；通过设计较为高效的预处理非均匀性校正算法来抑制高光谱遥感图像存在的条带噪声，进而获得高质量的高光谱遥感图像，为后续的处理和分析提供更为准确的图像数据。目前针对高光谱遥感图像条带噪声的去除已经提出了较多的算法，但是这些算法不同程度的具有一些局限性，包括算法复杂度较高、实时性处理较差、应用局限性较大等缺陷，因此有必要提出低复杂度、适用性广、非均匀性校正效果更佳的去条带算法，本文将针对CMOS传感器的高光谱遥感图像的非均匀性校正开展研究，在抑制条带噪声的同时，保持图像的边缘信息，提高图像的显示效果，便于目标信息的识别与获龋
基于CMOS传感器的高光谱遥感图像非均匀性校正技术研究12于不同的扫描方式和成像单元相应的不同，在同一幅遥感图像中随机分布或周期性的分布不同像素宽度的条带噪声。对于高光谱遥感相机而言，不同谱段采集到的高光谱遥感图像噪声的宽度也可能存在差别，且噪声位置也可能不同。图2.1带条带噪声的遥感图像Figure2.1Remotesensingimagewithstripenoise（3）表现为行方向或列方向分布对于遥感相机成像系统传感器的成像机制与成像的扫描方式而言,产生条带噪声的原因主要是各个图像传感器的响应不一致造成某行或某列灰度值响应差异较大，与此同时由于遥感相机采用扫描的成像方式，因此造成遥感相机获得的遥感数据带有的条带噪声为行或列方向分布，而且整幅图像的条带噪声始终保持在行方向或列方向上。为了更好的观察遥感图像的条带噪声，本论文选取某卫星高光谱相机的遥感图像作为实验样本图像，图2.2为该高光谱相机在轨拍摄的图像数据，图2.3和图2.4分别是该高光谱遥感图像的一级、二级小波分解图像。其中A表示图像分解后的主要信息图像数据且包含少数条带噪声，H表示分解后图像的水平信息图像数据，V表示分解后图像的垂直信息图像数据即条带噪声主要分布的图像，D表示分解后图像的对角线信息图像数据。由图2.3和2.4可以很直观的观察条带噪声的分布特点：列方向直线分布。
【参考文献】：
期刊论文
[1]遥感影像条带噪声去除的小波变分法[J]. 王昶,张永生,王旭,纪松. 测绘学报. 2019(08)
[2]采用变分法的遥感影像条带噪声去除[J]. 王昶,王旭,纪松. 西安交通大学学报. 2019(03)
[3]基于列相关的热红外高光谱遥感图像非均匀性校正[J]. 李忠原,刘成玉,邵红兰,谢锋. 红外. 2018(08)
[4]基于低通滤波残差图的高光谱条带噪声去除[J]. 鞠荟荟,刘志刚,姜江军,汪洋. 光学学报. 2018(12)
[5]频域滤波与直方图匹配相结合的条带噪声去除法[J]. 罗敏,康一飞,潘励. 地理空间信息. 2018(07)
[6]一种改进的超宽条带噪声消除算法[J]. 黄世奇,张玉成,王荣荣,刘哲. 计算机应用研究. 2018(06)
[7]遥感图像条带噪声的多尺度变分模型去除[J]. 霍丽君,何斌,周达标. 光学精密工程. 2017(01)
[8]高光谱图像处理与信息提取前沿[J]. 张兵. 遥感学报. 2016(05)
[9]基于自适应单向变分的高光谱图像去条带方法[J]. 刘亚梅. 激光与光电子学进展. 2016(09)
[10]基于空间自适应变分的条带噪声去除方法[J]. 刘亚梅. 激光与红外. 2016(05)
博士论文
[1]光学遥感影像复杂条带噪声的变分处理方法研究[D]. 刘欣鑫.武汉大学 2018
硕士论文
[1]高光谱图像条带噪声消除方法研究[D]. 常威威.西北工业大学 2007
本文编号：3474566
【文章来源】：中国科学院大学(中国科学院长春光学精密机械与物理研究所)吉林省
【文章页数】：65 页
【学位级别】：硕士
【部分图文】：
高光谱遥感图像谱段维度示意图
基于CMOS传感器的高光谱遥感图像非均匀性校正技术研究2题研制的基于高帧频CMOS传感器的某高光谱相机。图1.2某CMOS高光谱相机Figure1.2CMOShyperspectralcamera综上分析，条带噪声不可避免的存在于高光谱图像中而且是随机不同程度的分布在各个光谱图像中，这对高光谱遥感图像的质量造成了严重影响，使后续的目标信息的提取与图像融合难以处理，与此同时对于高光谱遥感图像的推广应用和实用价值也造成了不同程度的限制。目前针对高光谱遥感图像中的条带噪声的解决方案主要包括两种：性能高效的硬件电路设计和高效的条带噪声非均匀性校正算法。从硬件电路设计方面的解决条带噪声，一般就需要选择感光面积更大的光谱传感器和更加高效精确的光谱成像仪系统，这样就给相机结构设计带来了较大的体积压力，同时也产生了较大的经济预算压力。如果利用算法来去除条带噪声，就可以减少结构设计体积带来的压力和经济预算；通过设计较为高效的预处理非均匀性校正算法来抑制高光谱遥感图像存在的条带噪声，进而获得高质量的高光谱遥感图像，为后续的处理和分析提供更为准确的图像数据。目前针对高光谱遥感图像条带噪声的去除已经提出了较多的算法，但是这些算法不同程度的具有一些局限性，包括算法复杂度较高、实时性处理较差、应用局限性较大等缺陷，因此有必要提出低复杂度、适用性广、非均匀性校正效果更佳的去条带算法，本文将针对CMOS传感器的高光谱遥感图像的非均匀性校正开展研究，在抑制条带噪声的同时，保持图像的边缘信息，提高图像的显示效果，便于目标信息的识别与获龋
基于CMOS传感器的高光谱遥感图像非均匀性校正技术研究12于不同的扫描方式和成像单元相应的不同，在同一幅遥感图像中随机分布或周期性的分布不同像素宽度的条带噪声。对于高光谱遥感相机而言，不同谱段采集到的高光谱遥感图像噪声的宽度也可能存在差别，且噪声位置也可能不同。图2.1带条带噪声的遥感图像Figure2.1Remotesensingimagewithstripenoise（3）表现为行方向或列方向分布对于遥感相机成像系统传感器的成像机制与成像的扫描方式而言,产生条带噪声的原因主要是各个图像传感器的响应不一致造成某行或某列灰度值响应差异较大，与此同时由于遥感相机采用扫描的成像方式，因此造成遥感相机获得的遥感数据带有的条带噪声为行或列方向分布，而且整幅图像的条带噪声始终保持在行方向或列方向上。为了更好的观察遥感图像的条带噪声，本论文选取某卫星高光谱相机的遥感图像作为实验样本图像，图2.2为该高光谱相机在轨拍摄的图像数据，图2.3和图2.4分别是该高光谱遥感图像的一级、二级小波分解图像。其中A表示图像分解后的主要信息图像数据且包含少数条带噪声，H表示分解后图像的水平信息图像数据，V表示分解后图像的垂直信息图像数据即条带噪声主要分布的图像，D表示分解后图像的对角线信息图像数据。由图2.3和2.4可以很直观的观察条带噪声的分布特点：列方向直线分布。
【参考文献】：
期刊论文
[1]遥感影像条带噪声去除的小波变分法[J]. 王昶,张永生,王旭,纪松. 测绘学报. 2019(08)
[2]采用变分法的遥感影像条带噪声去除[J]. 王昶,王旭,纪松. 西安交通大学学报. 2019(03)
[3]基于列相关的热红外高光谱遥感图像非均匀性校正[J]. 李忠原,刘成玉,邵红兰,谢锋. 红外. 2018(08)
[4]基于低通滤波残差图的高光谱条带噪声去除[J]. 鞠荟荟,刘志刚,姜江军,汪洋. 光学学报. 2018(12)
[5]频域滤波与直方图匹配相结合的条带噪声去除法[J]. 罗敏,康一飞,潘励. 地理空间信息. 2018(07)
[6]一种改进的超宽条带噪声消除算法[J]. 黄世奇,张玉成,王荣荣,刘哲. 计算机应用研究. 2018(06)
[7]遥感图像条带噪声的多尺度变分模型去除[J]. 霍丽君,何斌,周达标. 光学精密工程. 2017(01)
[8]高光谱图像处理与信息提取前沿[J]. 张兵. 遥感学报. 2016(05)
[9]基于自适应单向变分的高光谱图像去条带方法[J]. 刘亚梅. 激光与光电子学进展. 2016(09)
[10]基于空间自适应变分的条带噪声去除方法[J]. 刘亚梅. 激光与红外. 2016(05)
博士论文
[1]光学遥感影像复杂条带噪声的变分处理方法研究[D]. 刘欣鑫.武汉大学 2018
硕士论文
[1]高光谱图像条带噪声消除方法研究[D]. 常威威.西北工业大学 2007
本文编号：3474566
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3474566.html
