本发明专利技术公开了一种卫星遥感图像条带噪声定位方法与装置，属于图像处理技术领域。所述方法包括：将条纹检测转换为条纹块与非条纹块的识别。通过条纹图像块利用整体亮度偏移与线性亮度拉伸来进行模拟以获取大量训练数据，根据卫星遥感图像噪声的特点，将条纹块设置为长方条形。本发明专利技术所使用的深度神经网络以卷积网络为基础进行构造，检测时以水平密集扫描和垂直稀疏扫描的方式来实现快速精确的检测。本发明专利技术解决现有技术中基于深度学习的图像条纹噪声检测方法只能处理尺寸较小的普通图像，而无法处理大尺寸卫星遥感图像的问题。可以用于高分辨率遥感图像条纹噪声自动检测，提高噪声检测的精度，减少图像质检的工作量，降低人力成本。本。本。
【技术实现步骤摘要】
卫星遥感图像条带噪声定位方法及装置
[0001]本专利技术涉及图像处理
，特别是涉及一种卫星遥感图像条带噪声定位方法及装置。
技术介绍
[0002]在图像采集系统中，由于光线变化及所使用的线阵相机(CCD)本身的影响，在获得的图像中都会有横条纹或者竖条纹的存在，它们统称为条纹噪声。其中，卫星遥感图像存在大量竖条纹噪声，严重制约后续的图像处理与分析。
[0003]现有的基于学习的条纹检测方法引入深度卷积神经网络(CNN)进行去条带化，以自适应方式提取条带的空间信息。将条纹图像作为深度网络的输入，没有条纹的图像作为深度网络的输出，基于模拟的样本对网络进行训练，从而实现条纹噪声的自动检测。但是目前基于深度学习的图像条纹噪声检测只能处理尺寸较小的普通图像，无法适用于长宽各为数万个像素的大尺寸的卫星遥感图像，并且由于卫星遥感图像中大量出现的条纹噪声主要为垂直条带，使得卫星遥感图像的处理方式与普通图像的处理方式有很大的不同。
技术实现思路
[0004]有鉴于此，本专利技术提供的一种卫星遥感图像条带噪声定位方法及装置，能够解决现有技术中基于深度学习的图像条纹噪声检测方法只能处理尺寸较小的普通图像的问题，本专利技术的方法能够自动识别并快速定位长宽各为数万个像素的大尺寸的卫星遥感图像中的垂直条带位置。
[0005]根据本专利技术一个方面，提供了一种卫星遥感图像条带噪声定位方法，该方法包括步骤：步骤1：构建条带噪声识别深度神经网络模型，包含三个卷积神经网络层结构与两个全连接层；步骤2：从卫星遥感图像中采集和生成大量样本图像，并对样本图像中是否存在条带噪声进行标注，形成训练样本集D；步骤3：采用所述标注结果进行约束，使用所述训练样本集D训练所述条带噪声识别深度神经网络模型，得到训练好的条带噪声识别深度神经网络模型；步骤4：待检测卫星遥感图像预先分割为条状图像块组，以所述条状图像块的中轴列坐标标记所述条状图像块，采用训练好的条带噪声识别深度神经网络模型对所述条状图像块组进行设定间隔的扫描检测，获取分类结果，所述分类结果描述了所述条状图像块组中的每一个图像块是否包含条带噪声；最终获取条纹噪声列坐标集合。
[0006]作为本专利技术的进一步改进，所述三个卷积神经网络层结构中，每个卷积神经网络层结构的组成从上到下依次为卷积神经网络层、批量归一化层、ReLU激活层和池化处理层；所述三个卷积神经网络层结构最后连接一个自适应最大值池化处理层。
[0007]作为本专利技术的进一步改进，所述设定间隔的扫描检测包括步骤：步骤511，水平扫描获取初始条纹噪声列坐标集合；沿着所述待检测卫星遥感图像的竖直方向选取m个起始位置对所述条状图像块组进行水平扫描，获取所述初始条纹噪声列坐标集合；步骤512：将CCD拼接线位置加入所述初始条纹噪声列坐标集合；步骤513，垂直扫描对所述初始条纹噪
声列坐标集合进行二次确认；定义一阈值M，沿着所述初始条纹噪声列坐标集合中的每一列对所述条状图像块组进行垂直方向扫描，统计包含条带噪声所述条状图像块数量k，如果k超过M，则将该列坐标加入所述条纹噪声列坐标集合。
[0008]作为本专利技术的进一步改进，所述从卫星遥感图像中生成大量样本图像具体为通过模拟块状区域灰度整体变化的方式来生成条带状样本图像。
[0009]作为本专利技术的进一步改进，所述模拟块状区域灰度整体变化可以为在条纹的两侧分别对像素值进行整体的加减，通过整体加上亮度偏移值来生成条纹效果；公式为：I
o
＝I
C
+o；其中o为一个常数，为原始图像块，为整体加上偏移值后的图像块。
[0010]作为本专利技术的进一步改进，所述模拟块状区域灰度整体变化可以为采用线性拉伸在条纹的两侧进行像素值变换生成条纹效果；公式为：I1＝kI
C
+b；其中k代表缩放值，b为一个常数，代表线性拉伸后的图像块。
[0011]根据本专利技术另一个方面，提供了一种卫星遥感图像条带噪声定位装置，该装置包括：构建网络模型模块：被配置为构建条带噪声识别深度神经网络模型，包含三个卷积神经网络层结构与两个全连接层；构建训练样本模块：被配置为从卫星遥感图像中采集和生成大量样本图像，并对样本图像中是否存在条带噪声进行标注，形成训练样本集D；模型训练模块：被配置为采用所述标注结果进行约束，使用所述训练样本集D训练所述条带噪声识别深度神经网络模型，得到训练好的条带噪声识别深度神经网络模型；检测模块：被配置为将待检测卫星遥感图像预先分割为条状图像块组，以所述条状图像块的中轴列坐标标记所述条状图像块，采用训练好的条带噪声识别深度神经网络模型对所述条状图像块组进行设定间隔的扫描检测，获取分类结果，所述分类结果描述了所述条状图像块组中的每一个图像块是否包含条带噪声；最终获取条纹噪声列坐标集合。
[0012]作为本专利技术的进一步改进，所述三个卷积神经网络层结构中，每个卷积神经网络层结构的组成从上到下依次为卷积神经网络层、批量归一化层、ReLU激活层和池化处理层；所述三个卷积神经网络层结构最后连接一个自适应最大值池化处理层。
[0013]作为本专利技术的进一步改进，所述设定间隔的扫描检测包括：水平扫描子模块：被配置为水平扫描获取初始条纹噪声列坐标集合；沿着所述待检测卫星遥感图像的竖直方向选取m个起始位置对所述条状图像块组进行水平扫描，获取所述初始条纹噪声列坐标集合；添加拼接线子模块：被配置为将CCD拼接线位置加入所述初始条纹噪声列坐标集合；垂直扫描子模块：被配置为使用垂直扫描对所述初始条纹噪声列坐标集合进行二次确认；定义一阈值M，沿着所述初始条纹噪声列坐标集合中的每一列对所述条状图像块组进行垂直方向扫描，统计包含条带噪声所述条状图像块数量k，如果k超过M，则将该列坐标加入所述条纹噪声列坐标集合。
[0014]作为本专利技术的进一步改进，所述从卫星遥感图像中生成大量样本图像具体为通过模拟块状区域灰度整体变化的方式来生成条带状样本图像。
[0015]籍由上述技术方案，本专利技术提供的有益效果如下：
[0016](1)本专利技术将条纹检测转换为条纹块与非条纹块的识别，结合深度神经网络强大的学习能力，采用图像块来对条带进行识别，输入为卫星遥感图像，输出为所有条带噪声在图像上的位置，能够对超大尺寸的卫星遥感图像自动快速的进行条纹识别。
[0017](2)针对卫星遥感图像尺寸大，条带噪声多为有周期性的垂直条状噪声的特点设
计条带块图像训练样本集，能够更多的纳入条纹覆盖的区域，提高目标的识别精度。
[0018](3)设计和训练以CNN(卷积神经网络)为基础的深度学习模型，自动对从卫星遥感图像中拆分出来的条状图像块进行扫描检测，准确率较高。
[0019](4)采用水平扫描与垂直扫描相结合，且设置不同的阈值的方式来完成整幅图像的条带噪声定位，能够在保证识别精度的同时提高识别速度。
[0020]上述说明仅是本专利技术技术方案的概述，为了能够更清楚了解本专利技术的技术手段，而可依照说明书的内容予以实施，并且为了让本专利技术的上述和其它本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种卫星遥感图像条带噪声定位方法，其特征在于，包括以下步骤：步骤1：构建条带噪声识别深度神经网络模型，包含三个卷积神经网络层结构与两个全连接层；步骤2：从卫星遥感图像中采集和生成大量样本图像，并对样本图像中是否存在条带噪声进行标注，形成训练样本集D；步骤3：采用所述标注结果进行约束，使用所述训练样本集D训练所述条带噪声识别深度神经网络模型，得到训练好的条带噪声识别深度神经网络模型；步骤4：待检测卫星遥感图像预先分割为条状图像块组，以所述条状图像块的中轴列坐标标记所述条状图像块，采用训练好的条带噪声识别深度神经网络模型对所述条状图像块组进行设定间隔的扫描检测，获取分类结果，所述分类结果描述了所述条状图像块组中的每一个图像块是否包含条带噪声；最终获取条纹噪声列坐标集合。2.根据权利要求1所述的卫星遥感图像条带噪声定位方法，其特征在于，所述三个卷积神经网络层结构中，每个卷积神经网络层结构的组成从上到下依次为卷积神经网络层、批量归一化层、ReLU激活层和池化处理层；所述三个卷积神经网络层结构最后连接一个自适应最大值池化处理层。3.根据权利要求1或2所述的卫星遥感图像条带噪声定位方法，其特征在于，所述设定间隔的扫描检测包括步骤：步骤511，水平扫描获取初始条纹噪声列坐标集合；沿着所述待检测卫星遥感图像的竖直方向选取m个起始位置对所述条状图像块组进行水平扫描，获取所述初始条纹噪声列坐标集合；步骤512：将CCD拼接线位置加入所述初始条纹噪声列坐标集合；步骤513，垂直扫描对所述初始条纹噪声列坐标集合进行二次确认；定义一阈值M，沿着所述初始条纹噪声列坐标集合中的每一列对所述条状图像块组进行垂直方向扫描，统计包含条带噪声所述条状图像块数量k，如果k超过M，则将该列坐标加入所述条纹噪声列坐标集合。4.根据权利要求1所述的卫星遥感图像条带噪声定位方法，其特征在于，所述从卫星遥感图像中生成大量样本图像具体为通过模拟块状区域灰度整体变化的方式来生成条带状样本图像。5.根据权利要求4所述的卫星遥感图像条带噪声定位方法，其特征在于，所述模拟块状区域灰度整体变化可以为在条纹的两侧分别对像素值进行整体的加减，通过整体加上亮度偏移值来生成条纹效果；公式为：I
o
＝I
C
+o；其中o为一个常数，I
C
为原始图像块，I
o
为整体加上偏移值后的图像块。6.根据权利要求...
【专利技术属性】
技术研发人员：周颖，赵薇薇，王红钢，王艳，董文军，刘鹏，张帆，赖广陵，沈黎，白龙，
申请(专利权)人：北京市遥感信息研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。