一种斜条带去除方法、装置、设备及介质制造方法及图纸

本申请公开了一种斜条带去除方法、装置、设备及介质，涉及图像处理技术领域，旨在解决现有技术无法有效去除遥感图像中斜条带噪声的技术问题。所述斜条带去除方法，包括以下步骤：获取目标遥感图像；其中，所述目标遥感图像为待去除斜条带噪声污染的高光谱遥感图像；将所述目标遥感图像输入至目标分解模型，以使所述目标分解模型输出目标图像；其中，所述目标分解模型采用目标样本图像、斜条带噪声样本图像和随机噪声样本图像训练获得；所述目标图像是指不含斜条带噪声的遥感图像；所述目标分解模型是基于交替方向乘子算法进行优化后获得。本申请所述方法可以有效去除遥感图像中的斜条带噪声。条带噪声。条带噪声。

【技术实现步骤摘要】
一种斜条带去除方法、装置、设备及介质


[0001]本申请涉及图像处理
，尤其涉及一种斜条带去除方法、装置、设备及介质。

技术介绍

[0002]遥感图像有着广泛的应用，包括矿产和地质勘探、地质灾害预测、国防和军事应用。在原始遥感影像中，传感器获取的条带通常为水平条带或垂直条带，但在生产更高层次遥感产品的过程中，几何配准会将这些条带转化为倾斜的条带。遥感图像往往受到各种噪声的干扰，其中条带噪声多是由于探测器标定不完善引起的。由于倾斜条带噪声的方向是无法确定的，因此对于垂直/水平条带的去条带噪声的方法无法有效去除倾斜条带的噪声。
[0003]因此，亟需一种斜条带的去除方法。

技术实现思路

[0004]本申请的主要目的是提供一种斜条带去除方法、装置、设备及介质，旨在解决现有技术无法有效去除遥感图像中斜条带噪声的技术问题。
[0005]为解决上述技术问题，本申请实施例提出了：一种斜条带去除方法，包括以下步骤：获取目标遥感图像；其中，所述目标遥感图像为待去除斜条带噪声污染的高光谱遥感图像；将所述目标遥感图像输入至目标分解模型，以使所述目标分解模型输出目标图像；其中，所述目标分解模型采用目标样本图像、斜条带噪声样本图像和随机噪声样本图像训练获得；所述目标图像是指不含斜条带噪声的遥感图像；所述目标分解模型是基于交替方向乘子算法进行优化后获得。
[0006]作为本申请的一些可选实施例，所述目标分解模型采用目标样本图像、斜条带噪声样本图像和随机噪声样本图像训练获得，包括：获取高光谱遥感样本图像；所述高光谱遥感样本图像为包含斜条带噪声污染的样本图像；基于所述高光谱遥感样本图像，获取目标样本图像、斜条带噪声样本图像和随机噪声样本图像；基于所述目标样本图像、所述斜条带噪声样本图像和所述随机噪声样本图像对目标分解模型进行训练。
[0007]作为本申请的一些可选实施例，所述基于所述高光谱遥感样本图像，获取目标样本图像、斜条带噪声样本图像和随机噪声样本图像，包括：将所述高光谱遥感样本图像分解为目标样本图像、斜条带噪声样本图像和随机噪声样本图像；其中，所述目标样本图像、所述斜条带噪声样本图像和所述随机噪声样本图像均
为三阶张量数据样本图像；所述三阶张量数据图像中包括每一谱段图像的行数值、每一谱段图像的列数值和高光谱遥感样本图像的光谱总数值。
[0008]作为本申请的一些可选实施例，所述基于所述目标样本图像、所述斜条带噪声样本图像和所述随机噪声样本图像对目标分解模型进行训练，包括：基于随机噪声样本图像，获得数据保真性值；基于目标样本图像，获得分段平滑约束值；基于斜条带噪声样本图像，获得斜条带的稀疏性值和沿斜条带方向的平滑性值；基于所述数据保真性值、所述分段平滑约束值、所述斜条带的稀疏性值和所述沿斜条带方向的平滑性值，对目标分解模型进行交替优化训练。
[0009]作为本申请的一些可选实施例，所述基于目标样本图像，获得分段平滑约束值，包括：基于目标样本图像在水平方向、竖直方向和光谱方向的梯度绝对值，获取所述梯度绝对值之和的最小值；基于所述梯度绝对值之和的最小值，获得分段平滑约束值。
[0010]作为本申请的一些可选实施例，所述基于目标样本图像在水平方向、竖直方向和光谱方向的梯度绝对值，获取所述梯度绝对值之和的最小值，包括：基于目标样本图像沿水平方向的相邻像素的差分值，获得目标样本图像的水平梯度绝对值；基于目标样本图像沿垂直方向的相邻像素的差分值，获得目标样本图像的垂直梯度绝对值；基于目标样本图像沿光谱方向的相邻像素的差分值，获得目标样本图像的光谱梯度绝对值；基于所述目标样本图像的水平梯度绝对值、所述目标样本图像的垂直梯度绝对值和所述目标样本图像的光谱梯度绝对值，获得目标样本图像在水平方向、竖直方向和光谱方向的梯度绝对值之和的最小值。
[0011]作为本申请的一些可选实施例，所述基于斜条带噪声样本图像，获得斜条带的稀疏性值和沿斜条带方向的平滑性值，包括：基于斜条带噪声样本图像中斜条带的分布，获得斜条带的稀疏性值；基于斜条带噪声样本图像中斜条带的候选方向值，获得沿斜条带方向的平滑性值；其中，所述斜条带噪声样本图像中斜条带的候选方向值满足以下关系式：其中，θ表示为所述斜条带噪声样本图像中斜条带的候选方向值，所述a∈[
ꢀ‑ꢀ
r , 0]，b∈[
ꢀ‑ꢀ
r , r]，r表示为模板的半径，r≥0。
[0012]为解决上述技术问题，本申请实施例还提供了一种斜条带去除装置，包括：
获取图像模块，用于获取目标遥感图像；其中，所述目标遥感图像为待去除斜条带噪声污染的高光谱遥感图像；去除斜条带模块，用于将所述目标遥感图像输入至目标分解模型，以使所述目标分解模型输出目标图像；其中，所述目标分解模型采用目标样本图像、斜条带噪声样本图像和随机噪声样本图像训练获得；所述目标图像是指不含斜条带噪声的遥感图像。
[0013]为解决上述技术问题，本申请实施例还提供了一种电子设备，该电子设备包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序，实现如上所述斜条带去除方法。
[0014]为解决上述技术问题，本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，处理器执行所述计算机程序，实现如上所述斜条带去除方法。
[0015]现有技术中，遥感图像中倾斜尖锐、重复的条带会干扰和阻碍遥感数据的解译和应用，因此如果不正确去除，条带噪声可能会导致数据分类失败和错误提取有用信息和地球物理数据。而本申请实施例为解决上述技术问题，将包含斜条带噪声污染的目标遥感图像输入至目标分解模型，以使所述目标分解模型输出目标图像，其中目标分解模型采用目标样本图像、斜条带噪声样本图像和随机噪声样本图像训练获得；所述目标图像是指不含斜条带噪声的遥感图像；所述目标分解模型是基于交替方向乘子算法进行优化后获得；因此，目标分解模型会将所述目标遥感图像分解为目标图像、斜条带噪声图像和随机噪声图像，并输入不含斜条带噪声的目标遥感图像。
附图说明
[0016]为了更清楚地说明本申请实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0017]图1是本申请实施例提供的一种电子设备的结构示意图；图2是本申请实施例提供的一种斜条带去除方法的流程示意图；图3是本申请实施例提供的一种使用目标分解模型进行斜条带去除的逻辑流程示意图；图4是本申请实施例提供的含斜条带图像示意图；其中，图4（a）为含斜条带的空间维沿水平梯度图像、图4（b）为含斜条带的空间维沿垂直梯度图像、图4（c）为含斜条带的光谱维梯度图像；图5是本申请实施例提供的模型输出的目标图像示意图；其中，图5（a）为目标空间维沿水平梯度图像、图5（b）为目标空间维沿垂直梯度图像、图5（c）为目标光谱维梯度图像；图6是本申请本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种斜条带去除方法，其特征在于，包括以下步骤：获取目标遥感图像；其中，所述目标遥感图像为待去除斜条带噪声污染的高光谱遥感图像；将所述目标遥感图像输入至目标分解模型，以使所述目标分解模型输出目标图像；其中，所述目标分解模型采用目标样本图像、斜条带噪声样本图像和随机噪声样本图像训练获得；所述目标图像是指不含斜条带噪声的遥感图像；所述目标分解模型是基于交替方向乘子算法进行优化后获得。2.根据权利要求1所述斜条带去除方法，其特征在于，所述目标分解模型采用目标样本图像、斜条带噪声样本图像和随机噪声样本图像训练获得，包括：获取高光谱遥感样本图像；所述高光谱遥感样本图像为包含斜条带噪声污染的样本图像；基于所述高光谱遥感样本图像，获取目标样本图像、斜条带噪声样本图像和随机噪声样本图像；基于所述目标样本图像、所述斜条带噪声样本图像和所述随机噪声样本图像对目标分解模型进行训练。3.根据权利要求2所述斜条带去除方法，其特征在于，所述基于所述高光谱遥感样本图像，获取目标样本图像、斜条带噪声样本图像和随机噪声样本图像，包括：将所述高光谱遥感样本图像分解为目标样本图像、斜条带噪声样本图像和随机噪声样本图像；其中，所述目标样本图像、所述斜条带噪声样本图像和所述随机噪声样本图像均为三阶张量数据样本图像；所述三阶张量数据图像中包括每一谱段图像的行数值、每一谱段图像的列数值和高光谱遥感样本图像的光谱总数值。4.根据权利要求2所述斜条带去除方法，其特征在于，所述基于所述目标样本图像、所述斜条带噪声样本图像和所述随机噪声样本图像对目标分解模型进行训练，包括：基于随机噪声样本图像，获得数据保真性值；基于目标样本图像，获得分段平滑约束值；基于斜条带噪声样本图像，获得斜条带的稀疏性值和沿斜条带方向的平滑性值；基于所述数据保真性值、所述分段平滑约束值、所述斜条带的稀疏性值和所述沿斜条带方向的平滑性值，对目标分解模型进行交替优化训练。5.根据权利要求4所述斜条带去除方法，其特征在于，所述基于目标样本图像，获得分段平滑约束值，包括：基于目标样本图像在水平方向、竖直方向和光谱方向的梯度绝对值，获取所述梯度绝对值之和的最小值；基于所述梯度绝对值之和的最小值，获得分段平滑约束值。6.根据权利要求5所述斜条带去...

【专利技术属性】
技术研发人员：孔祥阳，邱黎明，张伟，唐延东，李忠利，
申请(专利权)人：四川工程职业技术学院，
类型：发明
国别省市：