【技术实现步骤摘要】
一种基于单向变分的遥感数据条纹噪声去除方法、装置及介质
[0001]本专利技术涉及图像处理
,具体为一种基于单向变分的遥感数据条纹噪声去除方法
、
装置及介质
。
技术介绍
[0002]从卫星传感器获取的遥感数据经常含不同类型的条纹噪声
。
条纹噪声的存在降低了遥感数据的质量,严重影响了它们在环境监测
、
军事
、
以及城市规划等领域的后续应用
。
目前存在的条纹去除算法大致可分为三类:基于滤波的方法
、
基于统计的方法和基于优化的方法,但是它们往往都存在一定的缺陷
。
其中,基于滤波的方法通常利用各种滤波器来获得去条纹结果,例如傅里叶滤波器
、
小波分解和小波
‑
傅里叶组合滤波器等
。
基于统计的方法主要依赖于各传感器具有相同的灰度统计特性,例如矩匹配和直方图匹配
。
然而这两类方法在处理非周期的不规则条纹时,无法取得较好的效果
。
[0003]基于优化的方法是公认较为有效的去条纹方法,它通过极小化能量泛函来估计去条纹后的图像
。
然而,现有大多数优化方法都是通过去除噪声的角度来实现的,而没有考虑条纹的典型特性例如方向和结构特性,这将导致许多图像细节可能与条纹一起被去除
。
此外,由于模型求解时的收敛速度较慢,这也导致了基于优化的方法所需时间较长,不利于处理大量数据
。<
【技术保护点】
【技术特征摘要】
1.
一种基于单向变分的遥感数据条纹噪声去除方法,其特征在于:具体包括以下步骤;
S1
:获取含有条纹噪声的遥感图像后,分别计算遥感图像不同方向的梯度信息,得到其水平和垂直方向的梯度图;
S2
:根据不同方向的梯度信息得到条纹噪声与底层图像结构的稀疏特性,通过引入
Lp
伪范数设计了不同方向的正则化约束项;同时基于条纹噪声的先验特性设计了全局的稀疏约束项;
S3
:将
S2
中的不同方向的正则化约束和全局稀疏约束相结合,得到完整的去除水平条纹的单项变分模型;
S4
:采用快速的交替方向乘子法对
S3
中的去除水平条纹的单项变分模型进行迭代求解,最终可以得到去除条纹后的遥感图像
。2.
根据权利要求1所述的一种基于单向变分的遥感数据条纹噪声去除方法,其特征在于:所述的图像不同方向的梯度信息计算公式为:其中:
Z(i,j)
表示遥感图像的像素值,
D
x
(i,j)
表示遥感图像水平方向的梯度信息,
D
y
(i,j)
表示遥感图像垂直方向的梯度信息,
(i,j)
表示遥感图像像素行列位置索引
。3.
根据权利要求1所述的一种基于单向变分的遥感数据条纹噪声去除方法,其特征在于:不同方向的正则化约束项和全局约束项为:于:不同方向的正则化约束项和全局约束项为:
R
s
=
||u
‑
g||0其中:
u
表示不含条纹噪声的理想遥感图像,
g
表示受到条纹噪声污染的遥感图像,表示水平方向的梯度,表示垂直方向的梯度,
R
x
表示水平方向的正则化约束项,
R
y
表示垂直方向的正则化约束项,
R
s
表示全局的稀疏约...
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。