蘭穹穹，張立福，吳太夏

(1.中國科學院遙感應(yīng)用研究所遙感科學國家重點實驗室，北京 100101;2.中國科學院研究生院，北京 100049)

基于灰度歸一化的HJ－1A星HSI圖像條帶噪聲去除方法

蘭穹穹1，2，張立福1，吳太夏1

(1.中國科學院遙感應(yīng)用研究所遙感科學國家重點實驗室，北京 100101;2.中國科學院研究生院，北京 100049)

針對HJ－1A星HSI圖像上的條帶噪聲，在分析傳統(tǒng)條帶噪聲去除方法的基礎(chǔ)上，提出了一種新的基于灰度歸一化去除條帶噪聲的方法。首先，設(shè)計孤立點檢測窗口，將隨機斑點噪聲與條帶噪聲分離;然后，利用灰度歸一化方法建立圖像各列像元灰度級與基準列像元灰度級對應(yīng)的查找表，根據(jù)查找表對HSI圖像條帶噪聲進行消除。實驗結(jié)果表明，該方法在很好地保留圖像光譜信息的情況下，能夠有效地消除圖像條帶噪聲和隨機斑點噪聲。

成像光譜儀;遙感圖像;條帶噪聲;灰度歸一化

0 引言

環(huán)境與災(zāi)害監(jiān)測預(yù)報小衛(wèi)星星座的A星(HJ－1A)于2008年9月6日在太原衛(wèi)星發(fā)射中心成功發(fā)射，其上搭載有我國第一臺星載高光譜傳感器HSI。受到各種因素的影響，HSI在獲取數(shù)據(jù)時往往會在圖像上產(chǎn)生一定的噪聲［1］。條帶噪聲是其最主要的噪聲成分，它是由于傳感器響應(yīng)不均勻而造成的原始數(shù)據(jù)在一定方向上出現(xiàn)的灰度值連續(xù)偏高或偏低［2－4］現(xiàn)象。由于條帶噪聲的存在，嚴重影響了高光譜數(shù)據(jù)的質(zhì)量，因此，去除條帶噪聲的是高光譜圖像預(yù)處理工作中不可缺少的環(huán)節(jié)。

常見的條帶噪聲去除技術(shù)主要有基于頻率域的低通濾波技術(shù)和基于圖像空間域的灰度變換技術(shù)2種?；谶@2種技術(shù)，國內(nèi)外學者做了大量的條帶噪聲去除方法研究。Horn［5］和 Kautsky［6］提出了直方圖匹配法，這種方法雖然能夠起到去除條帶噪聲的作用，但也有一定的局限性，不適用于地表環(huán)境復(fù)雜圖像的條帶噪聲去除，而且只適用于在幾何糾正前進行;Gadallah［7］等提出了矩匹配方法，該方法顯然比直方圖匹配法去噪效果好，但卻改變了圖像行或列上的均值分布，使圖像灰度產(chǎn)生一定的畸變，處理后的圖像出現(xiàn)了亮暗交替的現(xiàn)象;劉正軍等［8］對矩匹配方法進行了改進，提出了改進矩匹配方法，收到了較好的效果;石光明等提出了一種基于方向性濾波器的圖像孤立條帶噪聲消除方法［2］;Weinreb等人提出了利用經(jīng)驗分布函數(shù)匹配的條帶處理方法［9］，朱小祥等利用該方法對神舟三號成像光譜儀圖像條帶進行了有效處理［10］。

本文提出的基于灰度歸一化的條帶噪聲去除方法，首先將圖像的隨機斑點噪聲分離，然后分別對隨機斑點噪聲和條帶噪聲進行去除。實驗證明，該方法對HJ－1A星HSI圖像的條帶噪聲去除是非常有效的。

1 研究方法

理想情況下，當進入傳感器的地物輻射強度相同時，傳感器對應(yīng)輸出圖像的DN值也應(yīng)該是相同的。然而，受成像光譜儀復(fù)雜的成像過程以及傳感器光學敏感元件響應(yīng)偏差的影響，傳感器輸出圖像上常有交替出現(xiàn)的亮暗條紋，即條帶噪聲。

假設(shè)圖像上條帶噪聲呈周期分布(周期為k)且地面觀測范圍較大，地物種類分布較均一，那么在各周期列內(nèi)，第 i，i+k，…，i+nk 列與第 j，j+k，…，j+nk列應(yīng)該具有相同的輻射級動態(tài)分布范圍，即

式中:P表示輻射級動態(tài)分布;i≥1，j≤k;n為條帶周期數(shù)。

選擇一個信噪比較高、輻射級動態(tài)范圍大的周期列系列(i，i+k，…，i+nk列)作為基準列，將其輻射灰度歸一化為n級，則

式中:DN(x，y)為原始圖像坐標(x，y)的灰度值;DNm為灰度歸一化后對應(yīng)的灰度級(m=1，2，…，n)。

當把其他周期列序列的輻射值同樣歸一化為n級時，同一個灰度級對應(yīng)的不同周期列序列的像元灰度值應(yīng)該相等，即

式中:DN(x1，y1)為基準周期列序列內(nèi)某像元的灰度值;DN(x2，y2)為其他周期列序列內(nèi)對應(yīng)的像元灰度值。這樣，DN(x1，y1)與 DN(x2，y2)是一一對應(yīng)關(guān)系。根據(jù)式(3)即可生成每一個周期列序列與基準列序列對應(yīng)灰度值的查找表。

圖1揭示了基準周期列序列灰度與其他周期列序列灰度之間的轉(zhuǎn)換關(guān)系。為了復(fù)原(x2，y2)坐標處像元的真實灰度值，首先根據(jù)(x2，y2)處像元的灰度值在查找表中找到對應(yīng)的歸一化灰度級，然后根據(jù)歸一化灰度級找出對應(yīng)基準列序列中對應(yīng)的灰度值，該基準列序列中對應(yīng)的灰度值即為(x2，y2)處像元復(fù)原后的灰度值。

圖1 查找表生成示意圖Fig.1 Schematic diagram of look － up table generation

2 實驗及結(jié)果分析

HJ－1A星HSI圖像的條帶噪聲呈明顯的周期性列方向分布，如圖2所示。

圖2 HSI Band5(左)和Band10(右)原始圖像Fig.2 The original images of Band5(left)and Band10(right)of HSI data

由于高光譜圖像上的噪聲隨著波段變化非常復(fù)雜，因此在研究如何將其消除的過程中，必須采用自適應(yīng)的方法對每個波段的噪聲特性進行分析。本文分析了HSI前20個波段圖像的特點，認為這些波段圖像上同時具有隨機斑點噪聲和條帶噪聲。在計算中，首先要將隨機斑點噪聲分離出來，使其不參與計算;然后根據(jù)圖像條帶噪聲的周期特性建立每一波段、每一周期列序列的歸一化查找表，根據(jù)查找表得到復(fù)原后的灰度值;最后，對具有斑點噪聲的圖像位置進行線性插值處理，得到復(fù)原后噪聲處的DN值。整個處理過程基于遙感圖像處理軟件ENVI和交互式數(shù)據(jù)語言IDL實現(xiàn)，處理流程如圖3所示。

圖3 本文方法流程Fig.3 Flow chart of the destriping method in this paper

以Band10圖像為例，具體去噪步驟如下:

1)輻亮度轉(zhuǎn)換。HSI是以16位有符號的整形數(shù)據(jù)記錄的，在產(chǎn)品的生產(chǎn)過程中，人為地把輻亮度擴大了100倍，為此要把原始波段數(shù)據(jù)除以100。

2)圖像旋轉(zhuǎn)。圖像旋轉(zhuǎn)采用文獻［11］所述的方法實現(xiàn);分析計算旋轉(zhuǎn)后圖像條帶噪聲分布周期為21個像素。

3)斑點與條帶噪聲分離。如圖4所示，設(shè)計一個3像元×3像元的隨機噪聲檢測窗口，對圖像做掩模處理;結(jié)合圖像的信噪比和方差，確定窗口中心濾波閾值;檢測隨機斑點噪聲，并將其與圖像條帶噪聲分離，使其不參與計算。

4)分析計算前20個波段條帶噪聲的周期，并根據(jù)式(1)統(tǒng)計分析出一個波段內(nèi)每一個周期列序列的原始圖像DN值分布范圍;選擇一個信噪比較高、輻射級動態(tài)范圍大的周期列序列作為基準周期列序列。

5)壓縮圖像灰度級，把各周期列序列的灰度值歸一化為64級;選擇第2個周期列序列為基準列序列，同時建立各周期列序列對應(yīng)基準列的查找表。圖5是Band10圖像灰度歸一化結(jié)果。

6)利用上一步建立的查找表，把各周期列序列的DN值校正到基準周期列序列上，并采用鄰域線性插值法得到隨機噪聲處的像元復(fù)原值，最終實現(xiàn)圖像噪聲消除的目的。

圖4 隨機噪聲檢測窗口(左)與Band10被檢測出的隨機噪聲(右)Fig.4 Filter window to detect the random noise(left)and detected random noise of Band 10(right)

圖5 Band10圖像灰度歸一化結(jié)果Fig.5 Normalization results of Band10 image

圖6是幾種條帶噪聲去除方法的效果。

圖6 噪音去除方法效果對比(Band 10)Fig.6 Comparion of destriping methods(Band 10)

從圖6可以看出，與傳統(tǒng)改進的矩匹配方法和低通濾波方法相比，本文方法消除了隨機斑點噪聲和條帶噪聲的干擾，圖像質(zhì)量有了明顯的提高。圖7展示了利用本文方法對其他一些波段圖像的條帶噪聲去除效果。

圖7 HSI原始圖像及其去噪處理結(jié)果Fig.7 Destriping results of HSI original images

3 結(jié)果評價

采用圖像均值、方差、列方差均值、信噪比及信息熵5個指標定性評價噪聲去除結(jié)果。把原始圖像與經(jīng)本文方法、低通濾波方法和傳統(tǒng)改進的矩匹配算法噪聲去除結(jié)果圖像進行了統(tǒng)計，結(jié)果如表1所示。

表1 噪聲去除統(tǒng)計結(jié)果Tab.1 Statistical results of destriping methods

可以看出，本文方法較其他方法很好地保留了圖像的灰度均值和列方差均值，這說明該方法能夠保留原圖像的光譜信息和圖像的紋理細節(jié)信息。圖像整體方差、信噪比較低通濾波法有所下降是由于隨機噪聲和條帶噪聲消除的原因，并不代表圖像真實信息量的下降。圖像的信息熵與矩匹配方法接近，且大于低通濾波法的信息量，說明本文方法在去除噪音的同時，很好地保留了圖像真實信息。圖8是Band10圖像列均值統(tǒng)計結(jié)果。

圖8 Band10圖像列均值剖面線Fig.8 Profile line of the mean value of the samples of Band 10

由圖8可以看出，與低通濾波和改進的矩匹配方法相比，應(yīng)用本文方法處理后的列均值剖面線更接近原始圖像列均值剖面線，具有較好的噪聲消除效果。

4 結(jié)論

本文基于HJ－1A星HSI數(shù)據(jù)特點，提出了一種基于圖像灰度歸一化的條帶噪聲消除方法。從處理結(jié)果和評價參數(shù)可以看出，該方法有以下特點:

1)與傳統(tǒng)的條帶噪聲去除方法相比，該方法能夠很好地消除圖像的隨機斑點噪聲和周期條帶噪聲，并且能夠保證圖像的光譜輻射信息和紋理信息。

2)灰度歸一化方法是一種基于灰度值轉(zhuǎn)換映射的方法，在處理時只需要根據(jù)查找表找到與待復(fù)原像元相對應(yīng)的標準列的灰度值即可，因此該方法操作簡單，同時，處理后的圖像和原始圖像灰度值之間可以互相轉(zhuǎn)換，方便得到原始圖像的特征。

3)通過對不同時相、不同軌道的HJ－1A星HSI數(shù)據(jù)處理研究結(jié)果表明，該方法能很好地去除HJ－1A星HSI圖像上的噪聲。

需要說明的是，該方法對條帶噪聲呈周期性分布且地物種類分布均一的圖像去噪效果較好，而對于含有孤立條帶噪聲、地物類型分布差異較大的圖像來說，去噪效果并不理想，并且只適合于幾何糾正前的圖像去噪。

［1］童慶禧，張 兵，鄭芬蘭.高光譜遙感原理、技術(shù)與應(yīng)用［M］.北京:高等教育出版社，2008:7.

［2］石光明，王曉甜，張 犁，等.基于方向濾波器消除遙感圖像孤立條帶噪聲的方法［J］.紅外與毫米波學報，2008，27(3):214－218.

［3］相里斌，趙葆常，薛鳴球.空間調(diào)制干涉成像光譜技術(shù)［J］.光學學報，1998，18(1):18 －22.

［4］計忠瑛，相里斌，王忠厚，等.干涉型超光譜成像儀的星上定標技術(shù)研究［J］.遙感技術(shù)與應(yīng)用，2004，19(4):280 －283.

［5］Horn B K P，Woodham R J.Destriping Landsat MSS Images by Histogram Modification［J］.Com Graph Image Process，1979，10(1):69－83.

［6］Kautsky J，Nichols N K，Jupp D L B.Smoothed Histogram Modification for Image Processing［J］.Computer Vision Ggraphic and Image Processing，1984，26(3):271 －291.

［7］Gadallah F L，Csillag F，Smitb E J M.Destriping Multisensor Imagery with Moment Matching［J］.Int J Remote Sensing，2000，21(12):2505－2511.

［8］劉正軍，王長耀，王 成.成像光譜儀圖像條帶噪聲去除的改進矩匹配方法［J］.遙感學報，2002，6(4):279 －284.

［9］Weinreb M P，Xie R，Lienesch，et al.Destriping GEOS Images by Matching Empirical Distribution Functions［J］.Remote Sens Environ 1989，29(2):185 －195.

［10］朱小祥，范天錫，黃 簽.《神舟三號》成像光譜儀圖像條帶消除的一種方法［J］.紅外與毫米波學報，2004，23(6):451－454.

［11］鈕立明，蒙繼華，吳炳方，等.HJ－1A星HSI數(shù)據(jù)2級產(chǎn)品處理流程研究［J］.國土資源遙感，2011(1):77－82.

A Method to Destripe HJ－1A HSI Data Based on Nomalized Grey Level

LAN Qiong － qiong1，2，ZHANG Li－ fu1，WU Tai－ xia1
(1.The State Key Laboratory of Remote Sensing Sciences，Institute of Remote Sensing Application，Chinese Academy of Sciences，Beijing 100101，China;2.Graduate University of Chinese Academy of Sciences，Beijing 100049，China)

The first national self－developed Hyper－Spectral Imaging(HSI)sensor was aboard on HJ－1A satellite which was launched on March 30，2009 successfully.The HSI data quality was influenced by the stripe noise in the first 20 spectral bands severely.It is an urgent need to study the method to destripe the HSI data.In this paper，a new destriping method was developed based on an analysis of the main causes and characteristics of the stripe noise in the hyperspectral images.The method firstly devised a filter window to separate the random noise and stripe noise.Secondly，a look－up table between the gray level of each column and that of the standard column was calculated to destripe the stripe noise of the HSI data.The results indicate that this method can remove the stripe noise and random noise effectively and at the same time keep the spectral radiation information properly.

spectrometer;remote sensing image;stripe noise;normalized grey level

TP 75

A

1001－070X(2012)02－0045－05

2011－07－20;

2011－08－31

國家重點基礎(chǔ)研究發(fā)展計劃(編號:2010CB434801)和國土資源部公益專項課題(編號:201011019－07)共同資助。

10.6046/gtzyyg.2012.02.09

蘭穹穹(1987－)，男，碩士研究生，研究方向為高光譜遙感。E－mail:lanqiongqiong09@163.com。

張立福(1967－)，男，中國科學院遙感應(yīng)用研究所研究員，主要從事高光譜遙感理論及應(yīng)用研究。E－mail:zhanglf@irsa.ac.cn。

(責任編輯:刁淑娟)