一種基於地物光譜屬性的壞線修複方法與流程
2023-12-02 03:12:32
本發明涉及一種壞線修複方法，特別涉及一種基於地物光譜屬性的壞線修複方法，屬於圖像處理研究領域。
背景技術：
壞線是指影像上一整列或一行明顯的暗紋，它的像元值一般為很小的非典型的像元值，如0或者很小的值。壞線存在於很多類型的影像上，特別是高光譜影像。其形成的主要原因是傳感器的定標問題。因為面陣列CCD器件上萬個探測單元的定標十分困難。壞線的存在嚴重的影響了遙感影像的使用，必須加以糾正。而現有的壞線校正方法多是依靠壞線像元與左右相鄰像元的相關性，建立統計模型，利用相鄰像元對其進行恢復。這些方法對相鄰像元的依賴性很強，缺乏理論依據，修復像元值為統計意義的估計值，而並非真實的地物的像元值。
技術實現要素：
本發明要解決的技術問題是克服現有的壞線校正方法多是依靠壞線像元與左右相鄰像元的相關性，建立統計模型，利用相鄰像元對其進行恢復，這些方法對相鄰像元的依賴性很強，缺乏理論依據，修復像元值為統計意義的估計值，而並非真實的地物的像元值的缺陷，提供一種基於地物光譜屬性的壞線修複方法。
為了解決上述技術問題，本發明提供了如下的技術方案：
本發明提供了一種基於地物光譜屬性的壞線修複方法，包括以下步驟：
1)定義多波段圖像有p行，q列和n個波段，其圖像大小為p*q*n，並假設該圖像第b個波段的第i行第j列為壞線像元；
2)提取該影像除壞線波段外n-1個波段第i行第j列像元值，也就是壞線像元的地物光譜特徵，用fbad表示，其數學表達式為：
fbad＝[DN1(i，j)，DN2(i，j)，L，DNb-1(i，j)，DNb+1(i，j)，L，DNn(i，j)]
影像上任意像元(x，y)除波段b之外地物光譜特徵fref可以表示為：
fref＝[DN1(x，y)，DN2(x，y)，L，DNb-1(x，y)，DNb+1(x，y)，L，DNn(x，y)]
利用代價函數計算fbad與影像上其他像元光譜曲線fref的相似度，
ε＝fref-fbad
對於整幅影像就可以得到ε的集合E，那麼E中ε的最小值就被認為該像元與fbad的相似度最高；
3)利用該像元第b個波段的像元值代替第b個波段的第i行第j列為壞線像元，以此實現其壞線的修復。
作為本發明的一種優選技術方案，選取TM圖像的一塊，並人為製造出壞線，通過比較傳統方法和本方法的校正結果，分析所述象元值的修復精度和準確度。
本發明所達到的有益效果是：這種壞線修複方法，不僅修復了破損的遙感數據，提高數據的利用率。相比較於傳統的方法，該方法不盲目的依賴於統計相關性，而是依靠地物本身的光譜特徵來實現壞線區域的修復，科學可靠，精度更好。
附圖說明
附圖用來提供對本發明的進一步理解，並且構成說明書的一部分，與本發明的實施例一起用於解釋本發明，並不構成對本發明的限制。在附圖中：
圖1是本發明的Hyperion第15波段第114列的壞線示意圖；
圖2是本發明的Hyperion壞線修復後結果圖；
圖3是本發明的原始圖像；
圖4是本發明的增加壞線後的圖像；
圖5是本發明的基於地物光譜屬性法修復圖像。
具體實施方式
以下結合附圖對本發明的優選實施例進行說明，應當理解，此處所描述的優選實施例僅用於說明和解釋本發明，並不用於限定本發明。
實施例1
如圖1-5所示，本發明提供了一種基於地物光譜屬性的壞線修複方法，首先定義多波段圖像有p行，q列和n個波段，其圖像大小為p*q*n，並假設該圖像第b個波段的第i行第j列為壞線像元；再提取該影像除壞線波段外n-1個波段第i行第j列像元值，也就是壞線像元的地物光譜特徵，用fbad表示，其數學表達式為：
fbad＝[DN1(i，j)，DN2(i，j)，L，DNb-1(i，j)，DNb+1(i，j)，L，DNn(i，j)]
影像上任意像元(x，y)除波段b之外地物光譜特徵fref可以表示為：
fref＝[DN1(x，y)，DN2(x，y)，L，DNb-1(x，y)，DNb+1(x，y)，L，DNn(x，y)]
利用代價函數計算fbad與影像上其他像元光譜曲線fref的相似度，
ε＝fref-fbad
然後，對於整幅影像就可以得到ε的集合E，那麼E中ε的最小值就被認為該像元與fbad的相似度最高；並利用該像元第b個波段的像元值代替第b個波段的第i行第j列為壞線像元，以此實現其壞線的修復。
在壞線修復好之後，選取TM圖像的一塊(如圖3)，並人為製造出壞線(如圖4)，通過比較傳統方法和本方法的校正結果，分析其修復精度和準確度。例如使用了鄰域均值法和本發明所述的基於地物光譜屬性的壞線修複方法對TM數據的人造壞線進行修復，並通過比較兩種方法的計算結果和真值之間的差異來評價不同方法的優劣。分別均方根誤差(RMSE)，和平均精度作為評價不同方法的指標。通過計算，傳統方法修復結果的平均精度為96.2％，均方根誤差1.3。而基於地物光譜屬性壞線修復法修復結果平均精度為99.6％，均方根誤差1.1。精度提高了3.4個百分點。
方法原理：該方法首先提取壞線像元非壞線部分對應光譜曲線，以該光譜曲線片段為依據，通過全影像搜索，尋找與之相似度最高的地物光譜曲線，以此光譜曲線對應地物類型作為壞線像元地物類型，並用對應光譜值修復壞線像元的像元值；該方法不再盲目的利用統計關係修復壞線，而是利用先驗知識判斷壞線像元的地物類型，再依靠同時成像其他相同像元的光譜特徵，填補壞線區域。
本發明所達到的有益效果是：這種壞線修複方法，不僅修復了破損的遙感數據，提高數據的利用率。相比較於傳統的方法，該方法不盲目的依賴於統計相關性，而是依靠地物本身的光譜特徵來實現壞線區域的修復，科學可靠，精度更好。
最後應說明的是：以上所述僅為本發明的優選實施例而已，並不用於限制本發明，儘管參照前述實施例對本發明進行了詳細的說明，對於本領域的技術人員來說，其依然可以對前述各實施例所記載的技術方案進行修改，或者對其中部分技術特徵進行等同替換。凡在本發明的精神和原則之內，所作的任何修改、等同替換、改進等，均應包含在本發明的保護範圍之內。