焦彥平， 李 唱

（1.裝備學(xué)院 科研部，北京101416； 2.裝備學(xué)院 研究生管理大隊(duì)，北京101416）

條帶噪聲普遍存在于星載、機(jī)載多傳感器和單傳感器光譜儀成像中，它是衛(wèi)星在傳感器光、電器件掃描地物的成像過程中，由于傳感器的響應(yīng)不均勻造成的原始數(shù)據(jù)在一定方向上出現(xiàn)的灰度值連續(xù)偏高或偏低。條帶噪聲和普通的斑點(diǎn)噪聲混雜在一起，掩蓋了圖像真正的輻射信息，使圖像的質(zhì)量降低，給圖像判讀帶來困難，嚴(yán)重影響遙感數(shù)據(jù)的應(yīng)用效果。

以沿軌掃描CCD相機(jī)為例，由于多傳感器的工藝差異、儀器及元件的老化和內(nèi)部校準(zhǔn)系統(tǒng)的微小誤差等原因?qū)е赂鱾€(gè)探測(cè)單元的轉(zhuǎn)換傳遞函數(shù)不同，從而造成傳感器的電子裝置性能及對(duì)電磁輻射響應(yīng)的差異，這種條帶噪聲與掃描方向有關(guān)且呈周期分布，稱為周期條帶。針對(duì)傳感器之間的周期條帶問題，許多學(xué)者已經(jīng)進(jìn)行了研究和探討，如Kautsky等［1］的圖像灰度值特征匹配方法 和Wegener［2］改 進(jìn) 的 直 方 圖 匹 配 法，Gadallah［3］提出的矩匹配方法以及頻率域?yàn)V波法［4］，小波分析法［5］，有限脈沖響應(yīng)過濾［6］，基于最小二乘的非線性映射［7］等。以上的方法都是在默認(rèn)條帶噪聲周期性分布和忽略點(diǎn)噪聲影響的前提下進(jìn)行的。相對(duì)頻率濾波方法，空域法具有運(yùn)算速度快的優(yōu)點(diǎn)。本文主要基于空域法，在分析線陣CCD衛(wèi)星原始數(shù)據(jù)條帶噪聲圖像特性的基礎(chǔ)上，采用基于灰度統(tǒng)計(jì)的自適應(yīng)濾波方法，對(duì)線陣CCD衛(wèi)星（BJ－1衛(wèi) 星 和CBERS－02衛(wèi) 星）原 始 數(shù) 據(jù) 進(jìn) 行條帶噪聲去除。實(shí)驗(yàn)證明，該方法能有效地抑制線陣CCD過飽和現(xiàn)象對(duì)條帶噪聲濾波圖像的影響，具有較好的濾波特性。

1 基于自適應(yīng)濾波的線陣CCD衛(wèi)星圖像條帶噪聲去除

1.1 直方圖匹配條帶噪聲濾除

含有條帶噪聲的CCD圖像模型［8］可表示如下：gij＝Sij＋R（i，Sij）＋Nij。式中，gij表示原始圖像第i行第j列的像素灰度值，CCD沿行掃描，所以i也表示CCD的第i個(gè)像元。gij由3個(gè)部分組成：Sij表示信號(hào)的入射幅度；Nij表示點(diǎn)噪聲；R（i，Sij）表示條帶噪聲，其大小受當(dāng)前CCD像元特性和入射幅度的共同影響。空間域條帶噪聲去除，采用圖像列灰度特性與全圖像的灰度統(tǒng)計(jì)特性匹配的方法。即

式中：M為整個(gè)圖像所有像元灰值的平均值；D為整個(gè)圖像所有像元數(shù)灰度值的標(biāo)準(zhǔn)偏差；mi為每條掃描線上像元灰度平均值；di為每條掃描線上像元灰度的標(biāo)準(zhǔn)偏差，且：

以上各式中的i，j表示圖像行列順序號(hào)，其中i＝1，2，…，L；j＝1，2，…，S。

通過上述灰度統(tǒng)計(jì)特性的匹配，每一列的灰度統(tǒng)計(jì)特性同全圖像的灰度統(tǒng)計(jì)特性相一致，因此消除了不同列CCD器件采集時(shí)響應(yīng)特性和噪聲不同而帶來的條帶噪聲。

1.2 線陣CCD衛(wèi)星圖像噪聲特性分析

線陣CCD衛(wèi)星通常具有紅、綠、藍(lán)、近紅外多個(gè)波段，其原始圖像的縱向條帶噪聲較為突出。對(duì)于自然景物所獲取的衛(wèi)星圖像，各波段的直方圖基本符合正態(tài)分布，其噪聲特性具有以下特性：①圖像信噪比較高。②圖像內(nèi)部的CCD產(chǎn)生的條帶噪聲周期性顯著，呈顯著變化的明暗交替特征；在CCD拼接處，出現(xiàn)拼接引起的條帶噪聲。③在遙感圖像的采集過程中，由于受云層及地面積雪的影響，線陣CCD出現(xiàn)過飽和現(xiàn)象，圖像中會(huì)出現(xiàn)局部白色斑塊及外暈，在白斑內(nèi)部及外暈上，無明顯的條帶噪聲。

由于白色斑塊對(duì)圖像行、列的灰度統(tǒng)計(jì)特性（灰度平均值，方差）影響較大，使用1.1節(jié)中的空間域條帶噪聲濾除，在條帶噪聲去除的圖像上會(huì)呈現(xiàn)局部帶狀效應(yīng)。帶狀效應(yīng)所對(duì)應(yīng)的區(qū)域內(nèi)，除局部白色斑塊外，列向圖像明顯偏暗且呈灰色。

1.3 線陣CCD衛(wèi)星圖像條帶去噪方法

為避免由于局部過飽和現(xiàn)象而導(dǎo)致的濾波后圖像的局部帶狀效應(yīng)，在圖像條帶噪聲去除前，采用自適應(yīng)方法找出圖像中的局部過飽和區(qū)域灰度臨界值t，當(dāng)圖像灰度大于灰度臨界值時(shí)，圖像灰度值不參與列灰度特性統(tǒng)計(jì)；反之，則參與列灰度特性統(tǒng)計(jì)。

1.3.1 灰度臨界值t的確定

步驟1 將線陣CCD自然景物圖像灰度分布假設(shè)為正態(tài)分布N（M，D），經(jīng)統(tǒng)計(jì)分析，滿足光學(xué)遙感圖像云量＜10%的BJ－1和CBERS－02自然景物圖像，圖像過飽和區(qū)域灰度通常集中在圖像的［2.5D，255］區(qū)域內(nèi)，設(shè)定灰度臨界初始值t0＝kD，k＝2.5。（t0的確定，與衛(wèi)星無關(guān)，而與具體的地物密切相關(guān)，與圖像中云、雪等過飽和區(qū)域所占的比例有關(guān)。本文綜合考慮到地物特征和算法的效率，設(shè)定t0＝2.5D。）

步驟2 不考慮圖像中灰度值大于灰度臨界值t0的像素，對(duì)圖像剩余像素進(jìn)行灰度平均值M′和方差D′的統(tǒng)計(jì)，若｜M－M′｜＞1，則k增加0.1。

步驟3 重新設(shè)定t0＝kD，重復(fù)步驟2，直至｜M－M′｜≤1。

步驟4 灰度臨界值t＝t0。

1.3.2 基于灰度臨界值t的條帶噪聲去除

基于灰度臨界值t空間域條帶噪聲去除，采用圖像列灰度特性與全圖像的灰度統(tǒng)計(jì)特性匹配的方法。即

式中：M為整個(gè)圖像所有像元灰值的平均值；D為整個(gè)圖像所有像元數(shù)灰度值的標(biāo)準(zhǔn)偏差；mi（t）為每條掃描線上像元灰度小于臨界值t的像素的灰度平均值；di（t）為每條掃描線上像元灰度小于臨界值t的像素的灰度標(biāo)準(zhǔn)偏差。且

式中S（t）為i行中滿足條件的像素總數(shù)。

通過灰度統(tǒng)計(jì)特性的匹配，在圖像過飽和區(qū)域?qū)?yīng)列的灰度統(tǒng)計(jì)特性與全圖像的灰度統(tǒng)計(jì)特性相比明顯不同，灰度平均值大于全圖平均值；不包含圖像過飽和區(qū)域的像素時(shí)，其對(duì)應(yīng)列的灰度統(tǒng)計(jì)特性與全圖像的灰度統(tǒng)計(jì)特性一致，有效地去除了局部帶狀效應(yīng)。

2 實(shí)驗(yàn)分析

實(shí)驗(yàn)數(shù)據(jù)選取線陣CCD衛(wèi)星條帶噪聲明顯的波段圖像，圖1（a）為BJ－1 015028＿1近紅外波段原始圖像，圖2（a）為CBERS－02紅波段原始圖像，條帶噪聲明顯。圖1（b）～圖1（d），圖2（b）～圖2（d）分別為圖1（a）和圖2（a）基于直方圖匹配、頻域?yàn)V波［9］和基于自適應(yīng)濾波的衛(wèi)星圖像條帶噪聲去除處理結(jié)果。

圖3（a）～圖3（d）、圖4（a）～圖4（d）比較了BJ－1、CBERS－02圖 像 條 帶 噪 聲 去 除 前 后 沿 軌（列）方向的像素均值。

圖1 BJ－1 015028＿1近紅外波段及條帶噪聲去除后結(jié)果圖像

圖2 CBERS－02紅波段及條帶噪聲去除后結(jié)果圖像

圖3 BJ－1條帶噪聲去除前后圖像列均值曲線

圖4 CBERS－02條帶噪聲去除前后圖像列均值曲線

為了定量化分析圖像的改善質(zhì)量，采用3項(xiàng)噪聲圖像的質(zhì)量改進(jìn)指標(biāo)進(jìn)行統(tǒng)計(jì)分析，它們分別是圖像的均值、標(biāo)準(zhǔn)差和處理前后圖像的變差倒數(shù)［10］（inverse coefficient of variation，ICV）（記作RICV）。實(shí)驗(yàn)中，變差倒數(shù)是通過圖像內(nèi)2個(gè)10像素×10像素大小的均勻區(qū)域計(jì)算得到的，公式為

式中：Ra為給定窗口大小內(nèi)的圖像像素的均值；Rsd為給定窗口內(nèi)的圖像像素的標(biāo)準(zhǔn)差。RICV值越大，圖像條帶噪聲濾除的效果越好，表1為BJ－1圖像處理前后變差倒數(shù)對(duì)照表，表2為CBERS－02圖像處理前后變差倒數(shù)對(duì)照表。

表1 BJ－1圖像處理前后變差倒數(shù)對(duì)照表

表2 CBERS－02圖像處理前后變差倒數(shù)對(duì)照表

3 結(jié) 束 語

線陣CCD成像原理決定了在圖像中存在多種條帶噪聲，包括CCD傳感器響應(yīng)不同造成的條帶噪聲和CCD拼接造成的拼接條帶噪聲。條帶噪聲的存在降低了圖像的判讀質(zhì)量。本文基于線陣CCD條帶噪聲的特點(diǎn)，提出了基于自適應(yīng)濾波的條帶噪聲去除方法，該方法主要彌補(bǔ)了直方圖匹配條帶噪聲去除算法在圖像過飽和區(qū)域?qū)?yīng)列出現(xiàn)的“暗帶狀條紋”的不足，在消除列向條帶噪聲的同時(shí)均衡了各塊CCD線陣響應(yīng)?；贐J－1衛(wèi)星和CBERS－02衛(wèi)星原始圖像的條帶噪聲去除試驗(yàn)表明，該方法對(duì)條帶噪聲去除效果良好。

（

）

［1］KAUTSKY J，NICHOLS N K.Smoothed histogram modification for image processing［J］.J.Comput.Vis ＆Image Process，1984，26：271－291.

［2］WEGENER M.Destriping multiple sensor imagery by improved histogram matching［J］.J.Remote Sensing，1999，20（5）：859－875.

［3］GADALLAH F L，CSILLAG F.Destriping multisensor imagery with moment matching［J］.J.Remote Sensing，2000，21（12）：2505－2511.

［4］SRINIVASAN R，CANNON M，WHITE J.Landsat data destriping using power filtering［J］.Opt.Eng.，1988，27（11）：939－943.

［5］TORRES J，INFANTES O.Wavelet analysis for the elimination of striping noise in satellite images［J］.Opt.Eng.，2001，40（7）：1309－1314.

［6］SIMPSON J J，STITT J R，LEATH D M.Improved finite impulse response filters for enhanced destriping of geostationary satellite data［J］.Remote Sens.Environ，1998，66（3）：235－249.

［7］CHOI E，KANG M G.Striping noise removal of satellite images by nonlinear mapping［J］.Image Analysis and Recognition，2006（4142）：722－729.

［8］CORSINI G，DIANI M，WALZEL T.Striping removal in MOS－B data［J］.IEEE Trans.Geoscience and Remote Sensing，2000（38）：1439－1446.

［9］孫穎，張志佳.基于頻域?yàn)V波的自適應(yīng)條帶噪聲去除算法［J］.儀表技術(shù)與傳感器，2006（2）：57－59.

［10］NIEHOL J E，VOHORA V.Noise over water surfaces in Landsat TM images［J］.J.Remote Sensing，2004，25（11）：2087－2094.