趙可,鐘若飛,楊燦坤,李清揚(yáng)

(1.首都師范大學(xué) 資源環(huán)境與旅游學(xué)院,北京 100048;2.首都師范大學(xué) 三維信息獲取與應(yīng)用教育部重點(diǎn)實(shí)驗(yàn)室,北京 100048)

0 引言

泰景四號(hào)01星是搭載X波段商業(yè)SAR和光學(xué)動(dòng)目標(biāo)檢測(cè)相機(jī)的商業(yè)衛(wèi)星?？捎糜谌鞎r(shí)、全天候地獲取高分辨率地表圖像,其搭載的動(dòng)目標(biāo)檢測(cè)相機(jī)以及AI智能載荷,可對(duì)成像數(shù)據(jù)在軌處理,實(shí)現(xiàn)從預(yù)處理到動(dòng)目標(biāo)檢測(cè)和識(shí)別的全過(guò)程。在資源詳查、城市規(guī)劃、環(huán)境保護(hù)、商業(yè)數(shù)據(jù)搜集等領(lǐng)域有廣泛應(yīng)用前景。衛(wèi)星利用互補(bǔ)金屬氧化物半導(dǎo)體(complementary metal oxide semiconductor,CMOS)靈活讀取特性,實(shí)現(xiàn)了具有可控時(shí)間差的全色雙條帶推掃成像,通過(guò)幀差法便可以實(shí)現(xiàn)在推掃視場(chǎng)內(nèi)進(jìn)行大范圍低速運(yùn)動(dòng)目標(biāo)檢測(cè)。利用這一成像特性,可以同時(shí)獲取運(yùn)動(dòng)目標(biāo)的速度和方向,結(jié)合地理信息數(shù)據(jù)庫(kù),有望提高目標(biāo)監(jiān)測(cè)的時(shí)間分辨率,實(shí)現(xiàn)面向?qū)崟r(shí)應(yīng)用的遙感服務(wù),為應(yīng)急減災(zāi)、交通運(yùn)輸、船舶監(jiān)測(cè)等場(chǎng)景提供技術(shù)支撐。

CMOS相比較于傳統(tǒng)電荷耦合元件傳感器(charge-coupled device,CCD)具有讀取靈活的特性,可以較為靈活地實(shí)現(xiàn)開(kāi)窗成像,但同時(shí)受其讀出放大器的限制,像素間不均勻狀況較為常見(jiàn),導(dǎo)致各探測(cè)元件之間的響應(yīng)并不完全一致。因此在利用CMOS進(jìn)行推掃成像時(shí),在圖像上表現(xiàn)為沿軌道方向的非周期性條狀噪聲。條帶噪聲的存在不僅降低了圖像的目視效果,在應(yīng)用中也直接導(dǎo)致了精度的損失。因此,條帶噪聲的去除是提升數(shù)據(jù)應(yīng)用效能的基礎(chǔ)。

現(xiàn)有的去條帶方法主要分為三類(lèi):基于統(tǒng)計(jì)分析的方法、基于濾波的方法和基于變分正則化的方法。統(tǒng)計(jì)分析方法假定圖像灰度的空間分布是均勻的,利用條帶區(qū)域與圖像區(qū)域灰度統(tǒng)計(jì)特征的差異性,將其灰度直方圖調(diào)整在某個(gè)規(guī)定范圍內(nèi),如直方圖匹配法[1]、矩匹配法[2]、改進(jìn)的矩匹配算法[3-5]。這類(lèi)算法實(shí)現(xiàn)簡(jiǎn)單快速,但對(duì)于地表復(fù)雜度較高區(qū)域并不適用?；跒V波的方法是將影像變換到頻率域,通過(guò)設(shè)置一定的濾波器對(duì)噪聲信號(hào)進(jìn)行處理,如小波濾波器[6]、自適應(yīng)濾波器[7]、改進(jìn)的陷波濾波器[8]等。這類(lèi)方法能夠有效消除圖像中的周期性噪聲,但一般遙感影像中的條帶噪聲并非周期性分布,以上方法無(wú)法將影像中的非周期性噪聲完全濾除,并且容易丟失圖像細(xì)節(jié)。基于變分的方法在圖像去噪領(lǐng)域一直是研究的熱點(diǎn),常見(jiàn)的有單向變分模型[9]、結(jié)合矩匹配和變分法的去條帶模型[10-11]、低秩單圖像分解模型[12]等。

雖然上述方法在條帶噪聲去除的問(wèn)題上取得了一定的效果,但對(duì)于泰景四號(hào)01星動(dòng)目標(biāo)檢測(cè)應(yīng)用場(chǎng)景來(lái)說(shuō),現(xiàn)有的去條帶方法均未考慮到其成像特點(diǎn),導(dǎo)致幀差后除了運(yùn)動(dòng)目標(biāo)外,仍會(huì)殘留部分條狀離散噪點(diǎn),對(duì)后續(xù)進(jìn)一步的目標(biāo)檢測(cè)影響較大。為了解決上述問(wèn)題,本文提出了一種顧及幀間一致性的條帶噪聲去除方法,即理想情況下,配準(zhǔn)后的兩個(gè)條帶影像同一列灰度均值應(yīng)是近似一致的。該方法算法復(fù)雜度低,對(duì)圖像造成的灰度畸變較小,并且在各種地物復(fù)雜度較高的場(chǎng)景下均取得了較好的效果。

1 數(shù)據(jù)分析

泰景四號(hào)01星利用雙CMOS拼接實(shí)現(xiàn)20 km成像幅寬,其中,每片CMOS可采集全色雙條帶推掃影像。該數(shù)據(jù)是由CMOS器件上兩個(gè)不同區(qū)域開(kāi)窗成像實(shí)現(xiàn)數(shù)據(jù)采集,模擬了雙線陣異步推掃模式。每個(gè)開(kāi)窗區(qū)域?qū)?yīng)一個(gè)全色通道,在通道內(nèi)實(shí)現(xiàn)時(shí)間延遲積分(time delayed integration,TDI)功能。數(shù)據(jù)采集時(shí),沿衛(wèi)星飛行方向,在1～2 s的時(shí)間間隔內(nèi)先后對(duì)同一區(qū)域曝光成像。理想情況下,針對(duì)同名地物的像素讀出信號(hào)應(yīng)該是相同的,但實(shí)際在對(duì)地推掃過(guò)程中,受衛(wèi)星姿態(tài)、CMOS制做工藝等因素限制,探測(cè)元件不同區(qū)域像素之間的響應(yīng)并不完全一致,最終得到的數(shù)據(jù)依然受條帶噪聲影響,其不同譜段上的條帶噪聲具有不同的表現(xiàn)形式。圖1為兩個(gè)CMOS在兩個(gè)時(shí)刻利用各自開(kāi)窗區(qū)域獲取的海面原始影像。

圖1 泰景四號(hào)01星海面原始影像

可以看出,該衛(wèi)星影像條帶噪聲主要沿軌道軌道方向分布,多為暗條紋,一般呈多列聚集出現(xiàn),且不具備周期性,不同譜段上條帶噪聲的分布不具備相關(guān)性,CMOS1成像模組的條帶噪聲較多且分散,CMOS2成像模組條帶噪聲較少且聚集。

這些微弱的條帶噪聲不易通過(guò)目視發(fā)現(xiàn),但在基于幀差法的動(dòng)目標(biāo)檢測(cè)應(yīng)用場(chǎng)景中,由于不同通道間條帶噪聲強(qiáng)度、分布的不同,會(huì)在幀差后的顯著性圖中得到保留,導(dǎo)致幀差結(jié)果中存在大量的條狀離散噪點(diǎn),進(jìn)一步影響運(yùn)動(dòng)目標(biāo)與背景分離時(shí)的閾值選擇,嚴(yán)重影響檢測(cè)精度。假設(shè)沒(méi)有條帶噪聲參與圖形計(jì)算,兩個(gè)通道的差分結(jié)果應(yīng)是一幅只包含目標(biāo)區(qū)域灰度值差異,且其他區(qū)域灰度值為0,不存在明暗條紋的平整圖像。但是由于條帶噪聲的客觀存在,細(xì)小條紋在差分后也會(huì)顯現(xiàn)出來(lái)。圖2分別為兩個(gè)CMOS成像模組間分別配準(zhǔn)后進(jìn)行差分的效果,可以更加直觀反映出影像上的條帶情況。

圖2 原始譜段差分效果

2 方法設(shè)計(jì)

理想情況下,對(duì)各CMOS兩個(gè)譜段間進(jìn)行配準(zhǔn)后,由于地物一致,整體像素差異理論上分布在一個(gè)波動(dòng)性較弱的區(qū)間范圍內(nèi),但是由于條帶噪聲的存在,條帶所在列的譜段間灰度差異明顯大于其他理想位置?；诖?本文從幀間一致性角度考慮,提出了一種對(duì)條帶位置按照灰度權(quán)重進(jìn)行像素補(bǔ)償?shù)南鄬?duì)輻射校正方法。首先,通過(guò)相對(duì)輻射定標(biāo)方法去除大部分微弱條帶,將條帶噪聲抑制在較小的范圍內(nèi)。然后,將配準(zhǔn)后的兩個(gè)譜段整體亮度均值調(diào)整為一致。最后,以配準(zhǔn)后兩個(gè)譜段間同一列上的均值差異作為條帶定位原則,并依據(jù)像素權(quán)重對(duì)條帶所在位置進(jìn)行像素補(bǔ)償。

2.1 相對(duì)輻射定標(biāo)

將相機(jī)推掃方向定義為列向,垂直推掃方向定義為行向,忽略隨機(jī)噪點(diǎn)的影響,在同一相機(jī)積分級(jí)數(shù)下,各探元響應(yīng)可近似表示為式(1)[13]。

y(r,c)=k(c)x(r,c)+b(c)

(1)

式中:y(r,c)為校正后的像素值;x(r,c)為原始像素值;b(c)為傳感器c的增益,該值一般近似為1;k(c)為傳感器c的偏移量。這些參數(shù)可以通過(guò)實(shí)驗(yàn)室輻射定標(biāo)獲取。圖3為分別經(jīng)過(guò)相對(duì)輻射定標(biāo)后的譜段間幀差效果圖像,相比較于圖2,通過(guò)上述相對(duì)輻射定標(biāo)過(guò)程,可以去除圖像中的部分細(xì)小條帶噪聲,有效將條帶噪聲抑制在較小的范圍內(nèi),但對(duì)于一些較為嚴(yán)重的寬條帶,該方法并不能徹底將其消除。

圖3 輻射定標(biāo)后譜段差分效果

2.2 圖像亮度調(diào)整

由于同一積分級(jí)數(shù)下相機(jī)兩譜影像之間響應(yīng)線性度差異的存在,造成兩幅影像總體亮度值存在細(xì)微差異。如泰景四號(hào)01星影像兩個(gè)CMOS成像模組中譜段1的灰度均值總是低于譜段2,對(duì)兩個(gè)譜段影像進(jìn)行配準(zhǔn)后,我們以對(duì)應(yīng)列均值差值的正負(fù)為依據(jù)對(duì)暗條帶噪聲進(jìn)行定位時(shí),會(huì)出現(xiàn)差值均為負(fù)數(shù)的情況,無(wú)法準(zhǔn)確判斷條帶位于哪個(gè)譜段影像上。因此,需要將兩幅影像亮度盡可能地調(diào)整到一致范圍,以便準(zhǔn)確定位條帶位置。本文選擇將經(jīng)過(guò)配準(zhǔn)后的譜段1影像均值調(diào)整到與譜段2影像均值一致大小,傳統(tǒng)方法對(duì)所有像素統(tǒng)一做一個(gè)簡(jiǎn)單的加或減操作,以將待調(diào)整影像均值調(diào)整為參考影像均值。該方法不能反映真實(shí)圖像列的均值變化,改變了圖像的實(shí)際灰度分布。為了不破壞原始圖像灰度的空間分布情況,本文以各像素在整幅圖像中的灰度權(quán)重為依據(jù)進(jìn)行亮度的調(diào)整(式(2))。

(2)

(3)

D=Sum(2)-Sum(1)

(4)

(5)

式中:Sum(n)代表譜段n的像素值之和,n∈[1,2]。

2.3 條帶補(bǔ)償

調(diào)整亮度值后的兩譜影像之間每一列都對(duì)應(yīng)同名地物。理論上,若CMOS各探元之間不存在響應(yīng)差異,相同地物的灰度值則是嚴(yán)格一致的。因此,本文對(duì)兩譜影像之間的列均值進(jìn)行統(tǒng)計(jì),以均值差值的正負(fù)作為條帶位置補(bǔ)償依據(jù)。

經(jīng)過(guò)相對(duì)輻射校正后,影像中殘留條帶噪聲普遍為暗條帶。因此,若第1譜段和第2譜段某列像素均值之差為正數(shù),即譜段1該列灰度均值大于譜段2,則認(rèn)為譜段2該列存在暗條帶并對(duì)其進(jìn)行像素補(bǔ)償。若某列像素均值之差為負(fù)數(shù),即譜段1該列灰度均值小于譜段2,則認(rèn)為譜段1該列存在暗條帶并對(duì)其進(jìn)行像素補(bǔ)償。若兩列像素均值相等,則認(rèn)為兩幅圖在該列均不存在條帶,不需要進(jìn)行像素補(bǔ)償。

考慮到同一列上存在不同的地物,在進(jìn)行像素補(bǔ)償時(shí)不能夠直接對(duì)一列整體進(jìn)行簡(jiǎn)單的灰度加減操作。本文通過(guò)計(jì)算該列上每個(gè)像素與相應(yīng)列均值之間的比值作為補(bǔ)償權(quán)重,逐列對(duì)條帶進(jìn)行補(bǔ)償,從而將兩譜影像每列均值調(diào)整至一致(式(6)～式(8))。

(6)

(7)

(8)

3 實(shí)驗(yàn)與分析

為了驗(yàn)證該算法的有效性,本文選取了“泰景四號(hào)01星”兩個(gè)CMOS成像模組在1級(jí)相機(jī)積分下推掃成像得到的4幅影像作為實(shí)驗(yàn)數(shù)據(jù)。為了充分證明算法的場(chǎng)景普適性,實(shí)驗(yàn)場(chǎng)景內(nèi)具有建筑、海面、沙灘等多種地物類(lèi)型。選取的影像大小為5 000像素×5 000像素。矩匹配方法通過(guò)對(duì)影像列均值與方差的調(diào)整,使其與標(biāo)準(zhǔn)參考值一致,以實(shí)現(xiàn)相對(duì)輻射校正目的;雙邊濾波方法結(jié)合圖像的空間鄰近度和像素值相似度對(duì)圖像進(jìn)行平滑去噪處理;單向變分方法利用梯度下降思想,通過(guò)建立最優(yōu)化能量泛函來(lái)獲取干凈的圖像效果。將本文方法與矩匹配、雙邊濾波器、單向變分3種不同類(lèi)型的去條帶方法進(jìn)行比較,并根據(jù)主觀和客觀質(zhì)量評(píng)價(jià)標(biāo)準(zhǔn)對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行評(píng)價(jià)。定性質(zhì)量評(píng)價(jià)標(biāo)準(zhǔn)主要包括:圖像視覺(jué)效果、圖像列均值曲線、幀差效果。定量評(píng)價(jià)標(biāo)準(zhǔn)包括:信息熵、變異逆系數(shù)、結(jié)構(gòu)相似度、峰值信噪比。

3.1 定性質(zhì)量評(píng)價(jià)

圖4～圖7分別為使用不同方法分別對(duì)CMOS1、CMOS2成像模組的兩個(gè)譜段進(jìn)行去條帶實(shí)驗(yàn)的圖像視覺(jué)效果,除了CMOS2的第2譜段外,其他譜段原始影像上都存在明顯的條帶噪聲?？梢钥闯?矩匹配方法校正后的影像視覺(jué)效果最差。使用雙邊濾波器進(jìn)行相對(duì)輻射校正后,影像上的條帶噪聲并沒(méi)有明顯消除,而對(duì)圖像紋理細(xì)節(jié)進(jìn)行了平滑。使用單向變分模型校正后效果有所提升,但仍存在部分不易觀察到的細(xì)小條帶噪聲。本文方法去條帶效果相對(duì)較好,能夠去除大部分肉眼可見(jiàn)的明顯條帶噪聲,且對(duì)原圖像的特征保留度較高。

圖4 CMOS1第1譜段校正結(jié)果

圖5 CMOS1第2譜段校正結(jié)果

圖6 CMOS2第1譜段校正結(jié)果

圖8、圖9為使用不同方法對(duì)各成像模組的兩個(gè)譜段進(jìn)行去條帶實(shí)驗(yàn)后的圖像差分效果。理想情況下,沒(méi)有條帶噪聲的影響,兩幅圖差分后應(yīng)是一幅灰度均勻,不存在明暗條紋的平整圖像,但由于條帶去除的不徹底性,肉眼不易察覺(jué)的細(xì)小條紋在差分后也會(huì)顯現(xiàn)出來(lái)。相較于其他方法,本文方法在兩個(gè)成像模組中都得到了良好的幀差效果。

圖10～圖13為使用不同方法對(duì)各個(gè)CMOS成像模組的兩個(gè)譜段進(jìn)行去條帶實(shí)驗(yàn)后的圖像列均值曲線,綠色表示原始圖像列均值,紅色表示校正后圖像列均值。可以看出,CMOS2成像模組的原始圖像列均值變化較CMOS1更加劇烈。由于雙邊濾波器的算法局限,本文選擇在8位灰度空間進(jìn)行實(shí)驗(yàn)。使用矩匹配方法校正后的影像列均值近似為一條直線,改變了圖像真實(shí)灰度分布,圖像細(xì)節(jié)損失較大。使用雙邊濾波器進(jìn)行校正后,影像列均值比校正前略微平滑,但變化幅度不大,并不能有效消除條帶。單向全變分方法對(duì)原始影像列均值分布保留的比較完好,但對(duì)圖像進(jìn)行了過(guò)度平滑,會(huì)導(dǎo)致校正后影像出現(xiàn)階梯效應(yīng)。本文方法校正前后列均值曲線擬合程度較好,如圖10(d)所示,在第2 800列左右,校正后的圖像列均值呈現(xiàn)一個(gè)明顯的升高區(qū)間,該區(qū)間與原圖CMOS1譜段1上的條帶位置吻合。如圖11(d)所示,在第300、1 700、2 300、3 800列左右,校正后的圖像列均值呈現(xiàn)一個(gè)明顯的升高區(qū)間,該區(qū)間與原圖CMOS1譜段2上的條帶位置吻合。如圖12(d)所示,在第4 800列左右,校正后的圖像列均值呈現(xiàn)一個(gè)較大幅度的升高區(qū)間,該區(qū)間與原圖CMOS2譜段1上的條帶位置吻合。相比較于其他兩種方法,本文方法能夠有效針對(duì)條帶所在位置進(jìn)行校正,并保留圖像原始灰度空間分布特征不被破壞。

圖10 CMOS1第1譜段列均值曲線

圖11 CMOS1第2譜段列均值曲線

圖12 CMOS2第1譜段列均值曲線

圖13 CMOS2第2譜段列均值曲線

3.2 定量質(zhì)量評(píng)價(jià)

使用客觀指標(biāo)對(duì)實(shí)驗(yàn)效果進(jìn)行評(píng)價(jià)時(shí),必須綜合考慮多個(gè)指標(biāo),不能由單一指標(biāo)確定結(jié)果好壞。本文選用信息熵、變異逆系數(shù)、結(jié)構(gòu)相似度、峰值信噪比4種定量指標(biāo)對(duì)相對(duì)輻射校正效果進(jìn)行分析評(píng)價(jià)。

信息熵是圖像信息豐富度高低的定量評(píng)價(jià)指標(biāo),信息熵越大,圖像信息量越大;變異逆系數(shù)定義為近似各向同性區(qū)域上的均值與標(biāo)準(zhǔn)差之比,其值越大,代表去條帶效果越好;結(jié)構(gòu)相似度是衡量校正前后兩幅圖像相似度的評(píng)價(jià)指標(biāo),從影像的亮度、對(duì)比度和結(jié)構(gòu)3個(gè)層次比較影像變化,其值越大,圖像細(xì)節(jié)信息保留能力越強(qiáng);峰值信噪比是最大信號(hào)與噪聲之間的比值,用于評(píng)價(jià)去噪后圖像與原始圖像的近似程度,數(shù)值越大,說(shuō)明近似程度越高。

由于雙邊濾波器處理效果較差,沒(méi)有計(jì)算其定量評(píng)價(jià)指標(biāo)。表1、表2為不同去條帶方法定量評(píng)價(jià)結(jié)果。

表1 CMOS1相對(duì)輻射校正定量評(píng)價(jià)結(jié)果

表2 CMOS2相對(duì)輻射校正定量評(píng)價(jià)結(jié)果

由于原始圖像中條帶噪聲較弱,校正前后各項(xiàng)指標(biāo)波動(dòng)并不強(qiáng)烈,CMOS1譜段2校正前后在各項(xiàng)指標(biāo)上都取得了最好的效果,CMOS1譜段1由于在校正前對(duì)影像均值做了調(diào)整,校正前后影像灰度會(huì)有細(xì)小的差別,因此,在定量評(píng)價(jià)指標(biāo)上不如單向全變分方法,但二者差別極小,對(duì)影像總體質(zhì)量的影響不大。總體來(lái)說(shuō),基于以上評(píng)價(jià)指標(biāo),與其他不同算法相比,本文算法能夠在信息保持與條帶去除中使定量指標(biāo)達(dá)到相對(duì)較好的平衡效果,且取得了更優(yōu)的條帶去除結(jié)果。

4 結(jié)束語(yǔ)

針對(duì)泰景四號(hào)01星遙感影像數(shù)據(jù)在動(dòng)目標(biāo)檢測(cè)應(yīng)用場(chǎng)景中受條帶噪聲影響,致使精度損失的問(wèn)題,本文提出了一種顧及幀間一致性的條帶噪聲去除方法。首先,通過(guò)相對(duì)輻射定標(biāo)方法去除影像上大部分微弱條帶,將條帶噪聲抑制在較小的范圍內(nèi)。然后,對(duì)配準(zhǔn)后的兩個(gè)譜段整體灰度均值進(jìn)行調(diào)整。最后,以配準(zhǔn)后兩個(gè)譜段間同一列上的均值差異作為條帶定位原則,并依據(jù)像素權(quán)重對(duì)條帶所在位置進(jìn)行像素補(bǔ)償。

實(shí)驗(yàn)結(jié)果表明,本文算法在主觀和客觀評(píng)價(jià)指標(biāo)上都取得了良好的效果,在有效去除圖像中微弱條帶的同時(shí)能夠最大限度保留圖像灰度信息。此外,本文算法復(fù)雜度低,不需要設(shè)置初始參數(shù),能夠在提高影像質(zhì)量的同時(shí)兼顧算法處理效率。但是,本文方法僅適用于兩個(gè)及以上譜段圖像的去噪任務(wù),如珠海一號(hào)等高光譜影像去噪。對(duì)于單波段影像,本文方法并不適用。其次,本文算法依賴于圖像的配準(zhǔn),配準(zhǔn)精度對(duì)本文算法結(jié)果的好壞有決定性作用,所以在后續(xù)的研究中,我們將考慮如何最大限度地減少配準(zhǔn)精度對(duì)結(jié)果的影響。