南极卫星影像条带噪声的消除

遥感图像条带噪声的多尺度变分模型去除

文献标识码：Ａｄｏｉ：１０．３７８８／ＯＰＥ．２Ｏ１７２５０１．０１９８
中图分类号：ＴＰ７５１．１
Ａｄｅｓｔｒｉｐｉｎｇｍｅｔｈｏｄｗｉｔｈｍｕｌｔｉ－ｓｃａｌｅｖａｒｉａｔｉｏｎａｌｍｏｄｅｌ
＊Ｃｏｒｒｅｓｐｏｎｄｉｎｇａｕｔｈｏｒ，Ｅ－ｍａｉｌ：ｈｕｏｌｊ２０１４＠１６３．ｔｏｍ
Ａｂｓｔｒａｃｔ：Ｎｏｎ — ｕｎｉｆｏｒｍｉｔｙｏｆｔｅｎｏｃｃｕｒｓｉｎｍｕｌｔｉ — ｄｅｔｅｃｔｏｒｓｒｅｍｏｔｅ — ｓｅｎｓｉｎｇｉｍａｇｉｎｇｓｙｓｔｅｍ，ｒｅｓｕｌｔｉｎｇｉｎｔｈｅｅｘｉｓｔｅｎｃｅｏｆｓｔｒｉｐｎｏｉｓｅｉｎｒｅｍｏｔｅｓｅｎｓｉｎｇｉｍａｇｅｓ．Ａｄｅｓｔｒｉｐｉｎｇｍｅｔｈｏｄｗｉｔｈｍｕｌｔｉ — ｓｃａｌｅｖａｒｉａｔｉｏｎａｌｍｏｄｅｌｈａｓｂｅｅｎｐｒｏｐｏｓｅｄｏｎｔｈｅｂａｓｉｓｏｆｔｈｅａｎａｌｙｓｉｓｏｎｔｈｅｍａｉｎｓｏｕｒｃｅｓａｎｄｍｏｄｅｌｏｆｓｔｒｉｐｅｎｏｉｓｅ．Ｆｉｒｓｔ，ｔｈｅｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｓｔｒｉｐｎｏｉｓｅｈａｖｅｂｅｅｎａｎａｌｙｚｅｄａｎｄｔｈｅｄｅｇｒａｄａｔｉｏｎｍｏｄｅｌｏｆｔｈｅｉｍａｇｅｈａｓｂｅｅｎｆｏｒｍｕｌａｔｅｄ．Ｓｅｃｏｎｄｌｙ，ｔｈｅｕｎｉｄｉｒｅｃｔｉｏｎａ１ｃｈａｒａｃｔｅｒｉｓｔｉｃｏｆｓｔｒｉｐｎｏｉｓｅａｎｄｍｕｌｔｉ — ｓｃａｌｅｈｉｅｒａｒｃｈｉｃａｌ

去除条纹噪声的算法

去除条纹噪声的算法
去除条纹噪声的算法有很多种，以下是一些常见的算法：
1. 去条纹滤波器：该算法通过在频域中设置高通或低通滤波器，将某一频率的条纹噪声去除。

2. 傅里叶变换：该算法通过傅里叶变换将图像从空间域转换到频率域，然后在频率域中去除条纹噪声。

3. 空间滤波器：该算法通过在空间域中设置滤波器，将条纹噪声去除。

常见的空间滤波器包括均值滤波器、中值滤波器和高斯滤波器等。

4. 统计方法：该算法通过统计方法对条纹噪声进行建模，然后使用模型参数对条纹噪声进行去除。

常见的统计方法包括高斯混合模型、隐马尔可夫模型等。

5. 深度学习方法：该算法通过深度学习技术对条纹噪声进行去除。

常见的深度学习方法包括卷积神经网络、生成对抗网络等。

这些算法都有各自的优缺点，具体选择哪种算法需要根据具体情况进行评估和选择。

中分辨率遥感图像条带噪声的去除

收稿日期:2002211212;修订日期:2003202217基金项目:中国科学院知识创新工程重要项目“数字地球基础理论研究”(K ZCXZ 2312)。

作者简介:陈劲松(1969—　),男,毕业于东北大学。

现在是中国科学院遥感应用研究所博士生,主要从事微波遥感应用技术,遥感图像处理方面的研究,已发表论文10篇。

文章编号:100724619(2004)0320227207中分辨率遥感图像条带噪声的去除陈劲松,邵　芸,朱博勤(中国科学院遥感应用研究所开放实验室,北京　100101)摘　要:　C M ODIS 是中国第一个发射上天的中分辨率成像光谱仪,它有34个波段,波长范围从可见光到红外波段。

C M ODIS 数据含有大量有很高实用价值的光谱信息。

但是由于C M ODIS 传感器之间对接受的地物辐射信号的响应特性不同导致C M ODIS 数据中的许多波段含有大量的条带噪声,严重影响了C M ODIS 数据的解译和信息提取。

在介绍了几种常用于T M ,MSS ,SPOT 等多传感器遥感图像中的条带噪声去除方法基础上,提出了一种新的有限长脉冲响应滤波(FIR )法,并比较了该方法和其它几种常用方法对几何纠正前后非均匀地物分布的C M ODIS 数据的去条带噪声结果。

结果表明这种新方法要优于本文中提到的几种常用方法,具有很好的去条带噪声效果,同时保持图像原有信息。

这种方法在其它多传感器遥感图像的条带噪声去除中也有很强的适用性。

关键词:　CC D 信号响应;矩匹配;低通滤波;傅里叶变换;条带去除;有限长脉冲响应滤波中图分类号:　TP75111 文献标识码:　A1　引　言神舟3号携中分辨率像光谱仪(C M ODIS )上天运行,标志着中国民用传感器应用研究进入了一个新阶段。

作为中国首次上天的中分辨率光谱仪,C M ODIS 有34波段,波长范围从014—1215μm ,波段间隔20nm ,包含了从可见光到红外波段非常丰富的波谱信息。

采用变分法的遥感影像条带噪声去除

12,%T8K6%78E8<6G-46;E8<628#<-&87N-7806/S-,%-2%6/
e,+2 UC;GT%#e,+2 /Q"'057GT#
%95IC7787YUJZJ84GTJGKK<JGT)GJZK<HJDX7Y5IJKGIK;GM1KICG787TX-J;7GJGT,GHC;G-J;7GJGT%%A$!%UCJG; #90GHDJDQDK7Y5Q<ZKXJGT;GM :;EEJGT0GY7<L;DJ7G4GTJGKK<JGT)GJZK<HJDXVCKGT]C7QA!$$$%UCJG; "9.7<KHD<X0GHDJDQDK-J;7GJGT.7<KHD<X37I;DJ7G>1KICGJI;8U788KTK5CKGX;GT%%$%$%UCJG;
QGJMJ<KIDJ7G;8Z;<J;DJ7G L7MK8<KL7DKJL;TK
&'(##$%=>$&>$A!)* + , E » %&="· § ´¼ 3 ! 4 5 6 7 8 9 : ; < = 4 5 > ? 6 7
A%A$%!"A
C D E F G H #$%=>%#>#$!
%9¾ Ä < G T = ¿ J 1 2 = Z %%A$!% ¾ Ä À ð #9X Y 1 2 T = I º ² H X Y = Z A!$$$% 4 Á "9¾ Ä w Y § Y G H = Z w = Z %%$%$% E P
45J{|6e7Îh1Ó8Åþ9h1 Y ZE ¼ J : ð C L 1 Á . . a ð 6 ÅÑÒ>÷E¼KLÓ86e1Á.$ . 3 4 u ^ 6 e 7 Î h 1 Ó 8 Å þ* på:g¨ük7Îh1Ó8Åþh19{ | ü k 7 Î h 1 = ; < ^ _ J { | Ó 8 Å þ h 1 B / ÿ . à Y Z d y 9 E ¼ K L Ó 8 ` 1 Á . $ . 3 4 6 e Ó8Åþh1B.YZdyp= `Ó8Åþ* p u ^ Á : = Y Z d y ^D Á : = . Y Z dyÊük7Îh1o$>ð¨ý6Åh1$ Á ? ý ¶ ' Ñ Ò k ¶ 6 e Ó 8 Å þ p ( ¶ . u ? h 1 Y Z 6 Å ^ . h 1 » à ¨ ý ¦ C q M 6 7 8 Ó 8 Å þ h 1 Ó 8 6 e 1 Á . Ó 8 ` 1 Á . 7 Î h 1 9 : ; < = d#"@! > ? @ A B ,! > C D = $#!">&=@/#$%&$">$%A">$@

卫星遥感图像去噪算法研究

卫星遥感图像去噪算法研究近年来，卫星遥感技术在地球科学、环境保护、气象预测等领域得到了广泛应用。

然而，由于卫星遥感图像受到大气干扰和传感器噪声等因素的影响，其质量往往不尽如人意。

因此，研究卫星遥感图像去噪算法成为了科研人员的重要任务。

一、卫星遥感图像去噪算法的基本原理卫星遥感图像去噪算法的基本原理是通过对图像的相关性进行分析和处理来消除噪声。

其中，最常用的算法包括小波去噪法、总变差去噪法和均值滤波法等。

1. 小波去噪法小波去噪法是一种非常经典的图像去噪方法，它利用小波变换将图像分解成低频和高频部分，通过对高频部分进行阈值处理来去除噪声。

针对卫星遥感图像，可以选择适当的小波基函数和阈值来实现去噪效果。

2. 总变差去噪法总变差去噪法是一种基于图像的局部变化情况进行去噪的方法。

该方法利用图像的总变差作为正则化项，通过最小化总变差来达到去噪的效果。

这种方法在处理具有大面积连续变化的卫星遥感图像中表现出很好的效果。

3. 均值滤波法均值滤波法是一种基于像素周围邻域像素值的平均值进行去噪的方法。

该方法可以有效地去除高斯噪声和均匀噪声，但对于卫星遥感图像中的细节保护不佳。

二、卫星遥感图像去噪算法的应用卫星遥感图像去噪算法在地质勘探、农业监测和环境保护等领域得到了广泛的应用。

1. 地质勘探在地质勘探中，卫星遥感图像的去噪对于找寻矿产资源和预测地下结构非常重要。

通过去除噪声，可以提高地质勘探图像的质量，从而更准确地进行地质分析和选矿工作。

2. 农业监测在农业监测中，卫星遥感图像的去噪对于农作物生长状态和土壤水分含量的监测非常关键。

去噪后的图像可以提供更准确的农作物生长指标，帮助农民做出更合理的农业生产决策。

3. 环境保护卫星遥感图像的去噪在环境保护中也具有重要作用。

通过去除噪声，可以提高图像的空间分辨率和准确性，帮助环境保护部门更好地监测大气污染、水质变化和自然灾害等情况。

三、卫星遥感图像去噪算法的研究进展近年来，随着计算机技术的不断发展和算法的不断创新，卫星遥感图像去噪算法研究取得了不少进展。

遥感影像条带噪声去除的小波变分法

遥感影像条带噪声去除的小波变分法王昶;张永生;王旭;纪松【摘要】为了避免条带噪声去除过程中丢失影像细节,提出一种基于小波变分法去除遥感影像条带噪声.首先,对含有条带噪声的遥感影像进行小波分解;其次,通过构建的条带保留变分模型(SPVM)去除低层高频分量(含条带噪声)中的细节信息而保留条带噪声,从而有效分离出低层高频分量(含条带噪声)中的细节信息;通过构建的条带去除变分模型(DVM)去除高层高频分量(含条带噪声)中的条带噪声,从而有效地保留高层高频分量(含条带噪声)中的细节信息;最后,通过小波重构,获得去噪影像.试验证明本文方法在去除条带噪声的同时基本没有丢失影像细节,去噪后的影像对比度及质量都是最优的.【期刊名称】《测绘学报》【年(卷),期】2019(048)008【总页数】13页(P1025-1037)【关键词】小波变换;条带保留变分模型;条带去除变分模型;高频分量;遥感影像【作者】王昶;张永生;王旭;纪松【作者单位】辽宁科技大学土木工程学院,辽宁鞍山 114051;信息工程大学地理空间信息学院,河南郑州450001;信息工程大学地理空间信息学院,河南郑州450001;辽宁生态工程职业学院林学院,辽宁沈阳 110101;信息工程大学地理空间信息学院,河南郑州450001【正文语种】中文【中图分类】P237在拍摄遥感影像过程中，受到外界环境及CCD探测器成像机理的影响，遥感影像易受到条带噪声的污染[1-2]。

由于条带噪声的存在，严重影响了遥感影像的后续处理工作，因此，急需研究一种能够在不破坏影像细节的情况下有效去除条带噪声的方法。

在过去几十年，研究学者提出了基于滤波方法、基于统计匹配方法及基于全变分优化方法去除条带噪声。

基于滤波方法主要包括空间-频率域滤波[3-4]及小波域滤波[5-6]。

这类方法虽然可以很好地去除条带噪声，但由于滤波器可能会滤除与条带频率相同或相似的有用信号，从而容易丢失影像细节。

基于矩匹配算法的GF-2影像条带噪声去除

据中的条带噪声进行去除，并对去除效果进行评述。
1 G F- 2 卫星数据条带噪声特征分析
GF- 2 卫星数据条带噪声明显，选取一幅 GF-
2 原始影像，其 1一 4 波段如图 1 所示。
(a) B 1 ( 蓝）
（b) B 2 ( 绿）
（> B 3 ( 红）
（d) B 4 ( 近红外)
对于一景影像，每个传感器生成的灰度值分布概率是相同的，即各个波段真实辐射的均值和标准差差别很小[7]。矩匹配算法假设每个传感器所探测的地物具有均衡的辐射分布[8]，图像扫描方向的一行或一列图像具有统计一致性[9]，其核心在于通过调整每个传感器的均值、方差到某一参考值来达到去除条带噪声的目的[8]。
图 1 高分二号原始影像（条带噪声）
Fig. 1 G F - 2 r a w i m a g e s ( streaking noise)
通过分析现有GF- 2 遥感数据条带噪声发现: GF- 2 数据条带噪声垂直于卫星飞行方向排列；多
光谱和全色波段条带噪声同时出现，且分布范围一
(Cui J ，Shi P H ，Bai
W M ，et aL Destrif)ing model of
G F - 2 image based on
m o m e n t matching-J ].
Remote
sources ，2 0 1 7 ，29 (s1 ) ：34 - 3 8 )
基于矩匹配算法的GF - 2 影像条带噪声去除

envi遥感影像条带去除原理

envi遥感影像条带去除原理遥感影像条带去除是指通过一定的算法和处理，消除遥感影像中出现的条纹状噪声，保持影像的准确性和清晰度。

在遥感应用中，条带噪声产生的原因通常是由于遥感传感器的性能问题、地面观测条件等因素导致的，对于遥感应用而言，这些噪声会影响到图像的真实性和可用性。

因此，去除影像的条带噪声是遥感影像处理中的重要环节之一遥感影像条带去除的原理主要有以下几个方面：1.噪声建模：首先需要对条带噪声进行建模。

噪声建模可以通过统计学方法来实现，比如统计其中一个区域内的噪声分布情况，然后对其进行分析和建模，找出噪声的统计规律和特征。

这样可以为后续的去除算法提供依据和基础。

2.频域滤波：频域滤波是常用的一种去除条带噪声的方法。

主要思想是将影像转换到频域，利用频率的特征来进行滤波处理。

其中常用的方法包括傅里叶变换、小波变换等。

通过对频域图像进行滤波处理，可以抑制条带噪声的效果。

3.统计滤波：统计滤波是一种常见的图像去噪方法，它基于统计学原理对图像进行滤波处理。

常见的统计滤波方法有中值滤波、均值滤波、高斯滤波等。

针对条带噪声，可以选择合适的统计滤波方法进行处理，例如中值滤波可以有效地抑制条带噪声。

4.图像增强技术：图像增强技术也可以用于去除条带噪声。

例如，直方图均衡化可以通过对图像的灰度级进行重新分布来增强图像的对比度，从而达到去除条带噪声的效果。

5.空间滤波：空间滤波是根据图像空间域的像素值进行滤波处理。

常见的空间滤波方法有邻域平均法、拉普拉斯算子法等。

通过利用空间滤波，可以将条带噪声进行平滑处理，减小噪声对图像的影响。

综上所述，遥感影像条带去除的原理主要包括噪声建模、频域滤波、统计滤波、图像增强技术和空间滤波等方法。

不同的影像条带噪声去除方法各有优势和适用场景，需要根据具体情况选择合适的方法进行处理，以达到去除条带噪声的效果。

基于空间分割的影像条带噪声去除方法

第44卷第2期航天返回与遥感2023年4月SPACECRAFT RECOVERY & REMOTE SENSING109基于空间分割的影像条带噪声去除方法林宏宇1关晨辉1张炳先1,2赵兴成1（1 北京空间机电研究所，北京 100094）（2 先进光学遥感技术北京市重点实验室，北京 100094）摘要光学遥感卫星影像中包含系统条带噪声和随机条带噪声，由于多种因素的干扰，即使进行系统条带噪声去除后，仍残留部分随机条带噪声。

文章通过分析现有卫星遥感影像中的随机条带噪声特性，基于常规的随机条带噪声去除方法，提出一种新的基于空间分割的条带噪声去除算法。

该方法以影像的均值、中值以及梯度值构建判定准则，将影像分为动态范围变化较小的多个区域，同时将地物边缘单独提取出来予以保留；然后采用标准矩匹配的方法对单独区域进行处理，在剔除噪声的同时抑制灰度畸变的产生；最后采用中巴地球资源卫星04星（CBERS-04）数据作为试验对象进行了随机噪声去除试验，试验结果表明新方法在去除随机条带噪声的同时很好的保持了原始影像的纹理信息。

关键词遥感成像随机条带噪声影像分割标准矩匹配噪声去除中图分类号: TP391文献标志码: A 文章编号: 1009-8518(2023)02-0109-09DOI: 10.3969/j.issn.1009-8518.2023.02.012Remove of Random Strip Noise Based on Image Segmentation LIN Hongyu l GUAN Chenhui l ZHANG Bingxian l,2 ZHAO Xingcheng1（1 Beijing Institute of Space Mechanics & Electricity, Beijing 100094, China）（2 Key Laboratory for Advanced Optical Remote Sensing Technology of Beijing, Beijing 100094, China）Abstract Optical satellite images contain two types of striping noise, one is system striping noise, the other is random striping noise, that is, due to the interference of various factors. After the systematic stripe noise removal, the random stripe noise still remains in the image. The paper analysed the characteristics of stripe noise and proposed a new destriping method based on image segmentation, divided images into many parts based on the mean value, median value and gradient value and extract edge information during the process above, and then standard moment matching method can be used to eliminate the noise in each part respectively. Finally CBERS-04 images were used to verify the performance of our proposed method, and the results show that our proposed method basically maintains the texture information of original image, and play a better performance.Keywords remote sensing images; random strip noise; image segmentation; standard moment match; noise removal收稿日期：2022-06-29引用格式：林宏宇, 关晨辉, 张炳先, 等. 基于空间分割的影像条带噪声去除方法[J]. 航天返回与遥感, 2023, 44(2): 109-117.LIN Hongyu, GUAN Chenhui, ZHANG Bingxian, et al. Remove of Random Strip Noise Based on Image110航天返回与遥感2023年第44卷0 引言条带噪声的存在对于遥感影像的大范围精准使用存在重大的影响，因此在进行卫星影像预处理时，为了抑制噪声对后续处理环节的影响，通常在预处理环节的第一步即进行条带噪声去除。

图像条带噪声的去除方法

图像条带噪声的去除方法
陶胜
【期刊名称】《洛阳理工学院学报（自然科学版）》
【年(卷),期】2017(027)003
【摘要】针对传感器平台等条件下产生的图像条带噪声,提出了空间域滤波和频率域滤波相结合的去噪方法.条带噪声具有准周期性,噪声对应于其图像的傅里叶频谱中出现的亮点.基于这一原理,首先对带有条带噪声的图像进行傅里叶变换,并检测亮点所在的位置,然后在空间域对噪声图像进行开关中值滤波,并对滤波结果进行傅里叶变换,最后将噪声图像的频谱中噪声对应的区域用相应的开关中值滤波图像频谱区域进行替换,对替换后的结果进行傅里叶逆变换得到去噪声图像.仿真结果表明,采用空间域滤波和频率域滤波相结合的去噪方法比采用空间域滤波和频率域滤波能够取得更好的去噪效果.
【总页数】5页(P74-78)
【作者】陶胜
【作者单位】集美大学理学院,福建厦门361021
【正文语种】中文
【中图分类】TP391.4
【相关文献】
1.遥感图像条带噪声的多尺度变分模型去除 [J], 霍丽君;何斌;周达标
2.基于参考波段的去除HJ-1A星HSI图像中条带噪声的方法 [J], 高海亮;顾行发;
余涛;赫华颖;王峰;祝令亚
3.基于多波段匹配的超光谱成像仪图像条带噪声去除方法研究 [J], 高海亮;顾行发;余涛;孙源;汪左;刘李
4.成像光谱仪图像条带噪声去除的改进矩匹配方法 [J], 刘正军;王长耀;王成
5.基于灰度归一化的HJ-1A星HSI图像条带噪声去除方法 [J], 兰穹穹;张立福;吴太夏
因版权原因，仅展示原文概要，查看原文内容请购买。

卫星遥感影像预处理中噪声去除方法的研究

卫星遥感影像预处理中噪声去除方法的研究发表时间：2020-08-11T09:48:13.443Z 来源：《科学与技术》2020年第8期作者：李茂夏崇华张祥清[导读] 卫星这个词对于我们来说并不陌生摘要:卫星这个词对于我们来说并不陌生，我国已经发射了多枚卫星到太空，用于帮助人类探索太空的秘密，卫星能将太空中的影像、数据信息传输给地面，卫星遥感影像指记录各种地物电磁波大小的胶片或照片，主要分为航空像片和卫星相片。

而卫星遥感影像在传输到地面之后形成的影像是不完整的，必须经过预处理，那么在卫星遥感影像预处理前会存在噪声，噪声的感染会对卫星遥感影像的分析产生一定的影响，因此，在卫星遥感影像预处理中必须将噪声去除，这也是本文研究的重点，仅供参考。

关键词:影像; 遥感; 预处理; 噪声遥感影像在形成的过程中由于各种因素的影响会使得影像存在一定的畸变和失真，因为这些遥感影像在正式数据应用分析前都要进行处理，因此这一过程被称为预处理，一般来说卫星遥感影像的预处理阶段主要包括辐射校正、几何校正和噪声去除三部分。

卫星遥感影像的噪声主要表现为周期性的偏移引起的噪声，而产生的原因在影像形成的各个环节，噪声的形成有时会直接影响到影像的质量。

因此，卫星遥感影像预处理阶段必须将噪声去除。

一、由于周期性偏移引起的噪声1.1整像素偏移整像素发生周期性的偏移，每隔一定行整体像素就会发生数量固定的像素偏移，在影像图形中表现为出现一定的横线，因为是周期性的影响，所以整像素偏移有时发生，有时不发生。

而对于周期性引起的整像素发生偏移，一般的处理方法是，根据卫星影像画面产生图形的影像来判断，是否发生整像素偏移，而判定的标准是在一段时间内检测特定位置的特定影像信息，遥感影像每个位置的数据信息都是一定的，具有其特定的数据信息，如果在特定位置数据信息没有发生变化的话，那么是不存在整像素偏移的情况的。

如果存在整像素偏移，那么就要根据奇偶场位置的偏移程度进行适当的调整，奇数场向上偏移1行，偶数场向下偏移1行，那么就可以校正周期性发生的整像素偏移。