应用相位一致性评价多光谱遥感图像条带噪声

合集下载

遥感技术影像中去除噪音的方法分析及应用

在影像上进行均值滤波法操作，得出均值滤波方法处理椒
盐噪声不太理想，根据上面的图片展示，去噪后的图片中还是留
有不少的椒盐噪声。如图一所示。
图 1 原图像与均值滤波后对比均值法适用于高斯噪声，首先选择一个窗口，这个窗口上有其一定的几何规则，之后这个窗口的几何中心处放置待处理的某个像素点，拿着模板在待处理的图像上左右上下不断地平移，这样就实现了对图像中的像素值的滤波。
是依据某些条件适应性的选区域的大小进行处理，就得到了图
像处理效。它的优势在于去除脉冲噪声，并且能在平滑的“椒盐”
和其他脉冲噪声中保留细节，还可以减少图像边缘的粗化变形。
248
M 管理及其他 anagement and other
4 小波去噪方法小波去噪是基于信号和噪声不同分布，然后分析处理。根据
M 管理及其他 anagement and other 遥感技术影像中去除噪音的方法分析及应用
杨益军，李文鹏，李天兰
（昆明理工金图科技有限公司 , 云南昆明 650031）
摘要：在数字图像处理中存在的典型噪音有高斯噪音、椒盐噪音还有二者的重合而成的混合噪音，本文采用均值滤波法、中
值滤波法和小波去噪法分别对遥感影像进行了处理，做出了适宜性分析。
图像是 f (x, y) ，有个尺寸是 M × M 的工作窗口，通过均值
滤波后的图像是 g(x, y) ，N 代表的是（x,y）的中心。公式中的 x
与 y 的取值范围是 0 到 N-1 之间。在（x, y）点作为场的中心，S 集
包括点 (x,y) 和场中的所有点集，M 是总数，所有像素坐标。
2.1 均值滤波法的实验结果
已知的，噪声和细节大多在高频域，信号在低频域。在图像去噪的时候还要保证图像的细节不能丢失，要左右平衡这个度。

遥感数据处理中的影像增强与图像去噪技术

遥感数据处理中的影像增强与图像去噪技术1. 引言遥感数据处理在现代科学技术和应用中具有重要意义。

作为一种获取地球表面信息的技术手段，遥感技术提供了大量的数据，但由于遥感图像受到地面和大气等多种因素的影响，常常存在图像质量不高、图像噪声明显等问题。

为了提高遥感图像的质量和可用性，需要运用影像增强和图像去噪技术对遥感数据进行处理。

本文将介绍遥感数据处理中的影像增强和图像去噪技术的原理和应用。

2. 影像增强技术影像增强技术是通过提取和增强影像中的有用信息，以改进图像的视觉质量和对目标的识别能力。

在遥感数据处理中，影像增强技术广泛应用于农业、环境、城市规划等领域。

常见的影像增强技术包括直方图均衡化、卷积滤波、小波变换等。

2.1 直方图均衡化直方图均衡化是一种常用的灰度级映射方法，旨在扩展图像的动态范围，增强图像中的细节信息。

该方法通过将原始图像的直方图拉伸到整个灰度范围上来实现增强效果。

直方图均衡化在提高图像对比度、减少噪声等方面具有显著的效果。

2.2 卷积滤波卷积滤波是通过把一个滤波器应用于图像中的每一个像素，用滤波器的加权和代替该像素，以达到图像增强的目的。

常见的卷积滤波器包括高斯滤波器、中值滤波器等。

高斯滤波器常用于去除图像中的高频噪声，而中值滤波器则适用于去除椒盐噪声。

2.3 小波变换小波变换是一种时频局部化分析方法，被广泛应用于图像增强和去噪。

小波变换能够将图像分解成不同频率和空间分辨率的子图像，便于分析和处理。

通过选择合适的小波基函数和分解尺度，可以实现图像的多尺度增强和去噪。

3. 图像去噪技术图像去噪技术旨在通过抑制或消除图像中的噪声，提高图像的质量和清晰度。

在遥感数据处理中，由于受到大气、传感器等外部因素的干扰，图像常常存在着不同程度的噪声。

常见的图像去噪技术包括小波去噪、基于局部图像统计的算法和基于偏最小二乘的算法。

3.1 小波去噪小波去噪是一种基于小波变换的图像去噪方法。

该方法通过将小波变换系数进行阈值处理，将噪声系数置零或降低到很小的程度，从而实现图像去噪的目的。

遥感图像处理中常见问题与纠正技巧

遥感图像处理中常见问题与纠正技巧遥感技术已经成为现代地理信息系统（GIS）中不可或缺的一部分。

通过使用航空和卫星传感器捕获的高空间、光谱分辨率的遥感图像，我们可以获取地球表面的丰富信息，从而帮助我们了解地球上的自然和人为特征。

然而，在进行遥感图像处理时，我们可能会遇到一些常见的问题。

本文将探讨这些问题并提出相应的纠正技巧。

首先，常见的问题之一是图像噪声。

由于外部和内部因素的影响，遥感图像可能包含不同类型的噪声，如高斯噪声、斑点噪声和条纹噪声。

为了减少噪声的影响，可以使用滤波器技术。

其中，高斯滤波器广泛应用于平滑图像并减少高斯噪声，而中值滤波器则可以有效消除斑点噪声。

此外，在处理条纹噪声时，可以考虑使用频域滤波器。

其次，另一个常见的问题是图像偏移。

由于传感器和地球表面之间的空间关系，图像可能会发生平移、旋转和缩放等偏移。

为了纠正这些偏移，可以使用图像配准技术。

其中，特征匹配和相位相关是常用的配准方法。

特征匹配基于提取并匹配图像间的特征点，而相位相关则通过计算频谱相关性来实现精确配准。

通过配准，我们可以将不同角度和尺寸的图像对齐，并获得基于地球参考系统的准确结果。

此外，遥感图像中的大气扰动也常常引起问题。

大气扰动包括大气透射和云覆盖等因素，会导致图像的亮度和对比度等参数发生变化。

针对这些问题，我们可以使用大气校正技术。

大气校正的核心是估计大气透射率，可以通过模型或实地大气测量来实现。

校正后的图像将更好地反映地表特征并提高信息提取的准确性。

最后，可能会遇到的另一个问题是图像分割。

图像分割是将图像划分为具有相似特征的区域的过程。

然而，由于复杂的地面覆盖和光谱混合，图像分割可能变得困难。

在解决这个问题时，可以采用基于阈值的方法、基于区域的方法和基于边缘的方法。

此外，基于机器学习和人工智能的方法，如支持向量机和深度学习，也在图像分割中发挥着越来越重要的作用。

总结起来，遥感图像处理中常见的问题包括图像噪声、图像偏移、大气扰动和图像分割等。

掌握测绘技术中的遥感图像去噪和增强

掌握测绘技术中的遥感图像去噪和增强在现代科技的快速发展中，遥感技术的应用越来越广泛。

遥感图像作为获取地表信息的重要手段，被广泛应用于农业、环境保护、城市规划等领域。

然而，由于多种原因，遥感图像往往存在噪声干扰和信息质量较差的问题。

因此，掌握测绘技术中的遥感图像去噪和增强方法显得尤为重要。

遥感图像去噪是提高图像质量的关键技术之一。

遥感图像噪声主要来自于传感器本身的噪声以及图像获取过程中的干扰。

去噪的目标是通过合理的数学模型和算法，去除噪声并尽量保留和恢复图像的细节信息。

在遥感图像去噪中，常用的方法包括空域滤波和频域滤波。

在空域滤波方法中，均值滤波是最简单、最常用的一种方法。

它以像素周围区域的均值来代替中心像素的值，从而达到平滑图像的效果。

然而，均值滤波容易导致图像模糊，尤其是在处理边缘细节等特殊情况下效果不佳。

相比之下，中值滤波在去除噪声的同时能够更好地保留图像的边缘信息。

中值滤波的原理是将中心像素的值替换为像素周围区域内的中值，这样能够有效抑制噪声。

除此之外，在空域滤波中还有一些其他方法，如高斯滤波、双边滤波等，它们在平滑图像的同时，尽量保留图像的细节信息。

除了空域滤波，频域滤波也是一种常用的遥感图像去噪方法。

频域滤波是将图像从空间域转换到频域，通过滤波操作来减小或去除图像中的噪声信号。

其中最常用的频域滤波方法是基于傅里叶变换的滤波。

傅里叶变换将图像表示为频域中的振幅和相位分量，可以通过滤波操作来去除频谱中的噪声分量。

常用的滤波器有理想滤波器、巴特沃斯滤波器和高斯滤波器等。

除了去噪之外，遥感图像增强也是非常重要的一项技术。

遥感图像的增强目的是通过改善图像的视觉效果和信息内容，使图像更适合于人眼观察和后续分析。

遥感图像增强主要包括对比度增强和细节增强两个方面。

对比度增强是通过调整图像的亮度和对比度来改善图像的视觉效果。

常用的对比度增强方法包括直方图均衡化和直方图规定化。

直方图均衡化是通过对原始图像的像素灰度值进行变换，使像素灰度分布更均匀，从而增强图像的对比度。

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

基于参考波段的去除HJ-1A星HSI图像中条带噪声的方法

ＡＲｅｆｒｅｎｃｅ－ — ｂａｎｄ－・ｂａｓｅｄＭｅｔｈｏｄｆｏｒＲｅｍｏｖｉｎｇＳｔｒｉｐｅ
ＮｏｉｓｅｆｒｏｍＨＪ一１ＡＨＳＩＩｍａｇｅｓ
ＧＡＯＨａｉ — ｌｉａｎｇ．ＧＵＸｉｎｇ — ｆａ．ＹＵＴａｏ，ＨＥＨｕａ — ｙｉｎｇ２ＷＡＮＧＦｅｎｇ２，ＺＨＵＬｉｎｇ — ｙａ
文章编号：１６７２ — ８７８５（２０１３）０３ — ０００７－０５
基于参考波段的去除ＨＪ一１Ａ星ＨＳＩ图像中条带噪声的方法
高海亮顾行发余涛赫华颖ቤተ መጻሕፍቲ ባይዱ２王峰２祝令亚２
影像数据。由于超光谱成像仪部分波段的图像存在明显的条带噪声，其图像应用效果
受到严重影响。本文针对该图像噪声的特点，提出了一种基于参考波段的移动窗口条带噪声去除方法。结果表明，新的噪声去除算法不仅可以有效去除图像的条带噪声，显著提高图像的清晰度，而且还保留了原始图像的基本信息。该方法具有处理速度快、
Ａｐｐｌｉｃａｔｉｏｎ，ＣｈｉｎｅｓｅＡｃａｄｅｍｙｏｆＳｃｉｅｎｃｅｓ，Ｂｅｉｊｉｎｇ１００１０１，Ｃｈｉｎａ；
２．ＣｈｉｎａＣｅｎｔｒｅｆｏｒＲｅｓｏｕｒｃｅｓＳａｔｅｌｌｉｔｅＤａｔａａｎｄＡｐｐｌｉｃａｔｉｏｎ，Ｂｅｉｊｉｎｇ１０００９４，Ｃｈｉｎａ）

遥感图像条带噪声定量处理装置[实用新型专利]

专利名称：遥感图像条带噪声定量处理装置专利类型：实用新型专利
发明人：刘钰
申请号：CN201720672596.9
申请日：20170612
公开号：CN207011136U
公开日：
20180213
专利内容由知识产权出版社提供
摘要：本实用新型公开了遥感图像条带噪声定量处理装置，包括壳体，所述壳体的顶端固定焊接有第一挡板，所述第一挡板的两端均安装有橡胶垫，所述壳体的底端固定焊接有弹簧，所述弹簧远离壳体的一端焊接有第二挡板，所述第二挡板的两端均安装有橡胶垫，所述第二挡板的底端两侧举安装有万向轮，所述壳体的一侧设有盖板，所述盖板的一端通过螺栓连接有合页，且合页的一端通过螺栓连接在壳体上，所述壳体的一侧下端安装有卡扣，所述壳体的另一侧上端开设有排气口，本实用新型可以使得在运输的过程中，设备不会受到较大的震荡，对保护箱内部的元件有很好的保护作用，也方便了将元件从保护箱中安全取出，避免元件在取出的过程中产生损伤。

申请人：天津彤兆晟科技有限公司
地址：300000 天津市河西区解放南路创展大厦15A
国籍：CN
更多信息请下载全文后查看。

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。

遥感图像噪声抑制算法性能对比

遥感图像噪声抑制算法性能对比一、遥感图像噪声抑制算法概述遥感图像作为一种重要的地球观测手段，广泛应用于农业、林业、城市规划、环境监测等多个领域。

然而，遥感图像在获取和传输过程中，常常受到各种噪声的干扰，这些噪声会降低图像质量，影响后续的图像处理和分析工作。

因此，研究和开发有效的遥感图像噪声抑制算法具有重要意义。

1.1 遥感图像噪声的来源与类型遥感图像噪声主要来源于传感器的电子噪声、大气条件、地物反射特性等因素。

根据噪声的统计特性，可以将噪声分为高斯噪声、椒盐噪声、泊松噪声等类型。

1.2 遥感图像噪声抑制算法的重要性噪声抑制算法能够提高遥感图像的可用性，减少噪声对图像分析和处理的影响，提高图像解译的准确性。

此外，噪声抑制算法也是图像增强、特征提取、目标检测等后续处理步骤的基础。

1.3 遥感图像噪声抑制算法的研究现状目前，遥感图像噪声抑制算法的研究已经取得了一定的进展，包括基于统计的方法、基于频域的方法、基于空间域的方法等。

这些方法各有优缺点，适用于不同的应用场景和噪声类型。

二、遥感图像噪声抑制算法的关键技术2.1 基于统计的噪声抑制算法基于统计的噪声抑制算法主要利用图像中像素的统计特性来估计和去除噪声。

常见的方法有均值滤波、中值滤波、高斯滤波等。

这些方法简单易行，但可能会损失图像的细节信息。

2.2 基于频域的噪声抑制算法基于频域的噪声抑制算法通过将图像从空间域转换到频率域，利用频率域的特性来抑制噪声。

常用的方法有低通滤波、带通滤波等。

这些方法能够有效地去除低频噪声和高频噪声，但对图像的边缘和纹理信息可能会有一定的影响。

2.3 基于空间域的噪声抑制算法基于空间域的噪声抑制算法直接在空间域内进行噪声的估计和去除。

这类方法包括非局部均值滤波、双边滤波、自适应滤波等。

这些方法能够较好地保留图像的细节信息，但计算复杂度相对较高。

2.4 基于深度学习的噪声抑制算法近年来，深度学习技术在图像处理领域取得了显著的进展，也被应用于遥感图像的噪声抑制。

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。

遥感分类图像条带噪声的去除

遥感分类图像条带噪声的去除
王永刚;刘慧平
【期刊名称】《遥感技术与应用》
【年(卷),期】2007(22)3
【摘要】在介绍了几种常用于TM、MSS、SPOT等多传感器遥感图像中条带噪
声去除方法的基础上,提出了一种综合利用IDL语言和常用遥感软件(主要为ENVI、ERDAS等)对分类后图像进行条带处理的新方法。

并以2005年北京市SPOT图像为试验数据,对该方法进行了尝试。

结果表明,利用该方法可弥补一些条带噪声去除
方法的弊端,有效地去除分类后图像上的条带噪音;同时避免了分类前期条带去除过
程中对条带像元值的不正确计算,以及对图像上正确像元的影响而导致的后期遥感
分类过程中的错分误分问题,从而可以有效地提高遥感分类精度。

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。

【总页数】6页(P449-454)
【关键词】分类图像;条带去除;矩匹配;傅立叶变换
【作者】王永刚;刘慧平
【作者单位】北京师范大学地理学与遥感科学学院遥感和GIS研究中心,遥感科学
国家重点实验室
【正文语种】中文
【中图分类】TP751
【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.中分辨率遥感图像条带噪声的去除 [J], 陈劲松;邵芸;朱博勤
3.基于小波变换的多波段遥感图像条带噪声的去除 [J], 陈劲松;朱博勤;邵芸
4.采用变分法的遥感影像条带噪声去除 [J], 王昶;王旭;纪松
5.基于变分法遥感影像条带噪声去除 [J], 母建羽
因版权原因，仅展示原文概要，查看原文内容请购买。

成像光谱仪图像条带噪声去除的改进矩匹配方法

成像光谱仪图像条带噪声去除的改进矩匹配方法刘正军;王长耀;王成【期刊名称】《遥感学报》【年(卷),期】2002(006)004【摘要】条带噪声是影响线阵CCD成像质量的一个重要因子.特别是对于CCD质量要求较高的高光谱成像仪,往往由于硬件质量造成了许多通道中条带噪声的出现.分析了条带噪声形成的主要原因,比较了几种常用条带噪声去除方法及其局限性.在此基础上指出,标准的矩匹配方法改变了图像在成像行或列方向的均值分布,造成了一定的灰度畸变.这种情况对于在地物非均匀分布状况下成像的小幅图像尤其明显.着重提出和讨论了利用均值补偿法、傅里叶变换法、相关系数法结合矩匹配方法来近似恢复由入射辐射强度产生的均值分布,从而达到保持图像质量并有效去除条带噪声的目的.并对条带噪声去除前后图像质量做了定性定量的比较、评价.【总页数】6页(P279-284)【作者】刘正军;王长耀;王成【作者单位】中国科学院,遥感应用研究所,遥感信息科学重点实验室,北京,100101;中国科学院,遥感应用研究所,遥感信息科学重点实验室,北京,100101;中国科学院,遥感应用研究所,遥感信息科学重点实验室,北京,100101【正文语种】中文【中图分类】TP751.1【相关文献】1.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2.双边滤波与矩匹配融合的高光谱影像条带噪声去除方法 [J], 王春阳;郭增长;王双亭;芦碧波3.基于矩匹配算法的GF-2影像条带噪声去除 [J], 崔剑;史鹏会;白潍铭;刘晓静4.矩匹配和变分方法相结合的 MODIS 条带去除模型 [J], 胡宝鹏;周则明;孟勇;张水平5.一种改进的矩匹配方法在CMODIS数据条带去除中的应用 [J], 陈劲松;邵芸;朱博勤因版权原因，仅展示原文概要，查看原文内容请购买。

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

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高海亮;顾行发;余涛;孙源;汪左;刘李【期刊名称】《红外》【年(卷),期】2011(32)2【摘要】环境卫星超光谱成像仪前20个通道的图像具有明显的条带噪声,严重影响了后续数据处理和定量化应用.根据环境卫星超光谱成像仪波段多、各波段图像相关性强的特点,提出了一种基于多波段图像匹配的条带去除方法.以广西北部湾地区的超光谱成像仪图像为例,分别利用矩匹配方法和多波段匹配方法进行校正.最后从图像基本信息保留能力、图像灰度值改变量和列均值比评价指标三个方面,定量评价了这两种方法的去噪效果.结果表明,多波段匹配方法能够在有效去除图像条带噪声的同时,较好地保留各探测元接收到的地物信号的差异,其去噪效果优于矩匹配方法.【总页数】6页(P28-33)【作者】高海亮;顾行发;余涛;孙源;汪左;刘李【作者单位】中国科学院遥感应用研究所遥感科学国家重点实验室,北京100101;中国科学院研究生院,北京100039;国家航天局航天遥感论证中心,北京100101;中国科学院遥感应用研究所遥感科学国家重点实验室,北京100101;国家航天局航天遥感论证中心,北京100101;中国科学院遥感应用研究所遥感科学国家重点实验室,北京100101;国家航天局航天遥感论证中心,北京100101;中国科学院遥感应用研究所遥感科学国家重点实验室,北京100101;中国科学院研究生院,北京100039;国家航天局航天遥感论证中心,北京100101;中国科学院遥感应用研究所遥感科学国家重点实验室,北京100101;国家航天局航天遥感论证中心,北京100101;福建师范大学,福建福州350007;中国科学院遥感应用研究所遥感科学国家重点实验室,北京100101;中国科学院研究生院,北京100039;国家航天局航天遥感论证中心,北京100101【正文语种】中文【中图分类】TP751.1【相关文献】1.高光谱图像条带噪声去除算法研究 [J], 房彩丽;赵雅靓2.一种高光谱图像条带噪声去除改进算法 [J], 郑逢斌;支晶晶;高海亮;赖积保;潘伟3.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4.双边滤波与矩匹配融合的高光谱影像条带噪声去除方法 [J], 王春阳;郭增长;王双亭;芦碧波5.基于小波变换的多波段遥感图像条带噪声的去除 [J], 陈劲松;朱博勤;邵芸因版权原因，仅展示原文概要，查看原文内容请购买。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

对比度变化的影响，以频域中相位一致性探测图像特征点，综合考虑图像中条带噪声的数量、长度、宽度和强度建立评价因子，客观评价遥感图像中存在的条带噪声对图像质量的影响。实验证明该方法
评价结果符合人眼视觉感官评价。关键词：多光谱遥感图像；条带噪声；相位一致性；图像质量评价
王琳，张少辉，李霄，邵晓鹏
（西安电子科技大学物理与光电工程学院，陕西西安７１００７１）摘要：条带噪声是影响多光谱遥感图像质量的重要因素之一，严重影响遥感数据的解译和信息提
取。提出一种应用相位一致性进行多光谱遥感图像条带噪声质量评价的方法。该方法不受图像亮度或
ｓｔｒｉｐｅｎｏｉｓｅｅｘｉｓｉｎｔｇｉｎｈｅｔｍｕｌｔｉｓｐｅｃｒａｔｌｒｅｍｏｔｅｓｅｎｓｉｎｇｉｍａｇｅｂｙｃｏｎｓｉｄｅｒｉｎｇｈｅｔｎｕｍｂｅｒ，ｌｅｎｇｈ，ｗｉｔｄｈ，ｔａｎｄｔｈｅｉｎｔｅｎｓｉｔｙｏｆｔｈｅｓｔｉｐｒｅｎｏｉｓｅｉｎｔｈｅｉｍａｇｅ．Ｔｈｅｅｘｐｅｒｉｍｅｎｔｓｓｈｏｗｔｈａｔｔｈｅｐｒｏｐｏｓｅｄａｌｇｏｉｔｒｈｍ
ｏｎｐｈａｓｅｃｏｎｇｒｕｅｎｃｙ
ＷａｎｇＬｉｎ，ＺｈａｎｇＳｈａｏｈｕｉ，ＬｉＸｉａｏ，ＳｈａｏＸｉａｏｐｅｎｇ
（ＳｃｈｏｏｌｏｆＰｈｙｓｉｃｓａｎｄＯｐｔｏｅｌｅｃｔｒｏｎｉｃＥｎｇｉｎｅｅｒｉｎｇ，ＸｉｄｉｎａＵｎｉｖｅｒｓｉｔｙ，Ｘｉａｎ７１００７１，Ｃｈｉｎａ）
中图分类号：ＴＰ７５１．１文献标志码：Ａ文章编号：１００７ — ２２７６（２０１５）１０ — ３１４８ — ０７
Ａｓｓｅｓｓｉｎｇｓｔｒｉｐｅｎｏｉｓｅｏｆｍｕｌｔｉｓｐｅｃｔｒａｌｒｅｍｏｔｅｓｅｎｓｉｎｇｉｍａｇｅｂａｓｅｄ
第４４卷第１Ｏ期
Ｖ０１．４４Ｎ０．１０
红外与激光工程
ＩｎｆｒａｒｅｄａｎｄＬａｓｅｒＥｎｇｉｎｅｅｒｉｎｇ
２０１５年ｌ０月
０ｃｔ．２０１５
应用相位一致性评价多光谱遥感图像条带噪声
ｃｏｒｒｅｌａｔｅｓｗｅｌｌｗｉｈｔｓｕｂｊｅｃｔｉｖｅｑｕａｌｉｔｙｅｖａｌｕａｔｉｏｎｓ．
ｉｍａｇｅ，ｓｅｒｉｏｕｓｌｙｉｎｌｕｆｅｎｃｉｎｇｔｈｅｉｎｔｅｒｐｒｅｔａｔｉｏｎｏｆｒｅｍｏｔｅｓｅｎｓｉｎｇｄａｔａａｎｄｉｎｆｏｒｍａｔｉｏｎｅｘｔｒａｃｔｉｏｎ．Ａｍｕｌｔｉｓｐｅｃｔｒａｌｒｅｍｏｔｅｓｅｎｓｉｎｇｉｍａｇｅｑｕａｌｉｔｙａｓｓｅｓｓｍｅｎｔｍｅｔｈｏｄａｉｍｅｄａｔｓｔｉｐｒｅｎｏｉｓｅｂａｓｅｄｏｎｐｈａｓｅｃｏｎｇｒｕｅｎｃｙｗａｓｐｒｏｐｏｓｅｄ．Ｔｈｉｓｍｅｈｏｔｄ，ｗｈｉｃｈｅｘｔｒａｃｔｓｐｈａｓｅｃｏｎｇｕｅｒｎｃｙｐｏｉｎｔｉｎｈｅｔｒｅｆｑｕｅｎｃｙｄｏｍａｉｎ
ａｓｈｅｔｉｍａｇｅｆｅａｔｕｒｅ，ｉｓｎｏｔａｆｆｅｃｔｅｄｂｙｉｍａｇｅｂｉｒｇｈｔｎｅｓｓｏｒｃｏｎｔｒａｓｔ，ａｎｄｃａｎｏｂｊｅｃｔｉｖｅｌｙｅｖａｌｕａｔｅｔｈｅ
Ａｂｓｔｒａｃｔ：Ｓｔｒｉｐｅｎｏｉｓｅｉｓｏｎｅｏｆｔｈｅｉｍｐｏｒｔａｎｔｆａｃｔｏｒｓａｆｆｅｃｉｎｔｇｈｅｔｑｕａｌｉｔｙｏｆｍｕｌｔｉｓｐｅｃｔｒａｌｒｅｍｏｔｅｓｅｎｓｉｎｇ