基于间隔采样的快速变分条带噪声检测方法
白玉川, 徐锐, 李宗睿, 潘俊
武汉大学测绘遥感信息工程国家重点实验室,武汉 430079
摘要:
为了提高目前主流卫星推扫成像过程中多列条带噪声的检测效率,提出了一种基于间隔采样的快速变分条带噪声检测方法。该方法以条带噪声成分变分建模和优化求解为基础,通过间隔采样和构建带间隔采样参数的条带噪声成分估计模型,完成条带噪声成分的快速求解,然后对条带噪声成分列均值进行一元离群点检测和后处理,完成条带噪声的定位。由于采用间隔采样的策略,该方法在不损失条带噪声检测精度的情况下显著提高了检测效率。
0 引言
随着我国遥感技术的蓬勃发展,线阵推扫式传感器已经搭载于我国多颗遥感卫星之上,成为了现有对地观测方式中最有效的方式之一。而条带噪声是存在于线阵推扫式卫星遥感影像中,在遥感影像采集过程由于推扫式成像设备线阵探测器上探元之间响应不一致,空间复杂的电磁环境及器件本身的误差等因素造成的一种特殊噪声。随着卫星中传感器老化,条带噪声问题日益突出。条带噪声会破坏遥感影像中的地物信息,降低数据的质量,影响数据的解译,限制数据的可用性,因此,有必要对遥感影像条带噪声进行准确检测,为后续条带噪声的去除以及探元响应趋势的分析提供便利,进一步为遥感卫星的相对辐射定标打好基础。
目前遥感影像条带噪声相关研究主要集中在条带噪声去除从而提高遥感影像的质量方面,专门针对条带噪声检测的研究相对较少。
针对条带噪声的检测,Zhang等使用频谱图的行方差和列方差比值来确定遥感影像中是否含有条带噪声; Tsai等通过基于边缘检测和线跟踪算法实现了条带噪声的检测; Liu等提出了自适应条带噪声检测方法得到遥感影像中的条带噪声,并通过不同大小的阈值设定将遥感影像中的条带噪声分类; 胡旭东针对单列条带噪声和多列条带噪声分别提出了不同的检测方法: 对于单列条带噪声,利用邻域影响的灰度均值的骤变特性来进行判断; 对于多列条带噪声,使用宽度不同的滑动窗口沿行方向移动,并对窗口内的灰度均值和标准差进行均值拟合进而判定该列是否为条带噪声列。
条带噪声的去除方法相关研究较多,大致可以分为3类: 基于统计的方法、基于滤波的方法和基于优化的方法。基于统计的条带噪声去除方法包括直方图匹配法和矩匹配法,并在遥感影像地物分布均匀、遥感影像数量较多且具有统计意义的时候,能够获得比较好的处理效果。基于滤波的条带噪声去除方法通过抑制在变换域内由条带噪声引起的特定频率来去除条带噪声,常用的方法有小波分析法、傅里叶变换法和联合小波-傅里叶的方法等。基于优化的条带噪声去除方法,将遥感影像和条带噪声的特征作为先验知识,构建适当的优化模型,并根据模型设计高效的求解算法进行求解,从而直接或间接地对遥感影像中的条带噪声进行去除。Shen等提出了一种基于Huber-Markov正则化的遥感影像条带噪声去除方法; Liu等提出了顾及全局稀疏性和局部变分特性的遥感影像条带噪声分离和去除方法; Chen等通过基于条带噪声群组稀疏性正则化的模型来表示和求解遥感影像中的条带噪声成分进而进行噪声的去除; Sun等提出了基于联合稀疏约束和迭代支持检测(iterative support detection,ISD)的遥感影像条带噪声检测和去除算法。为了避免条带噪声去除过程中丢失影像细节,王昶等提出了一种基于小波变分法去除遥感影像条带噪声。针对月球高光谱影像中存在的高密度不规律条带噪声, 赵书珩提出了一种顾及空谱联合特征的密集复杂条带去除模型,提高了现有方法的泛化性能。随着当前卫星的空间分辨率不断提高,单幅遥感影像内的数据量也在不断增加,这对条带噪声的检测效率也提出了更高要求。因此本文提出了一种基于间隔采样的快速变分条带噪声检测方法,以期在保持了条带噪声检测准确性的同时,显著提高条带噪声的检测效率。
1 条带噪声的产生机理与特性
线阵推扫式成像传感器把探元按扫描方向(垂直于飞行方向)阵列式排列来感应地面响应。典型的线阵探测器包括大量首尾相连的电荷耦合装置(charge coupled device,CCD),线阵推扫式成像系统在探测地面分辨单元的能量时,每个CCD探元有较长的停留时间,因此能够更强地记录信号和感测到更大范围内的信号,从而获得高的辐射分辨率。但是,由于多个探元同时进行光电信号的转换,探元之间灵敏度的差异往往会产生条带噪声[23]。
探元之间灵敏度的差异主要是因为CCD探元间的响应不一致,这种不一致产生的原因主要有: ①元器件内部系统误差、传感器工艺差异、光谱仪元件老化等因素使各个CCD探元的响应函数不同,从而产生与线阵探测器扫描方向相同且具有空间位置周期性的条带噪声; ②在扫描过程中,空间电磁干扰、传感器的运动、正反扫描响应的差异等都会影响成像系统的光能量,进而影响到线阵探测器的工作状态,导致CCD探元间响应不一致而产生条带噪声,这类条带噪声与线阵探测器扫描方向保持相同,但是不具有空间位置周期性。
条带噪声在不同遥感影像中可能会有不同的表现形式,根据条带模式可以将条带噪声分为单列条带噪声和多列条带噪声。如图1所示,单列条带噪声呈单列分布且与周围非条带噪声区域灰度值有明显的差异; 多列条带噪声受噪声影响相对严重,条带噪声区域与非条带噪声区域的明暗度有差异,此外条带噪声区域内部各条带噪声列的明暗度也可能会有差异。
多列条带噪声相比于单列条带噪声检测难度更高,因此,在实际的条带噪声检测过程中,需要提高条带噪声检测算法的泛型,使其能尽可能准确地将多列条带噪声检出。
2 基于间隔采样的快速变分条带噪声检测方法
条带噪声成分会影响遥感影像的行方向或列方向梯度,但在其垂直方向上却有良好的平滑性。如果可以在保留条带噪声特征的同时,大幅减少参与计算的数据量,即可提升条带噪声的检测效率。基于此,本文提出了一种基于间隔采样的快速变分条带噪声检测方法,间隔采样是对行直接采样(假设条带噪声成分沿行分布),并且不会进行插值运算,所以能够使下采样后的遥感影像保留条带噪声的方向和结构特性,并且不破坏条带噪声的位置信息。基于间隔采样的快速变分条带噪声检测方法通过构建变分正则化条带噪声成分估计模型从间隔采样的遥感影像中分离出条带噪声成分,然后对条带噪声成分进行计算,根据条带噪声成分列均值异常值检测结果确定条带噪声列,并对条带噪声列进行后处理,得到最终的条带噪声检测结果。具体的流程如图2所示。
图2 基于间隔采样的快速变分条带噪声检测方法流程
2.1 间隔采样及条带噪声成分建模
条带噪声为加性噪声,为提高条带噪声检测效率,本文提出对原始遥感影像进行间隔采样,同时构建带间隔采样参数的条带噪声成分估计模型来快速获取遥感影像中的条带噪声信息。
同时,考虑到间隔采样条件下的条带噪声成分应有如下约束,以图3为例。
图3 基于统计的Terra MODIS第33波段去条带结果
1)如图3(d)和(e)所示,条带噪声成分在垂直方向上有良好的平滑性,因此可以用L1范数正则化进行约束,刻画条带噪声成分垂直梯度的稀疏特性。
2)如图3(f)和(g)所示,条带噪声成分会影响影像的水平梯度,而不含条带噪声的遥感影像的水平梯度是平滑的,因此可以通过最小化实际遥感影像和条带噪声成分水平梯度的差值来进行约束。
3)如图3(c)和(h)所示,可以将条带噪声成分中的每一列看作一个群组,条带噪声成分具有群组稀疏特性。
2.2 条带噪声成分的优化求解
交替方向乘子(alternating direction method of multipliers,ADMM)算法在处理条带噪声成分估计模型这类非光滑、非凸的优化问题时具有良好的性能。
2.3 条带噪声定位
如图4所示,从不含条带噪声的遥感影像中分离出的条带噪声成分的列均值近似地呈均值为0的正态分布,因此可以通过基于正态分布的一元离群点检测方法对条带噪声成分S的列均值中的异常值进行检测。
基于正态分布的一元离群点检测方法假设输入数据满足正态分布,通过学习输入数据得到正态分布的参数,并将低概率的点识别为离群点。
3 实验与结果分析
3.1 实验数据及实验参数设置
本次实验中所使用的遥感影像均来自海洋一号D卫星(HY-1D)海岸带成像仪(Coastal Zone Imager,CZI),用于实验的条带噪声影像均已通过人工目视的方法检测出条带噪声的具体位置,且此结果将用于本次实验所有方法的检测结果验证。
3.2 精度评价指标设置
本实验采用了错误率err、精确率p、召回率r和F1得分等作为条带噪声检测结果的定量评价指标。
3.3 不同下采样方法条带噪声检测实验
本实验分别对间隔采样、高斯金字塔采样和均值采样这3种方法得到的下采样遥感影像进行条带噪声检测,分析不同下采样方法对条带噪声检测结果的影响,以及验证本文提出的间隔采样参数的条带噪声成分估计模型的有效性。
实验使用的数据为如图5所示的真实条带噪声遥感影像,大小为1 863像素×5 700像素,该遥感影像中有一个多列条带噪声,位于第5 675~5 680列,值得注意的是,多列条带噪声与周围非条带噪声的边界一般比较模糊,因此,在多列条带噪声检测中,当检出的条带噪声列位于人工标注的多列条带噪声位置及其左右3像素宽度内,认为该检测结果是正确的。实验结果如表1所示,本文所提出的方法已加粗表示。
表1 不同下采样方法条带噪声检测实验结果
通过表1的实验结果可知,使用间隔采样方法和带间隔采样参数的条带噪声成分估计模型,能够有效保留遥感影像中条带噪声的特征并从中分离出条带噪声成分,相比于其他几种采样方法漏检、误检率更低,条带噪声检测结果更准确。
3.4 不同下采样倍数条带噪声检测实验
本实验使用的处理器为Intel(R) Core(TM) i7-7500U CPU @2.70 GHz 2.90 GHz,内存大小为8.00 GB,实验平台为MATLAB R2020b。本实验使用图6所示的条带噪声遥感影像大小为1 863像素×5 700像素,该遥感影像中有2个多列条带噪声,分别位于第5 540~5 551列和第5 688~5 690列。在实验中分别设置下采样倍数为1,5,10,15,20,25,30,得到不同下采样倍数条带噪声检测结果,如表2所示,本文所提出的方法已加粗表示。由实验结果可知,下采样能够显著提高条带噪声检测效率,并且在一定的下采样范围内能够将遥感影像上的条带噪声准确检出。在本实验中,下采样倍数为5,10,15时,均能将第5 540~5 551列和第5 688~5 690列的2个多列条带噪声准确检出,当采样倍数大于15时,条带噪声检测结果中可能会漏检多列条带噪声中边缘处的部分条带噪声列。因此,综合检测效率与检测精度,本实验中最合适的下采样倍数为15。
表2 不同下采样倍数条带噪声检测实验结果
3.5 不同条带噪声检测方法对比实验
在本实验中,除了使用本文提出的基于间隔采样的快速变分条带噪声检测方法,另外选取了2种条带噪声检测方法作为比较,包括自适应条带噪声检测方法和基于滑动窗口的多列条带噪声检测方法。
3.5.1 不含条带噪声的遥感影像条带噪声检测
图7所示的不含条带噪声的遥感影像大小为7 450像素×5 700像素,分别使用基于间隔采样的快速变分条带噪声检测方法、自适应条带噪声检测方法和基于滑动窗口的多列条带噪声检测方法对其进行条带噪声的检测。该遥感影像中的条带噪声数量为0,因此本实验使用错误率err作为定量评价指标,检测结果如表3所示,本文所提出的方法已加粗表示。由检测结果可知,对于不含条带噪声的遥感影像,自适应条带噪声检测方法和基于滑动窗口的多列条带噪声检测方法均会判断该遥感影像中存在条带噪声,并且误检的条带噪声数量较多,而本文提出的基于间隔采样的快速变分条带噪声检测方法能够准确地判断该遥感影像中不含条带噪声。
表3 不含条带噪声的遥感影像条带噪声检测结果
3.5.2 条带噪声遥感影像条带噪声检测
图8所示的条带噪声遥感影像大小为7 450像素×5 700像素,该遥感影像中有一个多列条带噪声,位于第5 660~5 666列,分别使用基于间隔采样的快速变分条带噪声检测方法、自适应条带噪声检测方法和基于滑动窗口的多列条带噪声检测方法对该遥感影像进行条带噪声的检测,使用精确率p、召回率r和F1得分作为本实验条带噪声检测结果的定量评价指标,检测结果如表4所示,本文所提出的方法已加粗表示。
表4 条带噪声遥感影像条带噪声检测结果
由检测结果可知,对于真实条带噪声遥感影像,相比于其他2种方法,基于间隔采样的快速变分条带噪声检测方法不会将非条带噪声列判定为条带噪声列。而且从精确率、召回率以及F1
综合分析不含条带噪声的遥感影像条带噪声检测实验和真实条带噪声遥感影像条带噪声检测实验的结果可知,基于间隔采样的快速变分条带噪声检测方法的检测效果最好,不管是不含条带噪声的遥感影像还是真实条带噪声遥感影像,实验中该方法都不会将遥感影像中的非条带噪声列检测为条带噪声列,并且该方法能准确地检测出真实条带噪声遥感影像中条带噪声的位置。自适应条带噪声检测方法和基于滑动窗口的多列条带噪声检测方法在不含条带噪声的遥感影像条带噪声检测中均会将较多的非条带噪声列检测为条带噪声列,在真实条带噪声遥感影像的条带噪声检测中也都存在漏检和误检的情况,分析原因可知,这2种条带噪声检测方法本质上都只使用了遥感影像中条带噪声的灰度值信息,没有顾及条带噪声的特征,在地物类型丰富的遥感影像中,条带噪声与非条带噪声可能不完全满足这2种方法中的判断条件,从而导致自适应条带噪声检测方法和基于滑动窗口的多列条带噪声检测方法的检测结果不够准确。
4 结论
针对遥感影像中多列条带噪声的检测,本文提出了一种基于间隔采样的快速变分条带噪声检测方法,该方法对原始遥感影像进行间隔采样并构建带间隔采样参数的条带噪声成分估计模型,对条带噪声成分优化求解并使用一元离群点检测方法得到条带噪声的位置。
实验结果表明,该方法通过间隔采样和针对下采样遥感影像构建带间隔采样参数的条带噪声成分估计模型,能显著降低条带噪声成分优化求解的运算量,提高计算效率,同时在不降低检测精度的情况下检出遥感影像中的单列和多列条带噪声,适合用于遥感影像预处理系统条带噪声的自动检测,便于后续的条带噪声去除工作,也让CCD探元的响应趋势分析更加准确,为遥感卫星的相对辐射定标提供保障。
（原文有删减）
【作者简介】白玉川(1997-),男,硕士研究生,主要从事遥感影像处理。
E-mail：2020206190041@whu.edu.cn。
【基金资助】国家自然科学基金重大项目“遥感再分析与智慧服务”(42090011)
【引用格式】白玉川, 徐锐, 李宗睿, 潘俊. 基于间隔采样的快速变分条带噪声检测方法[J]. 自然资源遥感, 2023, 35(3): 71-79.
转自：“测绘学术资讯”微信公众号
如有侵权，请联系本站删除！
