一种高分辨率遥感图像信噪比曲线自适应获取方法

摘要

本发明一种高分辨率遥感图像信噪比曲线自适应获取方法，包括以下步骤：对整幅图像进行傅里叶变换，通过不同频率区间的掩膜，求得功率谱密度趋于稳定的频率区间；掩膜后的噪声频谱傅里叶反变换到空间域，对信号图像和噪声图像进行非重叠的小块划分，分别求得每个小块的平均值和方差；去除信号平均值和噪声方差的野值，逐步迭代拟合得到噪声方差与信号平均值的线性关系，求得直线的斜率和截距；整个灰度值范围内的信号除以噪声标准偏差得到信噪比曲线。本发明针对单幅遥感图像本身，高精度获取整个灰度值范围内的信噪比曲线。解决了光学遥感卫星信噪比在轨监测需要的均匀区域数量非常多，耗费时间很长，难以实现业务化监测的难题。

主权项

一种高分辨率遥感图像信噪比曲线自适应获取方法，其特征在于步骤如下：1)在高分辨率遥感图像g(x,y)上建立二维空间直角坐标系；以g(x,y)的左上角为原点、X轴正方向向下、Y轴正方向向右建立二维空间直角坐标系，x＝0,1,…,M‑1，y＝0,1,…,N‑1，g(x,y)的大小为M×N个像素；M、N为正整数；2)对高分辨率遥感图像g(x,y)进行傅里叶变换，在得到的傅里叶变换上建立二维频率直角坐标系；以傅里叶变换的左上角为原点、U轴正方向向下、V轴正方向向右建立二维频率直角坐标系，将g(x,y)的傅里叶变换的零频中心变换到二维频率直角坐标系上的(M/2,N/2)，得到零频中心平移后的傅里叶变换，表示为G(u,v)，u,v为频率变量，u＝0,1,…,M‑1，v＝0,1,…,N‑1；3)在二维频率直角坐标系中构造频谱掩膜核函数一K₁(u,v)和频谱掩膜核函数二K₂(u,v)；其中，K₁(u,v)表示为：$K_1(u,v)=\left\{\begin{array}{cc}1& R_1\le \sqrt{{\left(\frac{u-M/2}{M}\right)}^2+{\left(\frac{v-N/2}{N}\right)}^2}\le R_{\max }\\ 0& \mathrm{others}\end{array}\right.;$该函数在区间[R₁,R_max]范围内的值为1，称为非零区间一，在其它区间该函数的值为0；K₂(u,v)表示为：$K_2(u,v)=\left\{\begin{array}{cc}1& R_2\le \sqrt{{\left(\frac{u-M/2}{M}\right)}^2+{\left(\frac{v-N/2}{N}\right)}^2}\le R_{\max }\\ 0& \mathrm{others}\end{array}\right.;$该函数在区间[R₂,R_max]范围内的值为1，称为非零区间二，在其它区间该函数的值为0；非零区间一[R₁,R_max]和非零区间二[R₂,R_max]中的R₁、R₂、R_max的关系为：$\frac{1}{2}<R_1<R_2<R_{\max }<\frac{\sqrt{2}}{2};$4)对上述零频中心平移后的傅里叶变换G(u,v)分别与K₁(u,v)和K₂(u,v)进行点乘运算，得到掩膜频谱一和掩膜频谱二，分别将掩膜频谱一和掩膜频谱二的高频中心平移到二维频率直角坐标系的(M/2,N/2)，得到高频中心平移后的掩膜频谱一N₁(u,v)和掩膜频谱二N₂(u,v)，分别对N₁(u,v)和N₂(u,v)进行傅里叶反变换，将得到的二维空间直角坐标系上的反变换结果分别作为掩膜后的噪声图像一n₁(x,y)和掩膜后的噪声图像二n₂(x,y)；5)对高分辨率遥感图像g(x,y)进行分块，块大小为m×m个像素，共得到个图像块，计算所有图像块的灰度平均值m_g(x,y)(i)和灰度标准方差σ_g(x,y)(i)，i＝1,2,…,表示上取整；分别对掩膜后的噪声图像一n₁(x,y)和掩膜后的噪声图像二n₂(x,y)进行分块，块大小为m×m个像素，都得到个噪声图像块，计算所有噪声图像块的噪声均值和噪声方差将噪声方差与分别乘以系数λ₁、λ₂，得到转化的噪声方差和表示为：${{\sigma }_{n_1(x,y)}}^2\left(i\right)={\lambda }_1\times {{\tilde{\sigma }}_{n_1(x,y)}}^2\left(i\right),{{\sigma }_{n_2(x,y)}}^2\left(i\right)={\lambda }_2\times {{\tilde{\sigma }}_{n_2(x,y)}}^2\left(i\right);$其中，λ₁＝(M×N)/Γ₁，λ₂＝(M×N)/Γ₂，Γ₁、Γ₂分别表示掩膜频谱一和掩膜频谱二中的非零个数；其中m取值为8或16；根据转化得到的噪声方差和则图像块的噪声方差σ_n(x,y)²(i)计算公式如下：${{\sigma }_{n(x,y)}}^2\left(i\right)=-\frac{R_{\max }-R_2}{R_2-R_1}{{\sigma }_{n_1(x,y)}}^2\left(i\right)+\frac{R_{\max }-R_1}{R_2-R_1}{{\sigma }_{n_2(x,y)}}^2\left(i\right);$6)根据上述所得到的所有图像块的灰度平均值m_g(x,y)(i)与灰度标准方差σ_g(x,y)(i)剔除不满足条件的图像块，通过逐步迭代拟合得到信号与噪声方差的直线方程，进而得到整个灰度范围内的信噪比曲线，具体步骤如下：(6.1)遍历所有图像块，判断每个图像块的灰度平均值m_g(x,y)(i)与标准方差σ_g(x,y)(i)是否满足关系式如果不满足则剔除该图像块，否则保留该图像块；(6.2)将保留下来的每个图像块的灰度平均值与其对应的噪声图像块的噪声方差作为一个点，所有图像块的灰度平均值与其对应的噪声图像块的噪声方差构成点集(m_g(x,y)(j),σ_n(x,y)²(j))，其中，点集中的点个数小于划分的图像块数即(6.3)利用最小二乘法对点集(m_g(x,y)(j),σ_n(x,y)²(j))进行直线拟合，并计算点集中的各个点到直线的距离，如果距离小于设定的阈值，则保留点集中的该点，否则剔除点集中的该点，该步骤中剔除的点集中的点个数记为η；(6.4)重复步骤(6.2)、步骤(6.3)，直到剔除的点集中的点个数η＝0，利用点集中的剩余的点拟合直线方程，p、q为拟合系数，则得到信号S与噪声方差σ²的关系式可表示为σ²＝p×S+q，信噪比即信号S与噪声标准方差σ的比值，其计算公式如下：$\frac{S}{\sigma }=\frac{S}{\sqrt{p\times S+q}};$7)对于量化级数为L的遥感图像，其对应的灰度值范围为[0,2^L‑1]之间的整数，将每一个灰度值作为信号S，通过公式计算每个灰度值的信噪比，最终得到整个灰度值范围内的信噪比曲线。