[发明专利]基于边缘约束和自适应形态学滤波的高光谱图像条带缺失修复方法

说明书

技术领域

本发明属于遥感图像处理中的高光谱图像处理领域。

背景技术

高光谱图像的获取器件为成像光谱仪，光谱仪中的传感器CCD非线性响应或数据转换过程出错、不适当的数据纠正甚至部分功能单元受损等原因都会使所获取的高光谱数据产生非正常象元，导致高光谱图像连续波段同一位置出现条带状区域缺失。此类降质不仅影响高光谱图像的主观质量和可辨识性，还会对机器分类和识别的性能产生影响，因此对高光谱图像进行恢复是重要且不可或缺的。尽管现在存在一些针对这一现象的恢复方法，但基于模型的方法往往效果不佳，很多方法也只能恢复个别波段出现的坏线及窄宽度的条带，而当连续波段出现条带状缺失时，或者是所有谱段都被污染时，无法有效恢复，或出现过平滑和损害其结构信息的现象。因此，亟待找到一种有效的方法对高光谱图像的条带状区域缺失进行修复。

发明内容

本发明目的是为了解决现有高光谱图像的获取过程中连续谱段出现条带状缺失时无法有效恢复的问题，提供了一种基于边缘约束和自适应形态学滤波的高光谱图像条带缺失修复方法。

本发明所述基于边缘约束和自适应形态学滤波的高光谱图像条带缺失修复方法，该修复方法的具体过程为：

步骤1、检测条带，确定高光谱图像中条带缺失的具体位置；

步骤2、恢复边缘，优先恢复条带缺失内的边缘信息；

步骤3、对每个条带缺失的受损像素生成基于边缘约束的自适应结构元素，该自适应结构元素能够保护高光谱图像信息，该结构元素大于条带缺失的宽度，以保证结构元素能够覆盖到未受损区域；

步骤4、自适应形态学滤波，确定最终条带缺失的受损像素的恢复值。

本发明的优点：本发明提出的一种基于边缘约束和自适应形态学滤波的高光谱图像条带缺失修复方法，利用边缘在表达高光谱图像结构信息中的重要作用，通过生成边缘约束的自适应形态学结构元素对图像的结构信息进行保护。能够在有效修复缺失的同时保护其结构信息。本方法首先利用边缘提取和直线检测的方法来确定图像中条带的位置；之后利用基于支持向量机的方法恢复条带内的边缘(或直接利用完好谱段或多源图像的边缘)；然后，利用边缘约束对每一个受损象元自适应的生成形态可变的结构元素；最后，利用生成的结构元素和高斯核对受损象元进行恢复。

附图说明

图1是本发明所述基于边缘约束和自适应形态学滤波的高光谱图像条带缺失修复方法的原理图。

具体实施方式

具体实施方式一：下面结合图1说明本实施方式，本实施方式所述基于边缘约束和自适应形态学滤波的高光谱图像条带缺失修复方法，该修复方法的具体过程为：

步骤1、检测条带，确定高光谱图像中条带缺失的具体位置；

步骤2、恢复边缘，优先恢复条带缺失内的边缘信息；

步骤3、对每个条带缺失的受损像素生成基于边缘约束的自适应结构元素，该自适应结构元素能够保护高光谱图像信息，该结构元素大于条带缺失的宽度，以保证结构元素能够覆盖到未受损区域；

步骤4、自适应形态学滤波，确定最终条带缺失的受损像素的恢复值。

具体实施方式二：下面结合图1说明本实施方式，本实施方式对实施方式一作进一步说明，步骤1的具体过程为：

步骤1.1、利用Canny算子求取图像的梯度，分别利用高低双阈值和非极大值抑制获取两种连续细化的边缘；

步骤1.2、分别将步骤1.1中获取的两种结果利用霍夫变换追踪直线，获取两条贯穿高光谱图像的垂直直线或水平直线；

步骤1.3、检测步骤1.2获得的两条直线之间区域的像素值，像素值低于周围其他区域的位置即为高光谱图像中条带缺失的具体位置。

具体实施方式三：下面结合图1说明本实施方式，本实施方式对实施方式二作进一步说明，步骤2的具体过程为：

步骤2.1、根据获取的高光谱图像中条带缺失位置，将条带缺失的受损像素的边缘分布情况作为SVM的输出向量，将受损像素邻域的未受损像素的边缘分布情况作为SVM输入向量，根据条带缺失的宽度和待恢复受损像素在条带中的位置训练一系列SVM，选择一组完好的高光谱图像或待恢复受损图像内无条带的部分作为训练集；

步骤2.2、根据条带缺失的宽度和待恢复受损像素在条带中的位置选择相应的SVM，将受损像素邻域的未受损像素的边缘分布情况作为SVM输入向量，SVM的测试输出结果即为受损像素的边缘恢复估计值；

步骤2.3、根据边缘的连续性对SVM估计值进行优化，获得最终的边缘恢复结果。