[发明专利]一种卫星影像条带噪声去除方法及装置

权利要求书

1.一种卫星影像条带噪声去除方法，其特征在于，所述方法包括：

统计所述卫星影像的灰度直方图，并对所述灰度直方图进行预处理，以消除由于传感器异常带来的干扰；

利用高斯混合模型对预处理后的灰度直方图进行拟合；

基于拟合得到的高斯混合模型，将所述卫星影像分割为至少一个子影像；

确定各个所述子影像中每一列像素的灰度均值参考值和灰度标准差参考值，并根据所述灰度均值参考值和所述灰度标准差参考值对各个所述子影像进行修复；

将修复后的各个所述子影像通过灰度叠加的方式进行合成，得到去除条带噪声的卫星影像；

其中，所述高斯混合模型中包括至少一个高斯分量，各个所述高斯分量由均值系数、标准差系数以及权重系数确定；

其中，基于拟合得到的高斯混合模型，将所述卫星影像分割为至少一个子影像，包括：

根据各个高斯分量中的均值系数和标准差系数，确定各个高斯分量的主体区间；

判断相邻两个高斯分量的主体区间是否有交集；若有，将两个高斯分量相交的交点横坐标确定为一个分割阈值；

通过确定的所述分割阈值，将所述卫星影像分割为至少一个子影像。

2.根据权利要求1所述的方法，其特征在于，对所述灰度直方图进行预处理具体包括：

从所述灰度直方图的左右两端分别去除预设数量的边缘像素，得到所述灰度直方图的主体区间；

采用具备预设尺寸的窗口对所述灰度直方图的主体区间进行曲线平滑处理，得到平滑处理后的灰度直方图。

3.根据权利要求1所述的方法，其特征在于，各个所述高斯分量中的均值系数、标准差系数以及权重系数通过下述方式确定：

在所述预处理后的灰度直方图中确定至少一个极值点，并记录各个所述极值点的横坐标；

在相邻的所述极值点之间确定所述灰度直方图中的谷值点，并记录各个所述谷值点的横坐标；

根据所述预处理后的灰度直方图、各个极值点的横坐标以及各个谷值点的横坐标，分别确定所述均值系数、标准差系数以及权重系数的初始值；

构建与各个所述高斯分量相关的最大似然模型方程组，并基于所述均值系数、标准差系数以及权重系数的初始值进行迭代计算，直至迭代结果中的均值系数、标准差系数以及权重系数均满足预设收敛条件为止。

4.根据权利要求3所述的方法，其特征在于，按照下述公式确定所述均值系数、标准差系数以及权重系数的初始值：

其中，τ_m⁽⁰⁾表示第m个高斯分量中权重系数的初始值，h(x)表示所述预处理后的灰度直方图，x表示所述预处理后的灰度直方图中的像素灰度值，V_m表示第m个谷值点的横坐标，μ_m⁽⁰⁾表示第m个高斯分量中均值系数的初始值，P_m表示第m个极值点的横坐标，表示第m个高斯分量中标准差系数的初始值。

5.根据权利要求4所述的方法，其特征在于，按照下述公式构建与各个所述高斯分量相关的最大似然模型方程组以及进行迭代计算：

其中，R_m^(t)表示第m个高斯分量在第i次迭代计算时对应的最大似然函数，τ_m^(t)表示第i次迭代计算时第m个高斯分量中的权重系数值，p(x|μ_m^(t),σ_m^(t))表示第i次迭代下的第m个高斯分量，M为高斯分量的总个数，μ_m^(t)表示第i次迭代计算时第m个高斯分量中的均值系数值，σ_m^(t)表示第i次迭代计算时第m个高斯分量中的标准差系数值，X_min表示所述预处理后的灰度直方图中像素灰度值的极低值，X_max表示所述预处理后的灰度直方图中像素灰度值的极高值。