详细内容:一种基于人工神经网络的遥感图像去条带方法

作者:中国科学院上海技术物理研究所冯旗 王玉 毕晓麟

摘要：由于非均匀性的影响,线阵列扫描得到的遥感图像容易出现条带失真,本文在介绍基于神经网络的非均匀性校正方法后,针对条带失真的特殊性对算法进行了改进,通过实验得到了很好的校正效果。

引言

红外焦平面探测是一种兼具辐射敏感和信号处理功能的新一代红外探测技术,但是由于制造过程和工作环境的影响, 使得焦平面阵列(FPA ) 各个阵列元即使在相同的辐射通量照射下,也会输出不相同的响应电压。这种红外响应引起的遥感图像的失真被称作红外图像的非均匀性。为了提高观测频率、扫描范围和空间分辨率,航天遥感一般采用推扫式的多元敏感线阵列对地物成像,通过观察发现,推扫得到的遥感图像出现有规律的条带失真,条带宽度与遥感器多元敏感元个数的扫描线宽度一致,而且随着时间的推移,条带现象日趋严重,与单敏感元扫描图像中的噪声相比有明显差异,这种失真其实是焦平面非均匀性的一种表现形式。条带失真是影响线阵列红外遥感图像质量的主要因素,必须要用诸如定标的方法去除,但是由于探测器单元响应会随着时间和工作环境的变化改变,所以仅仅用定标的方法来校正条带失真有很大的局限性。

图1  BP网络结构图

本文对焦平面非均匀性校正的神经网络法进行改进,介绍了一种基于人工神经网络的遥感图像条带消除的方法。这种方法可以完全不对FPA进行标定(或自动标定),并且可以通过线性和非线性模型校正,是红外成像系统非均匀性校正的理想方法。

传统校正方法

线性校正假设探测器单元的响应呈线性：
y = ax + b
式中,x 为某一探测器单元的输入信号,y 为可测的输出信号。如果能求出增益因子a 和偏移因子b,就可求得无畸变的输入信号x 。

传统的非均匀性校正方法是在红外焦平面成像系统使用前,用标准的两个或多