高分二号(GF-2)卫星是我国自主研制的首颗空间分辨率优于1 m的民用光学遥感卫星, 搭载有2台高空间分辨率1 m全色和4 m多光谱相机, 全色相机星下点空间分辨率可达0.8 m, 具有亚m级空间分辨率、高定位精度和快速姿态机动能力等特点。

GF-2部分1A级数据存在条带噪声, 会掩盖了图像的地物特征, 影响了数据的应用。近年来, 关于星载、机载多传感器和单传感器光谱仪数据, 如TM, MSS, NOAA-AVHARR和SPOT等, 条带噪声去除方法有很多研究^{[1, 2]}, 而应用于国产卫星高空间分辨率数据, 特别是GF-2遥感数据的案例较少。距匹配是常用的有效去除条带噪声的方法^{[3, 4, 5, 6]}, 本文旨在采用距匹配算法, 对GF-2遥感数据中的条带噪声进行去除, 并对去除效果进行评述。

GF-2卫星数据条带噪声明显, 选取一幅GF-2原始影像, 其1— 4波段如图1所示。

图1

Fig.1

	Figure Option ViewDownloadNew Window
	图1 高分二号原始影像(条带噪声)Fig.1 GF-2 raw images(streaking noise)

通过分析现有GF-2遥感数据条带噪声发现: GF-2数据条带噪声垂直于卫星飞行方向排列; 多光谱和全色波段条带噪声同时出现, 且分布范围一致; 近红外波段条带噪声强度明显低于其他3个波段; 从整体上看, 此类条带噪声在各景遥感影像上随机出现, 不具有周期性。

GF-2卫星采用全色和多光谱五谱合一的TDI CCD, 以推扫的方式对地物进行成像。多个CCD探测单元间响应不一致是造成条带噪声的主要原因, 这种不一致性的产生有多方面原因, 主要有: CCD暗电流的影响、工作状态引入的非一致性、器件本身的非均匀性、CCD响应函数矫正的不正确性和不完全, 以及其他外界因素的影响等^{[5, 6]}。

传感器在光谱响应范围内为线形响应函数, 图像灰度值D与接收到的真实辐射亮度T的关系可以表达为

D=AT+B+ξ , (1)

式中: A和B分别为传感器响应函数的增益和偏置; ξ 为噪声。

由于不同传感器对外界同一入射光强度的响应存在差异, 图像上产生了灰度的输出偏差, 条带噪声就出现了。将不同传感器的输出归一化为同一个值, 则可有效去除条带噪声。

对于一景影像, 每个传感器生成的灰度值分布概率是相同的, 即各个波段真实辐射的均值和标准差差别很小^[7]。矩匹配算法假设每个传感器所探测的地物具有均衡的辐射分布^[8], 图像扫描方向的一行或一列图像具有统计一致性^[9], 其核心在于通过调整每个传感器的均值、方差到某一参考值来达到去除条带噪声的目的^[8]。

矩匹配算法公式为

Y= σrσiT+μ _r-μ _i σrσi, (2)

式中: T和Y分别为传感器成像第i个像素校正前、后的辐射亮度值; μ _i, σ _i, μ _r和σ _r分别为传感器成像第i个像素和整景图像的均值和方差。

采用IDL语言实现该算法, 主要代码如下:

arrOri_Image = read_image(strOpen_Path)

Image_Mean = Mean(arrOri_Image)

Image_Std = Stddev(arrOri_Image)

fRow_Mean[i, 0] = Mean (arrOri_Image[layer, i, * ])

fRow_Std[i, 0] = Stddev(arrOri_Image[layer, i, * ])

arrPro_Image[i, * ] = Image_Std/fRow_Std[i, 0]* ( arrOri_Image[layer, i, * ]-fRow_Mean[i, 0])+Image_Mean

1)采用距匹配算法可以有效去除GF-2高空间分辨率遥感影像数据中的条带噪声。通过消除条带前后的图像及评价指标对比可以看出, 条带噪声得到了有效处理, 图像质量明显改善, 且图像原有信息仍然保留。

2)处理结果表明, 建立在统计基础上的距匹配算法, 对于地物分布较均一的半干旱中低山景观区影像去除条带效果较好。由于数据本身的限制, 未将此算法应用于复杂地物景观区, 这将是下一步应用研究的方向。

3)本文采用IDL语言对距匹配算法进行了实现, 无人工干预, 且对不存在条带噪声的影像不会引入新的噪声, 适合海量数据的自动化处理。