CN112819729B - 一种图像校正方法、装置、计算机存储介质及设备 - Google Patents
一种图像校正方法、装置、计算机存储介质及设备 Download PDFInfo
- Publication number
- CN112819729B CN112819729B CN202110204852.2A CN202110204852A CN112819729B CN 112819729 B CN112819729 B CN 112819729B CN 202110204852 A CN202110204852 A CN 202110204852A CN 112819729 B CN112819729 B CN 112819729B
- Authority
- CN
- China
- Prior art keywords
- pixel group
- image
- pixel
- processed
- gray scale
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 114
- 238000003702 image correction Methods 0.000 title claims abstract description 69
- 230000000694 effects Effects 0.000 claims abstract description 207
- 241000237509 Patinopecten sp. Species 0.000 claims abstract description 199
- 235000020637 scallop Nutrition 0.000 claims abstract description 199
- 238000012937 correction Methods 0.000 claims abstract description 99
- 238000012545 processing Methods 0.000 claims abstract description 69
- 238000004364 calculation method Methods 0.000 claims abstract description 23
- 238000001228 spectrum Methods 0.000 claims description 46
- 238000001914 filtration Methods 0.000 claims description 22
- 230000008569 process Effects 0.000 claims description 22
- 238000004590 computer program Methods 0.000 claims description 7
- 238000001514 detection method Methods 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 4
- 230000002708 enhancing effect Effects 0.000 claims 1
- 230000003313 weakening effect Effects 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 19
- 238000003384 imaging method Methods 0.000 description 14
- 230000006870 function Effects 0.000 description 11
- 230000008859 change Effects 0.000 description 6
- 230000001360 synchronised effect Effects 0.000 description 6
- 230000005855 radiation Effects 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 241001270131 Agaricus moelleri Species 0.000 description 3
- 241000886569 Cyprogenia stegaria Species 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 230000000737 periodic effect Effects 0.000 description 3
- 230000002829 reductive effect Effects 0.000 description 3
- 230000003247 decreasing effect Effects 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000000523 sample Substances 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/77—Retouching; Inpainting; Scratch removal
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/10—Image enhancement or restoration using non-spatial domain filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
- G06T2207/10044—Radar image
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本申请实施例提供了一种图像校正方法、装置、计算机存储介质及设备,该方法包括:基于存在扇贝效应的待处理图像,确定所述待处理图像的扇贝效应周期;计算所述待处理图像中每一像素组在所述扇贝效应周期内的灰度统计均值;其中,所述每一像素组是由所述待处理图像中的每一行像素点或者每一列像素点组成;根据所述每一像素组在所述扇贝效应周期内的灰度统计均值对所述每一像素组进行校正处理,得到校正图像。这样,通过像素组在所述扇贝效应周期内的灰度统计均值对该像素组进行图像校正处理,计算工作量少且自适应性强,同时能够提高对扇贝效应的校正效果,进而提高了待处理图像的质量。
Description
技术领域
本申请涉及图像处理技术领域,尤其涉及一种图像校正方法、装置、计算机存储介质及设备。
背景技术
合成孔径雷达(Synthetic Aperture Radar,SAR)是一种工作在微波频段的主动式遥感器,其工作方式是向目标物体主动发射微波并接收其回波数据。随着对地观测的要求不断提高,SAR出现了一种新的工作模式,即ScanSAR工作模式。ScanSAR工作模式通过周期性的调整天线姿态来获得更大的成像带宽,以减少卫星的重访次数,提高成像效率。
然而,由于ScanSAR工作模式的工作机制,导致了***总增益在方位向上呈现周期性变化,从而在图像中出现平行于距离向的明暗相间的条纹,即扇贝效应。由于扇贝效应的存在,严重影响了SAR图像的质量,进一步影响了SAR图像的后续应用。
发明内容
本申请提供了一种图像校正方法、装置、计算机存储介质及设备,能够提高对扇贝效应的校正效果,进而提高待处理图像的质量。
本申请的技术方案是这样实现的:
第一方面,本申请实施例提供了一种图像校正方法,该方法包括:
基于存在扇贝效应的待处理图像,确定所述待处理图像的扇贝效应周期;
计算所述待处理图像中每一像素组在所述扇贝效应周期内的灰度统计均值;其中,所述每一像素组是由所述待处理图像中的每一行像素点或者每一列像素点组成;
根据所述每一像素组在所述扇贝效应周期内的灰度统计均值对所述每一像素组进行校正处理,得到校正图像。
第二方面,本申请实施例提供了一种图像校正装置,该图像校正装置包括获取单元、计算单元和校正单元,其中,
获取单元,配置为基于存在扇贝效应的待处理图像,确定所述待处理图像的扇贝效应周期;
计算单元,配置为计算所述待处理图像中每一像素组在所述扇贝效应周期内的灰度统计均值;其中,所述每一像素组是由所述待处理图像中的每一行像素点或者每一列像素点组成;
校正单元,配置为根据所述每一像素组在所述扇贝效应周期内的灰度统计均值对所述每一像素组进行校正处理,得到校正图像。
第三方面,本申请实施例提供了一种图像校正装置,该图像校正装置包括存储器和处理器;其中,
所述存储器,用于存储能够在所述处理器上运行的计算机程序;
所述处理器,用于在运行所述计算机程序时,执行如第一方面所述方法的步骤。
第四方面,本申请实施例提供了一种计算机存储介质,该计算机存储介质存储有图像校正程序,该图像校正程序被至少一个处理器执行时实现如第一方面所述方法的步骤。
第五方面,本申请实施例提供一种图像校正设备,该图像校正设备至少包括如第二方面或第三方面所述的图像校正装置。
本申请实施例提供了一种图像校正方法、装置、计算机存储介质及设备,基于存在扇贝效应的待处理图像,确定所述待处理图像的扇贝效应周期;计算所述待处理图像中每一像素组在所述扇贝效应周期内的灰度统计均值;其中,所述每一像素组是由所述待处理图像中的每一行像素点或者每一列像素点组成;根据所述每一像素组在所述扇贝效应周期内的灰度统计均值对所述每一像素组进行校正处理,得到校正图像。这样,通过像素组在所述扇贝效应周期内的灰度统计均值对该像素组进行图像校正处理,计算工作量少,处理速度快;另外,该图像校正方法无需设置固定参数,自适应性强,能够提高扇贝效应的校正效果,进而提高了待处理图像的质量。
附图说明
图1为本申请实施例提供的一种图像校正方法的流程示意图;
图2为本申请实施例提供的一种待处理图像示意图;
图3为本申请实施例提供的另一种图像校正方法的流程示意图;
图4为本申请实施例提供的一种灰度统计值随位置变化的曲线示意图;
图5为本申请实施例提供的一种待处理图像中扇贝效应的误差示意图;
图6为本申请实施例提供的一种校正图像示意图;
图7为本申请实施例提供的校正前后的灰度统计值曲线的对比示意图;
图8为本申请实施例提供的一种校正图像中扇贝效应的误差示意图;
图9为本申请实施例提供的一种图像校正装置的组成结构示意图;
图10为本申请实施例提供的一种图像校正装置的硬件结构示意图;
图11为本申请实施例提供的另一种图像校正设备的组成结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述。可以理解的是,此处所描述的具体实施例仅仅用于解释相关申请,而非对该申请的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关申请相关的部分。
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本申请实施例的目的,不是旨在限制本申请。
在以下的描述中,涉及到“一些实施例”,其描述了所有可能实施例的子集,但是可以理解,“一些实施例”可以是所有可能实施例的相同子集或不同子集,并且可以在不冲突的情况下相互结合。
需要指出,本申请实施例所涉及的术语“第一\第二\第三”仅仅是是区别类似的对象,不代表针对对象的特定排序,可以理解地,“第一\第二\第三”在允许的情况下可以互换特定的顺序或先后次序,以使这里描述的本申请实施例能够以除了在这里图示或描述的以外的顺序实施。
以下对本申请实施例中涉及到的方位名词进行解释:
方位向:指飞行器的飞行方向;
距离向:指与飞行器的飞行方向垂直的方向。
回波数据:是指合成孔径雷达所发射的探测微波在到达目标位置后反射得到的。
合成孔径雷达是一种工作在微波频段的主动式遥感器,其工作方式是向目标主动发射微波并接收其回波数据。相较于光学传感器,合成孔径雷达具有不受日照和天气条件限制,能够全天候、全天时、全方位对地观测的特点,因而在现代微波遥感领域有着重要的应用。
目前,合成孔径雷达发展了一种新的工作模式,称之为ScanSAR工作模式。在ScanSAR工作模式中,通过一个预先设定好的角度范围和顺序改变天线波束扫描视角,以此来大幅度扩展其观测带宽度。这种模式对于变化较快的大规模地表现象的观测十分有效,例如植被的生长变化、洪水等地表自然灾害的勘察与监测、大规模海洋现象等。
也就是说,在ScanSAR工作模式中,天线在每个子带内驻留一段时间,雷达发射并接收一系列脉冲信号,然后通过调整距离向天线增益将脉冲信号迅速照向下一个相邻的子带,同样重复之前的工作模式。当天线调整增益再次返回第一个子带时,完成一个扫描周期。这种特殊的工作模式使得同一子带内,方位向不同位置的目标点受到天线不同部分的照射,获得的增益加权不同,从而造成ScanSAR工作模式下得到的雷达图像(以下简称ScanSAR图像)的辐射特性沿方位向发生周期性变化,这种现象就是扇贝效应(Scalloping)。
在相关技术中,扇贝效应校正方法可以大致划分为两类,分别是对回波数据进行校正和对成像结果进行校正。具体说明如下:
(1)对回波数据进行校正,具体方法为利用校正函数与方位回波数据相乘,对方位向回波幅度进行校正,例如矩形加权函数、方位向天线方向图倒数加权函数以及Bamler加权函数等。然而,对于该类方法来说,很多时候无法确定出与扇贝效应精确匹配的校正函数,而且校正效果受多普勒中心估计误差的影响较大。
(2)对成像结果进行校正,具体方法为利用校正函数对图像中像素点的灰度值进行处理,消除明暗相间的条带,例如基于卡尔曼滤波(Kalman Filtering)的方法等。然而,该方法需要采用二阶的卡尔曼滤波器,对参数设置非常敏感,在对不同图像进行处理时适应性较差,算法稳定性较差,且该算法需要对图像中所有像素点进行二阶矩阵的迭代运算,计算过程耗费时间较长。
本申请实施例提供了一种图像校正方法,该方法的基本思想为:基于存在扇贝效应的待处理图像,确定所述待处理图像的扇贝效应周期;计算所述待处理图像中每一像素组在所述扇贝效应周期内的灰度统计均值;其中,所述每一像素组是由所述待处理图像中的每一行像素点或者每一列像素点组成;根据所述每一像素组在所述扇贝效应周期内的灰度统计均值对所述每一像素组进行校正处理,得到校正图像。这样,通过像素组在所述扇贝效应周期内的灰度统计均值对该像素组进行图像校正处理,计算工作量较少,处理速度快;另外,该图像校正方法无需设置固定参数,自适应性强,对不同图像中的扇贝效应均能够起到很好的校正效果,提高了待处理图像的质量和后续应用性能。同时,本申请实施例所述的图像校正方法还能够有效地改善相关技术中星载ScanSAR图像扇贝效应校正过程中受多普勒中心估计误差的影响较大、对参数设置较敏感、稳定性较差以及计算过程耗费时间较长等问题。
下面将结合附图对本申请各实施例进行详细说明。
在本申请的一实施例中,参见图1,其示出了本申请实施例提供的一种图像校正方法的流程示意图。如图1所示,该方法可以包括:
S101:基于存在扇贝效应的待处理图像,确定所述待处理图像的扇贝效应周期。
需要说明的是,本申请实施例提供了一种图像校正方法,应用于存在扇贝效应的待处理图像,例如合成孔径雷达在ScanSAR工作模式下获得的探测图像。
因此,在一些实施例中,在所述基于存在扇贝效应的待处理图像,确定所述待处理图像的扇贝效应周期之前,该方法还可以包括:
接收目标雷达信号;其中,所述目标雷达信号是由目标雷达发射的探测信号在遇到目标物体进行反射得到的;
根据所述目标雷达信号,生成所述待处理图像。
需要说明的是,待处理图像可以是雷达测绘生成的图像。在接收目标雷达信号之后,根据目标雷达信号生成待处理图像,然后利用本申请实施例提供的图像校正方法对其进行校正。在这里,目标雷达信号是由目标雷达发射的探测信号在遇到目标物体进行反射得到的。在一种具体的实施例中,待处理图像可以是合成孔径雷达在ScanSAR工作模式下获得的,即ScanSAR图像。
还需要说明的是,对于ScanSAR图像,可以通过两种方法进行扇贝效应校正,一种是针对回波数据(即目标雷达信号)进行校正,校正后进行成像;另一种是针对成像后的图像进行校正。本申请实施例的图像校正方法适用于未对回波数据进行校正的星载ScanSAR图像,属于对成像结果进行校正的方法。
参见图2,其示出了本申请实施例提供的一种待处理图像示意图。如图2所示,在待处理图像中存在明暗相间的条纹,这些明暗相间的条纹即为扇贝效应。应理解,扇贝效应的具体表现形式为图像中出现明暗相间条纹。因此,本申请实施例提供的图像校正方法可以应用于任何存在平行于某一边的周期性明暗相间条纹的图像。
还需要说明的是,由于雷达自身的特点,扇贝效应所产生条纹的方向是待处理图像的距离向。如图2所示,对于ScanSAR图像来说,一般垂直方向(纵向)为距离向,待处理图像的水平方向(横向)为方位向,因此扇贝效应表现为呈纵向的明暗相间条纹。应理解,本申请实施例所述的图像校正方法同样适用于呈横向的明暗相间条纹。
还需要说明的是,扇贝效应是由于ScanSAR工作模式下图像的辐射特性沿方位向发生周期性变化产生的,所以扇贝效应所产生的条纹也是呈周期性的。因此,在获取存在扇贝效应的待处理图像后,需要确定待处理图像的扇贝效应周期。
在这里,所确定的扇贝效应周期可以通过多种指标进行指示,可以采用下述中的至少一项:一个扇贝效应周期的时间、一个扇贝效应周期的距离、一个扇贝效应周期内包含的像素列数量(当扇贝效应呈现纵向条纹时)、一个扇贝效应周期内包含的像素行数量(当扇贝效应呈现横向条纹时)来指示扇贝效应周期。换句话说,获取扇贝效应周期可以是指任何能够指示扇贝效应周期的相关指标。
进一步地,在一些实施例中,所述确定所述待处理图像的扇贝效应周期,可以包括:
对所述待处理图像中的每一像素组进行像素灰度统计处理,确定所述每一像素组的灰度统计值;
对所述每一像素组的灰度统计值进行傅里叶变换,得到目标灰度频谱;
根据所述目标灰度频谱,确定所述扇贝效应周期。
需要说明的是,将待处理图像划分为多个像素组,在这里,像素组是沿待处理图像的距离向进行划分的,即每一像素组是由所述待处理图像中的每一行像素点或者每一列像素点组成。也就是说,当待处理图像存在呈纵向的明暗条纹时,像素组是指一列像素点;当待处理图像存在呈横向的明暗条纹时,像素组是指一行像素点。
在这种情况下,可以将一个扇贝效应周期中包含像素组的组数(相当于像素行数量或者像素列数量时)作为扇贝效应周期。相应地,计算扇贝效应周期的方法可以如下:
首先,对每一像素组进行像素灰度统计处理,确定每一像素组的灰度统计值。在这里,灰度统计值是指一个像素组内所有像素点灰度的统计指标,例如灰度统计值可以是灰度和值、灰度平均值等。
其次,对所得到的多个灰度统计值进行傅里叶变换,得到目标灰度频谱,即目标灰度频谱是指待处理图像中所有像素组的灰度统计值所对应的频谱。在这里,对多个灰度统计值进行傅里叶变换是需要按照方位向的,也就是说,当待处理图像存在呈纵向的明暗条纹时,沿水平方向对多个灰度统计值进行傅里叶变换;当待处理图像存在呈横向的明暗条纹时,沿垂直方向对多个灰度统计值进行傅里叶变换。
最后,从目标灰度频谱中确定出扇贝效应周期。
还需要说明的是,灰度统计值可以是该像素组中所有像素点的灰度值总和。因此,在一些实施例中,所述对所述待处理图像中的每一像素组进行像素灰度统计处理,确定所述每一像素组的灰度统计值,可以包括:
确定第一像素组中至少一个像素点的灰度值;其中,所述第一像素组是指所述待处理图像中的任意一个像素组;
对所述至少一个像素点的灰度值进行求和处理,得到所述第一像素组的灰度统计值。
需要说明的是,为了方便说明,下面将待处理图像中的任意一个像素组作为第一像素组进行后续描述。
对于第一像素组,确定第一像素组中至少一个像素点的灰度值,从而将所确定的灰度值进行求和处理,就得到了第一像素组的灰度值。也就是说,对于具体一个像素组,该像素组的灰度统计值是指该像素组中所有像素点的灰度值总和。
进一步地,在一些实施例中,所述根据所述目标灰度频谱,确定所述扇贝效应周期,可以包括:
对所述目标灰度频谱进行预处理,得到第一处理频谱;
对所述第一处理频谱进行超低频滤波处理,得到第二处理频谱;
根据所述第二处理频谱中的峰值,确定目标频率值;
获取所述待处理图像的像素组总数量,并根据所述待处理图像的像素组总数量和所述目标频率值,计算得到所述扇贝效应周期。
需要说明的是,在得到目标灰度频谱后,对其进行预处理获取第一处理频谱。具体地,预处理可以包括取半处理和取绝对值处理两个步骤,由于目标灰度频谱是对称的,因此截目标灰度频谱的二分之一,并对其进行取绝对值处理,从而得到第一处理频谱。
在得到第一处理频谱后,还需要对第一处理频谱进行超低频滤波,即滤除超低频段后得到第二处理频谱,将第二处理频谱中峰值所在的横坐标值记为目标频率值。
最后,确定待处理图像中的像素组总数量,根据像素组总数量和目标频率值可以计算得到扇贝效应周期。具体的,用像素组总数量与前述的目标频率值进行除法运算,就得到了扇贝效应周期。
还需要说明的是,除了以上步骤,待处理图像的扇贝效应周期也可以通过任何可行的其他方式获取,本申请实施例不做具体限定。
这样,通过以上处理,能够确定出待处理图像的扇贝效应周期。
S102:计算所述待处理图像中每一像素组在所述扇贝效应周期内的灰度统计均值。
需要说明的是,在得到扇贝效应周期之后,计算出每一像素组在所述扇贝效应周期内的灰度统计均值。
在本申请实施例中,对于具体一个像素组,本申请实施例需要计算该像素组在一个扇贝效应周期内的灰度统计均值,从而进行后续校正处理。
具体地,根据像素组确定一个扇贝效应周期,将该扇贝效应周期内包含的所有像素组的均值作为该像素组的灰度统计均值。因此,在一些实施例中,所述计算所述待处理图像中的每一像素组在所述扇贝效应周期内的灰度统计均值,可以包括:
根据所述扇贝效应周期,确定所述第一像素组的虚拟窗口;
在所述第一像素组的虚拟窗口中,确定所述第一像素组以及所述第一像素组的至少一个相邻像素组各自的灰度统计值;
根据所述第一像素组以及所述第一像素组的至少一个相邻像素组各自的灰度统计值进行均值计算,得到所述第一像素组在所述扇贝效应周期内的灰度统计均值。
需要说明的是,以第一像素组为例,针对第一像素组,根据扇贝效应周期生成一个虚拟窗口,例如虚拟窗口的长度刚好是一个扇贝效应周期。
具体地,对于不同位置的像素组,虚拟窗口的生成规则是不同的。在一种具体的实施例中,假定待处理图像的距离向为垂直方向,此时像素组是指一列像素点,假定扇贝效应周期为TS,且TS表示一个扇贝效应周期包含的像素列的数量;此时,虚拟窗口可以按照以下规则生成:
还需要说明的是,在得到第一像素组的虚拟窗口后,在虚拟窗口中确定第一像素组以及所述第一像素组的至少一个相邻像素组各自的灰度统计值,然后将第一像素组以及所述第一像素组的至少一个相邻像素组各自的灰度统计值的平均值作为第一像素组在所述扇贝效应周期内的灰度统计均值。
换句话说,将第一像素组的虚拟窗口中所包含的所有像素组作为计算对象,获取这些像素组的灰度统计值,将这些像素组的灰度统计值的平均值作为第一像素组在所述扇贝效应周期内的灰度统计均值。
这样,通过上述的计算过程,能够获得每一像素组在所述扇贝效应周期内的灰度统计均值,从而进行后续校正处理。
S103:根据所述每一像素组在所述扇贝效应周期内的灰度统计均值对所述每一像素组进行校正处理,得到校正图像。
需要说明的是,根据每一像素组在所述扇贝效应周期内的灰度统计均值,能够获知该像素组周围的明暗程度,从而能够对所述每一像素组进行校正处理,得到校正图像。
进一步地,在一些实施例中,所述根据所述每一像素组在所述扇贝效应周期内的灰度统计均值对所述每一像素组进行校正处理,得到校正图像,可以包括:
获取所述第一像素组的灰度统计值;
根据所述第一像素组的灰度统计值和所述第一像素组在所述扇贝效应周期内的灰度统计均值,对所述第一像素组进行校正处理;
在对所述每一像素组均进行校正处理后,得到所述校正图像。
需要说明的是,第一像素组的灰度统计值能够指示第一像素组的亮度情况,第一像素组在所述扇贝效应周期内的灰度统计均值能够指示第一像素组周围的亮度情况。
为了校正扇贝效应,需要使第一像素组与周围的亮度尽可能接近。因此,根据所述第一像素组的灰度统计值和所述第一像素组在所述扇贝效应周期内的灰度统计均值,对所述第一像素组进行校正处理,从而得到校正图像。
进一步地,在一些实施例中,所述根据所述第一像素组的灰度统计值和所述第一像素组在所述扇贝效应周期内的灰度统计均值,对所述第一像素组进行校正处理,可以包括:
将所述第一像素组的灰度统计值和所述第一像素组在所述扇贝效应周期内的灰度统计均值进行比较;
若所述第一像素组的灰度统计值小于所述第一像素组在所述扇贝效应周期内的灰度统计均值,则将所述第一像素组向第一方向进行校正处理;
若所述第一像素组的灰度统计值大于所述第一像素组在所述扇贝效应周期内的灰度统计均值,则将所述第一像素组向第二方向进行校正处理;
其中,所述第一方向表示图像亮度增强方向,所述第二方向表示图像亮度减弱方向。
需要说明的是,对于具体一个像素组来说,对灰度统计值与在所述扇贝效应周期内的灰度统计均值(以下简称灰度统计均值)的关系进行判断;
若灰度统计值小于灰度统计均值,则说明该像素组的亮度低于周围像素组的亮度,因此需要将该像素组调亮;
若灰度统计值大于灰度统计均值,则说明该像素组的亮度高于周围像素组的亮度,因此需要将该像素组调暗;
若灰度统计值等于灰度统计均值,则说明该像素组的亮度等于周围像素组的亮度,因此该像素组无需调整。
这样,通过校正操作使像素组的灰度统计值向相邻周期内所有像素组的灰度统计值的均值靠拢,以此来减小整幅待处理图像中灰度统计值变化的抖动幅度,从而削弱扇贝效应。
进一步地,在一些实施例中,所述根据所述第一像素组的灰度统计值和所述第一像素组在所述扇贝效应周期内的灰度统计均值,对所述第一像素组进行校正处理,可以包括:
根据所述第一像素组的灰度统计值和所述每一像素组在所述扇贝效应周期内的灰度统计均值,计算所述第一像素组的校正系数;
按照所述第一像素组的校正系数,对所述第一像素组进行校正处理。
需要说明的是,以第一像素组为例,获取第一像素组的灰度统计值,根据第一像素组的灰度统计均值和第一像素组的灰度统计值,能够计算出校正系数,从而利用校正系数对第一像素组进行校正处理,以减弱待处理图像中的扇贝效应。
在一种具体的实施例中,校正系数可以是灰度统计均值与灰度统计值进行除法运算后得到的。
进一步地,在一些实施例中,所述按照所述第一像素组的校正系数,对所述第一像素组进行校正处理,可以包括:
按照所述第一像素组的校正系数,对所述第一像素组进行均值滤波处理。
需要说明的是,在一种具体的实施例中,根据所述第一像素组的校正系数,对所述第一像素组进行均值滤波处理,以使得像素点的实际灰度值调整为(实际灰度值×校正系数),从而获得校正图像。
换句话说,本申请实施例提出的图像校正方法,具体包括以下步骤:距离向像素灰度统计值的计算、距离向像素灰度统计值的计算结果沿方位向的傅里叶变换、扇贝效应周期的计算、距离向像素灰度统计值所处周期内均值的计算(即计算每一像素组在所述扇贝效应周期内的灰度统计均值)、沿方位向对星载ScanSAR图像像素灰度值的均值滤波。
综上所述,ScanSAR工作模式是星载合成孔径雷达的重要工作模式,通过在一个预设的角度内依照固定的顺序改变天线的扫描视角,来大幅度扩展其一次性可获取的测绘带宽度,有利于缩短全球观测周期,并对变化较快的大规模地表现象进行监测。但是受其特殊工作模式的影响,ScanSAR工作模式下的成像结果中出现了特有的辐射不均匀现象,而扇贝效应在其中占有较大的误差比重,所以需要对其进行精确校正。
基于此,本申请实施例提供了一种图像校正方法,通过基于存在扇贝效应的待处理图像,确定所述待处理图像的扇贝效应周期;计算所述待处理图像中每一像素组在所述扇贝效应周期内的灰度统计均值;其中,所述每一像素组是由所述待处理图像中的每一行像素点或者每一列像素点组成;根据所述每一像素组在所述扇贝效应周期内的灰度统计均值对所述每一像素组进行校正处理,得到校正图像。这样,通过像素组在所述扇贝效应周期内的灰度统计均值对该像素组进行图像校正处理,计算工作量较少,处理速度快;另外,该图像校正方法无需设置固定参数,自适应性强,对不同图像中的扇贝效应均能够起到很好的校正效果,提高了待处理图像的质量和后续应用性能。同时,本申请实施例所述的图像校正方法还能够有效地改善相关技术中星载ScanSAR图像扇贝效应校正过程中受多普勒中心估计误差的影响较大、对参数设置较敏感、稳定性较低以及计算过程耗费时间较长等问题。
在本申请的另一实施例中,参见图3,其示出了本申请实施例提供的另一种图像校正方法的流程示意图。如图3所示,假定待处理图像的方位向为水平方向,且待处理图像的距离向为垂直方向,该方法可以包括:
S201:输入星载ScanSAR图像,将所述星载ScanSAR图像确定为待处理图像。
需要说明的是,获取SAR在ScanSAR工作模式下扫描得到的图像,即星载ScanSAR图像,将其作为待处理图像进行后续处理。如图2所示,由于SAR自身特性的原因,星载ScanSAR图像中包含由于扇贝效应而产生的呈竖向的明暗相间条纹。
S202:按照距离向对待处理图像进行像素灰度统计,得到每一像素列的灰度统计值。
需要说明的是,在获得待处理图像之后,按照距离向对待处理图像进行像素灰度统计,确定灰度统计值gc(y)。
在本申请实施例中,由于待处理图像的距离向为垂直方向,因此以一列像素点为计算对象,通过将该列像素点的灰度值进行统计求和,得到每一像素列的灰度统计值gc(y)。具体地,gc(y)的计算方法如式(1)所示:
其中,r表示待处理图像中的像素行总数,c表示待处理图像中的像素列总数,x表示像素行的序号,y表示像素列的序号,p(x,y)表示像素点(x,y)的灰度值。
还需要说明的是,将每列像素点的灰度统计值gc(y)按位置顺序绘制成一条曲线,参见图4,其示出了本申请实施例提供的一种灰度统计值随位置变化的曲线示意图。其中,X轴(即水平轴)表示像素列的序号,Y轴(即垂直轴)表示灰度统计值gc(y)。如图4所示,gc(y)的幅度是周期性抖动的,该特点与扇贝效应的特性吻合,同时该抖动周期就是扇贝效应的周期。
S203:对每一像素列的灰度统计值沿方位向进行傅里叶变换,得到目标灰度频谱。
需要说明的是,在沿距离向对待处理图像进行灰度统计之后,将灰度统计值gc(y)沿方位向进行傅里叶变换,得到目标灰度频谱。也就是说,目标灰度频谱是指待处理图像中像素行/像素列的灰度统计值的频谱。具体的,目标灰度频谱Gc(k)如式(2)所示:
S204:根据目标灰度频谱,确定待处理图像的扇贝效应周期。
需要说明的是,根据目标灰度频谱,确定待处理图像的扇贝效应的频率FS,然后进一步确定出扇贝效应周期TS。在这里,扇贝效应周期TS表示一个扇贝效应周期中所包含的像素列的数量。
具体地,Gc(k)是对称的,因此截取Gc(k)的一半并取绝对值,滤除超低频段后找到峰值对应的横坐标kmax。则扇贝效应的频率FS可以通过式(3)进行确定:
则扇贝效应的周期TS可以如式(4)所示:
S205:对于每一像素列,计算每一像素列在所述扇贝效应周期内的灰度统计均值。
S206:根据每一像素列在所述扇贝效应周期内的灰度统计均值,沿方位向对每一像素列进行均值滤波。
需要说明的是,根据每一像素列在所述扇贝效应周期内的灰度统计均值,沿方位向进行均值滤波。假定初始星载ScanSAR图像每一像素列中各像素点的灰度值为Io(y),均值滤波后的星载ScanSAR图像每一像素列的灰度值为If(y)。在这里,Io(y)是一个矩阵,每一个元素代表着一个像素点的灰度值;相应地,If(y)也是一个矩阵,每一个元素代表着一个像素点在均值滤波后的灰度值。此时,If(y)可以如式(6)进行表示:
换句话说,利用与gc(y)比值作为校正系数,将该像素列中的像素点统一调亮和调暗,使得该像素列中的像素点的亮度更接近于周围的像素点的亮度,从而减弱扇贝效应带来的影响。这样,均值滤波后,扇贝效应校正结束。
在相关技术中,星载ScanSAR扇贝效应校正方法可大致划分为两大类:对回波数据进行校正以及对成像结果进行校正。其中,
(1)对回波数据进行校正,具体是用校正函数与方位回波数据相乘,使得方位向回波幅度进行校正。该类方法的问题在于得到与扇贝效应精确匹配的校正函数的难度较高,并且其校正效果受多普勒中心估计误差的影响较大。
(2)对成像结果进行校正,具体是用某些算法对成像结果进行处理,例如二阶卡尔曼滤波(Kalman Filtering),消除亮暗相间的条带,使图像亮度均匀平滑。该类方法的问题在于参数设置较为敏感,算法稳定性较低,计算耗费的时间较长。换句话说,在已有的图像校正方法中,校正效果存在受多普勒中心估计误差影响较大、计算时间较长、校正稳定性较低等的问题。
基于此,本申请实施例提供了一种基于均值滤波的星载ScanSAR扇贝效应校正方法,包括以下步骤:
(1)针对输入的星载ScanSAR的成像结果,首先对像素灰度值沿图像的距离向进行统计(若图像的纵向为距离向,则对每列的像素灰度值求和;若图像的横向为距离向,则对每行的像素灰度值求和);
(2)针对图像像素灰度值沿距离向的统计结果,对其沿方位向(垂直于距离向)求傅里叶变换,得到目标灰度频谱;
(3)针对目标灰度频谱,计算出扇贝效应的周期TS;
(4)针对像素灰度值沿图像距离向的统计结果,创建一个长度为TS的滑块,用于计算每组相邻周期内所有列灰度统计结果的均值(相当于每一像素组在扇贝效应周期的灰度统计均值)。
(5)针对星载ScanSAR的成像结果,对其所有像素灰度值沿方位向进行均值滤波。至此,扇贝效应校正结束,输出扇贝效应校正后的星载ScanSAR图像。
进一步地,基于前述的图像校正方法,以高分三号(GF-3)卫星在ScanSAR工作模式下扫描得到的图像作为待处理图像,利用前述的图像校正方法进行校正,从而验证扇贝效应的校正效果。
高分三号是我国首颗C频段多极化高分辨率合成孔径雷达卫星,也是“国家高分辨率对地观测***重大专项”中唯一的民用微波遥感成像卫星。如前述内容中的图2,其示出了利用GF-3卫星于某年拍摄的初始ScanSAR图像,即待处理图像,且待处理图像中横向为方位向,纵向为距离向。如图2所示,待处理图像中存在明显的明暗周期***替的条带,这就是扇贝效应在图像上的具体表现形式。
对于待处理图像,其灰度统计值随位置变化的曲线如图4所示,该曲线的幅度具有周期性上下抖动的特点,与扇贝效应的表现形式高度吻合。
参见图5,其示出了本申请实施例提供的一种待处理图像中扇贝效应的误差示意图。其中,X轴(即水平轴)表示像素列的序号,Y轴(即垂直轴)表示扇贝效应误差。如图5所示,扇贝效应误差就是该曲线中相邻波峰波谷之间纵坐标的相对差值。
由图5可知,该幅初始图像的扇贝效应误差约在1.5分贝(deci Bel,dB)至2dB之间。在这里,扇贝效应曲线的计算公式如式(7)所示:
参见图6,其示出了本申请实施例中提供的一种校正图像示意图。如图6所示,在按照前述方法对待处理图像进行校正之后,所得到的校正图像中已经没有明显的亮暗周期***替的条带,可见本申请实施例提供的图像校正方法对于扇贝效应的校正效果非常理想。
参见图7,其示出了本申请实施例提供的校正前后的灰度统计值曲线的对比示意图。其中,X轴(即水平轴)表示像素列的序号,Y轴(即垂直轴)表示灰度统计值。在图7中,灰色曲线代表校正前的灰度统计值随位置的变化曲线,黑色曲线代表校正后的灰度统计值随位置的变化曲线。如图7所示,相较于校正前的变化曲线,校正后的变化曲线的周期性抖动幅度明显减小,因此扇贝效应误差已被大幅度衰减。
参见图8,其示出了本申请实施例提供的一种校正图像中扇贝效应的误差示意图。其中,X轴(即水平轴)表示像素列的序号,Y轴(即垂直轴)表示扇贝效应误差。如图8所示,校正图像的扇贝效应误差已经远小于0.3dB。理论上,当扇贝效应误差不大于0.3dB时,可以认为扇贝效应校正成功。因此,本申请实施例所提供的图像校正方法能够取得理想的校正效果。
除此之外,该幅用于实验的GF-3星载ScanSAR图像尺寸为7326×6261(单位为像素点),位深为16位,格式为TIF(一种位图文件的扩展名),大小为57.7兆字节(MegaBytes,MB)。利用本申请实施例所述的图像校正方法对该幅图像进行扇贝效应校正共用时0.08秒。因此,该图像校正方法的运算速度较快,处理效率较高。用于该实例验证的代码编写于MATLAB软件(一种分析数据、开发算法、创建模型的数学软件)。用于该实例验证的实验设备有8吉赫兹(GigaBytes,GB)内存、中央处理器(型号为INTEL I7-5400U,双核,频率为3GB)和1TB+128GB固态硬盘(Solid State Disk,SSD)。
从以上实施例可以看出,该方法的有效性、稳定性以及高效性得以验证,适用于多幅甚至批量的星载ScanSAR图像的扇贝效应校正。另外,本申请实施例在对成像效果极差、扇贝效应误差极大(例如5dB至10dB)的星载ScanSAR图像进行校正时,如果不能一次性达到校正指标(0.3dB),可以对校正结果重复使用本申请实施例所述的方法进行校正,直至达到校正指标,从而完成对扇贝效应的校正。
综上所述,本申请实施例中对于星载ScanSAR扇贝效应校正过程中存在的主要问题及影响进行了分析;同时,在基于均值滤波的情况下,本申请实施例提供了星载ScanSAR图像扇贝效应校正的具体流程;最后,本申请实施例还对基于均值滤波的星载ScanSAR扇贝效应校正方法进行了适用性分析。
本申请实施例提供了一种图像校正方法,通过本实施例对前述实施例的详细阐述,从中可以看出,通过像素组在所述扇贝效应周期内的灰度统计均值对该像素组进行图像校正处理,方法复杂度较低,易实现;不受多普勒中心估计的影响,稳定性较高;不需要设置任何参数,自适应性强;整个过程需要的计算量较少,校正速度快,适用于多幅甚至批量星载ScanSAR图像的扇贝效应校正;校正图像上看不到明显的扇贝效应,校正效果非常理想。
在本申请的又一实施例中,参见图9,其示出了本申请实施例提供的一种图像校正装置30的组成结构示意图。如图9所示,该图像校正装置30包括获取单元301、计算单元302和校正单元303;其中,
获取单元301,配置为基于存在扇贝效应的待处理图像,确定所述待处理图像的扇贝效应周期;
计算单元302,配置为计算所述待处理图像中每一像素组在所述扇贝效应周期内的灰度统计均值;其中,所述每一像素组是由所述待处理图像中的每一行像素点或者每一列像素点组成;
校正单元303,配置为根据所述每一像素组在所述扇贝效应周期内的灰度统计均值对所述每一像素组进行校正处理,得到校正图像。
在一些实施例中,获取单元301,具体配置为对所述待处理图像中的每一像素组进行像素灰度统计处理,确定所述每一像素组的灰度统计值;对所述每一像素组的灰度统计值进行傅里叶变换,得到目标灰度频谱;根据所述目标灰度频谱,确定所述扇贝效应周期。
在一些实施例中,获取单元301,还配置为对所述目标灰度频谱进行预处理,得到第一处理频谱;对所述第一处理频谱进行超低频滤波处理,得到第二处理频谱;根据所述第二处理频谱中的峰值,确定目标频率值;获取所述待处理图像的像素组总数量,并根据所述待处理图像的像素组总数量和所述目标频率值,计算得到所述扇贝效应周期。
在一些实施例中,获取单元301,还配置为确定第一像素组中至少一个像素点的灰度值;其中,所述第一像素组是指所述待处理图像中的任意一个像素组;对所述至少一个像素点的灰度值进行求和处理,得到所述第一像素组的灰度统计值。
在一些实施例中,计算单元302,还配置为根据所述扇贝效应周期,确定所述第一像素组的虚拟窗口;在所述第一像素组的虚拟窗口中,确定所述第一像素组以及所述第一像素组的至少一个相邻像素组各自的灰度统计值;根据所述第一像素组以及所述第一像素组的至少一个相邻像素组各自的灰度统计值进行均值计算,得到所述第一像素组在所述扇贝效应周期内的灰度统计均值。
在一些实施例中,校正单元303,具体配置为获取所述第一像素组的灰度统计值;根据所述第一像素组的灰度统计值和所述第一像素组在所述扇贝效应周期内的灰度统计均值,对所述第一像素组进行校正处理;在对所述每一像素组均进行校正处理后,得到所述校正图像。
在一些实施例中,校正单元303,还配置为将所述第一像素组的灰度统计值和所述第一像素组在所述扇贝效应周期内的灰度统计均值进行比较;若所述第一像素组的灰度统计值小于所述第一像素组在所述扇贝效应周期内的灰度统计均值,则将所述第一像素组向第一方向进行校正处理;若所述第一像素组的灰度统计值大于所述第一像素组在所述扇贝效应周期内的灰度统计均值,则将所述第一像素组向第二方向进行校正处理;其中,所述第一方向表示图像亮度增强方向,所述第二方向表示图像亮度减弱方向。
在一些实施例中,校正单元303,还配置为根据所述第一像素组的灰度统计值和所述每一像素组在所述扇贝效应周期内的灰度统计均值,计算所述第一像素组的校正系数;按照所述第一像素组的校正系数,对所述第一像素组进行校正处理。
在一些实施例中,校正单元303,还配置为根据所述第一像素组的校正系数,对所述第一像素组进行均值滤波处理。
在一些实施例中,获取单元301,还配置为接收目标雷达信号;其中,所述目标雷达信号是由目标雷达发射的探测信号在遇到目标物体进行反射得到的;根据所述目标雷达信号,生成所述待处理图像。
可以理解地,在本实施例中,“单元”可以是部分电路、部分处理器、部分程序或软件等等,当然也可以是模块,还可以是非模块化的。而且在本实施例中的各组成部分可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。
所述集成的单元如果以软件功能模块的形式实现并非作为独立的产品进行销售或使用时,可以存储在一个计算机可读取存储介质中,基于这样的理解,本实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或processor(处理器)执行本实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
因此,本实施例提供了一种计算机存储介质,该计算机存储介质存储有图像校正程序,所述图像校正程序被至少一个处理器执行时实现前述实施例中任一项所述的方法的步骤。
基于上述的一种图像校正装置30的组成以及计算机存储介质,参见图10,其示出了本申请实施例提供的一种图像校正装置30的具体硬件结构示意图。如图10所示,所述图像校正装置30可以包括:通信接口401、存储器402和处理器403;各个组件通过总线设备404耦合在一起。可理解,总线设备404用于实现这些组件之间的连接通信。总线设备404除包括数据总线之外,还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见,在图10中将各种总线都标为总线设备404。其中,通信接口401,用于在与其他外部网元之间进行收发信息过程中,信号的接收和发送;
存储器402,用于存储能够在处理器403上运行的计算机程序;
处理器403,用于在运行所述计算机程序时,执行:
基于存在扇贝效应的待处理图像,确定所述待处理图像的扇贝效应周期;
计算所述待处理图像中每一像素组在所述扇贝效应周期内的灰度统计均值;其中,所述每一像素组是由所述待处理图像中的每一行像素点或者每一列像素点组成;
根据所述每一像素组在所述扇贝效应周期内的灰度统计均值对所述每一像素组进行校正处理,得到校正图像。
可以理解,本申请实施例中的存储器402可以是易失性存储器或非易失性存储器,或可包括易失性和非易失性存储器两者。其中,非易失性存储器可以是只读存储器(Read-Only Memory,ROM)、可编程只读存储器(Programmable ROM,PROM)、可擦除可编程只读存储器(Erasable PROM,EPROM)、电可擦除可编程只读存储器(Electrically EPROM,EEPROM)或闪存。易失性存储器可以是随机存取存储器(Random Access Memory,RAM),其用作外部高速缓存。通过示例性但不是限制性说明,许多形式的RAM可用,例如静态随机存取存储器(Static RAM,SRAM)、动态随机存取存储器(Dynamic RAM,DRAM)、同步动态随机存取存储器(Synchronous DRAM,SDRAM)、双倍数据速率同步动态随机存取存储器(Double Data RateSDRAM,DDRSDRAM)、增强型同步动态随机存取存储器(Enhanced SDRAM,ESDRAM)、同步链动态随机存取存储器(Synchronous link DRAM,SLDRAM)和直接内存总线随机存取存储器(Direct Rambus RAM,DRRAM)。本申请描述的设备和方法的存储器402旨在包括但不限于这些和任意其它适合类型的存储器。
而处理器403可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器403中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器403可以是通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器402,处理器403读取存储器402中的信息,结合其硬件完成上述方法的步骤。
可以理解的是,本申请描述的这些实施例可以用硬件、软件、固件、中间件、微码或其组合来实现。对于硬件实现,处理单元可以实现在一个或多个专用集成电路(Application Specific Integrated Circuits,ASIC)、数字信号处理器(Digital SignalProcessing,DSP)、数字信号处理设备(DSP Device,DSPD)、可编程逻辑设备(ProgrammableLogic Device,PLD)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)、通用处理器、控制器、微控制器、微处理器、用于执行本申请所述功能的其它电子单元或其组合中。
对于软件实现,可通过执行本申请所述功能的模块(例如过程、函数等)来实现本申请所述的技术。软件代码可存储在存储器中并通过处理器执行。存储器可以在处理器中或在处理器外部实现。
可选地,作为另一个实施例,处理器403还配置为在运行所述计算机程序时,执行前述实施例中任一项所述的方法的步骤。
基于上述图像校正装置30的组成以及硬件结构示意图,参见图11,其示出了本申请实施例提供的一种图像校正设备50的组成结构示意图。如图11所示,该图像校正设备50至少包括前述实施例中任一项所述的图像校正装置30。
对于图像校正设备50而言,通过像素组在所述扇贝效应周期内的灰度统计均值对该像素组进行图像校正处理,整体计算量较少,处理速度快;另外,该图像校正方法无需设置固定参数,自适应性强,对不同图像中的扇贝效应均能够起到很好的校正效果,提高了待处理图像的质量和后续应用性能。
以上所述,仅为本申请的较佳实施例而已,并非用于限定本申请的保护范围。
需要说明的是,在本申请中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。
本申请所提供的几个方法实施例中所揭露的方法,在不冲突的情况下可以任意组合,得到新的方法实施例。
本申请所提供的几个产品实施例中所揭露的特征,在不冲突的情况下可以任意组合,得到新的产品实施例。
本申请所提供的几个方法或设备实施例中所揭露的特征,在不冲突的情况下可以任意组合,得到新的方法实施例或设备实施例。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
Claims (13)
1.一种图像校正方法,其特征在于,所述方法包括:
基于存在扇贝效应的待处理图像,确定所述待处理图像的扇贝效应周期;
计算所述待处理图像中每一像素组在所述扇贝效应周期内的灰度统计均值;其中,所述每一像素组是由所述待处理图像中的每一行像素点或者每一列像素点组成;
根据所述每一像素组在所述扇贝效应周期内的灰度统计均值对所述每一像素组进行校正处理,得到校正图像;
所述校正处理包括:若第一像素组的灰度统计值小于所述第一像素组在所述扇贝效应周期内的灰度统计均值,则将所述第一像素组向第一方向进行校正处理;若所述第一像素组的灰度统计值大于所述第一像素组在所述扇贝效应周期内的灰度统计均值,则将所述第一像素组向第二方向进行校正处理;
其中,所述第一像素组是指所述待处理图像中的任意一个像素组,所述第一方向表示图像亮度增强方向,所述第二方向表示图像亮度减弱方向。
2.根据权利要求1所述的图像校正方法,其特征在于,所述确定所述待处理图像的扇贝效应周期,包括:
对所述待处理图像中的每一像素组进行像素灰度统计处理,确定所述每一像素组的灰度统计值;
对所述每一像素组的灰度统计值进行傅里叶变换,得到目标灰度频谱;
根据所述目标灰度频谱,确定所述扇贝效应周期。
3.根据权利要求2所述的图像校正方法,其特征在于,所述根据所述目标灰度频谱,确定所述扇贝效应周期,包括:
对所述目标灰度频谱进行预处理,得到第一处理频谱;
对所述第一处理频谱进行超低频滤波处理,得到第二处理频谱;
根据所述第二处理频谱中的峰值,确定目标频率值;
获取所述待处理图像的像素组总数量,并根据所述待处理图像的像素组总数量和所述目标频率值,计算得到所述扇贝效应周期。
4.根据权利要求2所述的图像校正方法,其特征在于,所述对所述待处理图像中的每一像素组进行像素灰度统计处理,确定所述每一像素组的灰度统计值,包括:
确定所述第一像素组中至少一个像素点的灰度值;
对所述至少一个像素点的灰度值进行求和处理,得到所述第一像素组的灰度统计值。
5.根据权利要求4所述的图像校正方法,其特征在于,所述计算所述待处理图像中每一像素组在所述扇贝效应周期内的灰度统计均值,包括:
根据所述扇贝效应周期,确定所述第一像素组的虚拟窗口;
在所述第一像素组的虚拟窗口中,确定所述第一像素组以及所述第一像素组的至少一个相邻像素组各自的灰度统计值;
根据所述第一像素组以及所述第一像素组的至少一个相邻像素组各自的灰度统计值进行均值计算,得到所述第一像素组在所述扇贝效应周期内的灰度统计均值。
6.根据权利要求1所述的图像校正方法,其特征在于,所述根据所述每一像素组在所述扇贝效应周期内的灰度统计均值对所述每一像素组进行校正处理,得到校正图像,包括:
获取所述第一像素组的灰度统计值;
根据所述第一像素组的灰度统计值和所述第一像素组在所述扇贝效应周期内的灰度统计均值,对所述第一像素组进行校正处理;
在对所述每一像素组均进行校正处理后,得到所述校正图像。
7.根据权利要求6所述的图像校正方法,其特征在于,所述根据所述第一像素组的灰度统计值和所述第一像素组在所述扇贝效应周期内的灰度统计均值,对所述第一像素组进行校正处理,包括:
根据所述第一像素组的灰度统计值和所述每一像素组在所述扇贝效应周期内的灰度统计均值,计算所述第一像素组的校正系数;
按照所述第一像素组的校正系数,对所述第一像素组进行校正处理。
8.根据权利要求7所述的图像校正方法,其特征在于,所述按照所述第一像素组的校正系数,对所述第一像素组进行校正处理,包括:
按照所述第一像素组的校正系数,对所述第一像素组进行均值滤波处理。
9.根据权利要求1-8任一项所述的图像校正方法,其特征在于,在所述基于存在扇贝效应的待处理图像,确定所述待处理图像的扇贝效应周期之前,所述方法还包括:
接收目标雷达信号;其中,所述目标雷达信号是由目标雷达发射的探测信号在遇到目标物体进行反射得到的;
根据所述目标雷达信号,生成所述待处理图像。
10.一种图像校正装置,其特征在于,所述图像校正装置包括获取单元、计算单元和校正单元;其中,
所述获取单元,配置为基于存在扇贝效应的待处理图像,确定所述待处理图像的扇贝效应周期;
所述计算单元,配置为计算所述待处理图像中每一像素组在所述扇贝效应周期内的灰度统计均值;其中,所述每一像素组是由所述待处理图像中的每一行像素点或者每一列像素点组成;
所述校正单元,配置为根据所述每一像素组在所述扇贝效应周期内的灰度统计均值对所述每一像素组进行校正处理,得到校正图像;
所述校正单元,具体配置为若第一像素组的灰度统计值小于所述第一像素组在所述扇贝效应周期内的灰度统计均值,则将所述第一像素组向第一方向进行校正处理;若所述第一像素组的灰度统计值大于所述第一像素组在所述扇贝效应周期内的灰度统计均值,则将所述第一像素组向第二方向进行校正处理;
其中,所述第一像素组是指所述待处理图像中的任意一个像素组,所述第一方向表示图像亮度增强方向,所述第二方向表示图像亮度减弱方向。
11.一种图像校正装置,其特征在于,所述图像校正装置包括存储器和处理器;其中,
所述存储器,用于存储能够在所述处理器上运行的计算机程序;
所述处理器,用于在运行所述计算机程序时,执行如权利要求1至9任一项所述方法的步骤。
12.一种计算机存储介质,其特征在于,所述计算机存储介质存储有图像校正程序,所述图像校正程序被至少一个处理器执行时实现如权利要求1至9任一项所述方法的步骤。
13.一种图像校正设备,其特征在于,所述图像校正设备至少包括权利要求10或11所述的图像校正装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110204852.2A CN112819729B (zh) | 2021-02-23 | 2021-02-23 | 一种图像校正方法、装置、计算机存储介质及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110204852.2A CN112819729B (zh) | 2021-02-23 | 2021-02-23 | 一种图像校正方法、装置、计算机存储介质及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112819729A CN112819729A (zh) | 2021-05-18 |
CN112819729B true CN112819729B (zh) | 2022-08-30 |
Family
ID=75865279
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110204852.2A Active CN112819729B (zh) | 2021-02-23 | 2021-02-23 | 一种图像校正方法、装置、计算机存储介质及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112819729B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113379621B (zh) * | 2021-05-19 | 2024-04-09 | 中国资源卫星应用中心 | 一种基于统计样本定权的光学遥感卫星相对辐射校正方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110533665A (zh) * | 2019-09-03 | 2019-12-03 | 北京航空航天大学 | 一种抑制扇贝效应和子带拼接效应的sar图像处理方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8463068B2 (en) * | 2007-08-09 | 2013-06-11 | Micron Technology, Inc. | Methods, systems and apparatuses for pixel value correction using multiple vertical and/or horizontal correction curves |
CN107917676B (zh) * | 2017-10-24 | 2020-04-10 | 南京理工大学 | 一种基于条纹图像频谱分析的干涉测量方法 |
CN110749882B (zh) * | 2019-10-24 | 2021-11-19 | 中国科学院电子学研究所 | 基于频域滤波的图像域扇贝抑制方法及*** |
CN111738929B (zh) * | 2020-05-08 | 2022-08-30 | 中国科学院空天信息创新研究院 | 一种图像处理方法及装置、电子设备、存储介质 |
CN111768337B (zh) * | 2020-06-01 | 2024-05-14 | 中国科学院空天信息创新研究院 | 一种图像处理方法、装置和电子设备 |
-
2021
- 2021-02-23 CN CN202110204852.2A patent/CN112819729B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110533665A (zh) * | 2019-09-03 | 2019-12-03 | 北京航空航天大学 | 一种抑制扇贝效应和子带拼接效应的sar图像处理方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112819729A (zh) | 2021-05-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103645477B (zh) | 气象雷达信号处理方法和*** | |
US20220349986A1 (en) | Radar communication with interference suppression | |
CN109324315A (zh) | 基于双层次块稀疏性的空时自适应处理雷达杂波抑制方法 | |
CN112819729B (zh) | 一种图像校正方法、装置、计算机存储介质及设备 | |
CN111580099A (zh) | 基于联合熵值的穿墙成像雷达墙体杂波抑制方法 | |
US8798359B2 (en) | Systems and methods for image sharpening | |
Ozdarici et al. | A comparison of SAR filtering techniques on agricultural area identification | |
CN106950551B (zh) | 基于辐射稳定特性挖掘的sar辐射定标方法 | |
CN116704331A (zh) | 滩涂变化信息提取方法、装置及电子设备 | |
Lindsley et al. | Adapting the SIR algorithm to ASCAT | |
JP2012149920A (ja) | 降水強度推定システム及び降水強度推定方法 | |
CN105510884B (zh) | 一种图像处理方法和设备 | |
Raynal et al. | Shadow probability of detection and false alarm for median-filtered SAR imagery | |
US11971309B2 (en) | Measurement data processing device | |
CN102156883B (zh) | 一种利用两种不同频率下的极化sar图像进行分类的方法 | |
CN116263735A (zh) | 神经网络的鲁棒性评估方法、装置、设备及存储介质 | |
CN110866942B (zh) | 一种多源目标融合的在轨辐射响应跟踪方法及*** | |
CN108830290B (zh) | 基于稀疏表示和高斯分布的sar图像分类方法 | |
Huang et al. | Spaceborne SAR wave mode data as big data for global ocean wave observation | |
Legenkiy et al. | Specific RCS for on-ground radiolocation target | |
Hamid et al. | Analysis of the visualizing changes in radar time series using the REACTIV method through satellite imagery | |
CN117148350B (zh) | 基于sar图像的地表温度空间降尺度方法、装置及设备 | |
CN116663333B (zh) | 一种基于仿真模型的星载sar成像优化方法、设备及介质 | |
CN108594235A (zh) | 一种提高方位向雷达反射率系数分辨率的方法和*** | |
CN112859020B (zh) | 一种太阳能电池板对sar定标器rcs影响分析方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |