一种基于人工神经网络的遥感图像去条带方法

1、一种基于人工神经网络的遥感图像去条带方法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，但是因为创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耀下，也会输出不相同的响应。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匀称性。为了提高观测频率、扫描范围和空间辨别率，航天遥感普通采纳推扫式的多元敏感线阵列对地物成像，通过观看发觉，推扫得到的遥感图像浮现有逻辑的条带失真，条带宽度与遥感器多元敏感元个数的扫描线宽度全都，而且随着时光的推移，条带现象日趋严峻，与单敏感元扫描图像中的噪声相比有显然差异，这种失真其实是焦平面非匀称性的一种表现形式

2、。条带失真是影响线阵列红外遥感图像质量的主要因素，必需要用诸如定标的办法去除，但是因为探测器单元响应会随着时光和工作环境的变幻转变，所以仅仅用定标的办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匀称性校正的法举行改进，介绍了一种基于人工神经网络的遥感图像条带消退的办法。这种办法可以彻低不对fpa举行标定(或自动标定)，并且可以通过线性和非线性模型校正，是红外成像系统非匀称性校正的抱负办法。传统校正办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。假如能求出增益因子a 和偏移因子b，就可求得无畸变的输入信

3、号x 。传统的非匀称性校正办法是在红外焦平面成像系统用法前，用标准的两个或多个参考温度源，对每一个阵列单元响应举行定标，以保证每个阵列单元在两个或多个参考温度之间有相同的响应，其校正当被存储起来，在举行数字处理时固定地将其叠加上去。假如每个阵列单元的输出特性随时光是彻低线性和稳定的，那么，在上述定标温度范围内，这种校正是有效的，不过随着阵列数的增强，存储校正系数所需要的存储容量就大为增强。再加上系统的不稳定性、阵列单元的非线性和1/ f 噪声等因素的影响，使得经过一段时光后，阵列单元特性会发生漂移或温度背景范围浮现变幻，必需对红外焦平面阵列举行再定标。明显，这类校正办法不但棘手，而且可能并不符

4、合实际用法状况，从而导致校正效果不佳，因此，必需讨论自适应的非匀称性校正办法。神经网络法神经网络法的主要特征是通过自学习模拟信息内部关系，进而获得系统特征参数。假设输入x和输出y之间有一种复杂的关系f，神经网络通过不断调节结构的权重系数和阈值得到靠近的关系f眨?沟脃=f(x)； rumelhart 和mcclalland提出的多层前馈网络的反向传扬算法(bp算法) ，因为解决了感知器不能解决的多层网络学习算法的问题，可以很好地对复杂函数举行靠近，在工程中得到了广泛的应用。普通用法的bp网络是一个三层前向网络，结构1所示。假定校正输出为y(n)，输入为x(n)，则：y(n)wt(n)x(n)+v

5、t(n)其中w和v是增益矢量和截距矢量，神经网络法就是不断依据实际景像调节w和v，来去除条带失真。按照三层bp网络结构，在中间层按照一定的法则计算某像素输出，并以此作为该像素的输出，反馈给线性校正神经元来调节w和v。调节以误差信号均方值最小为准则。对每一次迭代，令期望响应与输出响应之差为误差，用e(n)表示，则：e(n)=f(n)-y(n)=f(n)-wt(n)x(n)+vt(n)其中，f(n)表示期望的校正后输出，则误差函数为：f(w,v)=(wx+v-f)2，利用最陡下降法，可以得到计算w和v的迭代公式：wn+1=wn-2ax(y-f)vn+1=vn-2a(y-f)式中：n为帧数,a为步长

6、。神经网络算法的改进从上面的分析可以得到，神经网络法对非匀称性的校正的关键是如何建立期望的校正输出模型，在非线阵列的焦平面非匀称性校正中，普通将校正元相邻元的输出平均值作为本元的期望输出带入网络举行网络训练，进展出了4领域和8领域等办法。对于线阵列，因为探测单元惟独两个相邻的探测元，挺直应用上面的办法举行网络训练，校正效果不是太好。鉴于此，对算法举行如下改进。图2 基于改进神经元算法的实验结果假设一幅图像有n条扫描线组成，对于每一条扫描线响应，可以用yk(i)表示，其中k表示第k条扫描线 ，i表示线阵列的第i个探测元。可以将线阵列扩展为有三条线阵列的焦平面，在第k次成像时，焦平面成像为yk-1

7、(i):yk(i):yk+1(i)，这样就可以假定yk(i)的期望校正输出为：yk(i)1/8(yk(i-1)+yk(i+1)+yk-1(i-1)+yk-1(i)+yk-1(i+1)+yk+1(i-1)+yk+1(i)+yk+1(i+1)算法过程如下：1.计算邻域平均值:yk(i)1/8(yk(i-1)+yk(i+1)+yk-1(i)+yk+1(i)+yk-1(i-1)+yk+1(i+1)+yk-1(i-1)+yk+1(i+1)2. 令y = wx + v ,其中w为增益校正因子,v为偏移量校正因子。误差函数:f(w,v)=(wx+v-f)2利用此函数的梯度函数和最陡下降法,可以得到计算和的迭代公式：wn+1=wn-2ax(y-f)vn+1=vn-2a(y-f)式中 n为帧数，a为步长。3.利用线性校正算法得到：yn+1=wn+1×xn+a+vn+1试验结果应用上面的算法对遥感红外图像举行去条带试验。结果所示。其中a、c、e为原图像，b、d、f为校正后对应图像，可以看出，校正效果比较显然。结语红外成像技术正在突飞猛进地进展,红外探测器是核心部件,非匀称性问题严峻影响它的性能。