[论文解读] Oblique Stripe Removal in Remote Sensing Images via Oriented Variation

Xinxin Liu, Xiliang Lu+3 more|arXiv (Cornell University)|Sep 6, 2018

Image and Signal Denoising Methods参考文献 32被引用 7

一句话总结

本文提出了一种面向方向的变分去条纹模型，可自动估计并自适应任意条纹方向的遥感图像。通过整合方向感知总变差与L1-范数正则化，该方法在保留图像细节的同时有效去除倾斜条纹，在不同条纹方向下的定性和定量评估中均优于现有方法。

ABSTRACT

Destriping is a classical problem in remote sensing image processing. Although considerable effort has been made to remove stripes, few of the existing methods can eliminate stripe noise with arbitrary orientations. This situation makes the removal of oblique stripes in the higher-level remote sensing products become an unfinished and urgent issue. To overcome the challenging problem, we propose a novel destriping model which is self-adjusted to different orientations of stripe noise. First of all, the oriented variation model is designed to accomplish the stripe orientation approximation. In this model, the stripe direction is automatically estimated and then imbedded into the constraint term to depict the along-stripe smoothness of the stripe component. Mainly based on the oriented variation model, a whole destriping framework is proposed by jointly employing an L1-norm constraint and a TV regularization to separately capture the global distribution property of stripe component and the piecewise smoothness of the clean image. The qualitative and quantitative experimental results of both orientation and destriping aspects confirm the effectiveness and stability of the proposed method.

研究动机与目标

• 为解决现有方法在处理遥感图像中倾斜条纹噪声时效果不佳的挑战。
• 开发一种自适应的去条纹框架，可自适应任意条纹方向而无需先验知识。
• 通过联合优化，在去除条纹伪影的同时保留图像细节和全局结构。
• 提升在高级遥感产品中因倾斜条纹普遍存在而带来的去条纹鲁棒性与稳定性。

提出的方法

• 设计了一种面向方向的变分模型，可自动估计条纹方向并将其嵌入正则化项，以在条纹方向上施加平滑性约束。
• 采用联合优化框架，结合L1-范数正则化以建模条纹分量的全局分布，以及总变差（TV）正则化以保证干净图像的分段平滑性。
• 将方向估计集成到约束项中，使模型能够动态适应不同条纹角度。
• 采用分裂Bregman算法高效求解优化问题，确保收敛性与计算可行性。
• 将框架建模为约束最小化问题，以分离条纹与干净图像分量。
• 由于L1-范数与TV正则化之间的平衡，该方法对噪声具有鲁棒性，并能保持纹理细节。

实验结果

研究问题

• RQ1 去条纹模型能否在遥感图像中自动估计并自适应任意条纹方向？
• RQ2 与固定方向方法相比，引入方向感知变分正则化如何提升条纹去除性能？
• RQ3 L1-范数与TV正则化的联合使用在去除倾斜条纹的同时，能在多大程度上保留图像细节？
• RQ4 该方法在具有不同条纹角度和强度的多样化遥感图像中，其稳定性和有效性如何？

主要发现

• 所提方法在多个遥感数据集上均表现出优越的去倾斜条纹性能，在视觉质量与定量指标上均优于最先进方法。
• 该方法对不同条纹方向具有鲁棒性，无需人工输入或预设角度假设。
• 定量结果表明，与基线方法相比，PSNR与SSIM值显著提升，尤其在具有挑战性的倾斜条纹场景中表现更优。
• 方向估计组件能准确识别条纹方向，从而实现平滑性约束沿条纹轴向的有效对齐。
• 联合L1-TV正则化在有效抑制条纹伪影的同时，保留了干净图像中的精细纹理与边缘。
• 该方法在多种测试案例中保持了稳定性和收敛性，证实其在真实遥感应用中的可靠性。