基于权重变分模型的地基IDOAS条带噪声去除

成像差分吸收光谱技术是成像光谱技术和差分吸收光谱技术的结合,能够采集图谱合一的数据立方,并通过光谱反演得到痕量气体浓度的二维分布信息.地基IDOAS仪器通过安装平台的水平旋转实现摆扫成像,可用于识别污染气体的排放源和监测气体的扩散情况.然而和所有的成像光谱技术相类似,地基IDOAS也容易出现条带噪声的问题,会产生相应的伪结构,影响后续的信息提取和数据分析.目前星载和机载IDOAS中常见的条带噪声去除算法有均匀区域校正法、传输模型模拟法、傅里叶变换频域滤波法、多项式拟合法等,应用到地基仪器中均存在不适用的问题.介绍了一种基于权重变分模型的条带噪声去除算法,该算法首先通过分块自适应阈值分割得出表征遮挡区域的权重矩阵,然后利用条带噪声的方向性和稀疏性建立各向异性的变分模型,最后通过交替方向乘子算法迭代求解.为检验去条带算法的可靠性,使用稀疏、稠密、周期、随机、整行、部分、单行、多行等多种模拟噪声进行了性能测试.测试结果证明权重变分算法能够有效去除各种常见的条带噪声,目视效果和四种全参考评价指标均有良好的表现.地基IDOAS于2018年夏季在四川乐山进行了外场实验,实验中仪器的水平扫描范围覆盖360°全方位角,扫描间隔为1°,垂直方向仪器同时采集0°～30°仰角内的光谱.仪器的积分时间设置为500 m s,每组全景扫描的工作时间约为15 min.利用DOAS技术对采集到的太阳散射光谱进行反演,最终得到的NO2和SO2气体的二维浓度分布图的像素大小为360×48.从反演结果来看,条带噪声对不同时间和不同气体的观测结果的影响大小均不同.经权重变分算法处理后,多组NO2和SO2浓度分布中的条带噪声情况得到极大的改善,并且没有出现过度平滑的情况.结果表明,该算法适用于地基IDOAS数据的条带噪声去除.