0
关键词：
麦汁,煮沸,凝固氮
发表时间：
2012-12-28 09:46:26
高光谱遥感图像微分域三维混合去噪方法
金敏 | -> | 1089| 0| 0.280413MB |高光谱图像,微分域,BayesShrink方法,Savitzky-Golay滤波
摘 要 高光谱遥感图像是一种三维数据, 由二维空间信息和一维光谱信息组成。普通的对二维静态图像或一维光谱信息去噪的算法忽视了高光谱图像强烈的谱间相关性和图谱合一的特点, 无法取得令人满意的效果。同时现代的高光谱遥感图像噪声级别相对较低, 噪声方差随波段不同而不同。针对以上特点, 提出一种微分域三维混合去噪方法。首先将高光谱遥感图像变换到光谱微分域, 使细微的噪声变得显著。然后在微分域中, 对二维空间域采用基于小波的非线性阈值去噪BayesShrink 算法。为克服噪声方差不同的特点, 对光谱维不再采用小波阈值去噪方法, 而采用Savitzky2Golay 滤波进行平滑。最后对微分域去噪平滑处理后的图像进行光谱积分, 并进行积分修正, 消除光谱积分中引入的积累误差。对信噪比为600 ∶1 的机载可见红外成像光谱仪数据(AVIRIS) 实验表明, 该算法能有效地降低噪声, 将信噪比提高到2 000 ∶1 以上。
高光谱遥感图像是光谱成像仪在航天航空载体上观测地球而采集到的一种三维数据。其二维空间信息可以反应地物的空间位置和结构, 第三维光谱信息刻画地物的光谱特性[1 ] 。两者结合在一起有利于对地物的判别和分类, 在军事侦查, 农林业, 环境监测等方面有极为广泛的应用[2 ] 。由于高光谱图像在太阳2大气2目标2大气2传感器的电磁辐射传播路径中, 受到很多复杂因素的影响, 会引入了大量的噪声,从而对图像分析带来不利影响。而通过改进物理仪器减少噪声, 特别是对机载成像仪器的改进难度特别大, 因此研究高光谱遥感图像的去噪方法非常有必要。
MNF(minimum noise f raction , 最小噪声分离) 是高光谱图像去噪常用的方法[3 ,4 ] 。MNF 利用信噪比作为指标, 得到了理论上比较完备的成分分解方法。但是该方法的主要缺点是在去噪的同时对光谱的峰(比较尖的地方) 影响很大, 容易破坏光谱曲线特性, 同时需要很长的运算时间。有人研究了基于小波变换的光谱信号去噪方法, 并在实验上取得了良好的效果。但是他们主要是针对一维光谱信号, 对三维的高光谱图像而言难以达到最佳的效果。Pizurica 等[5 ,6 ]提出一种基于感兴趣特征的概率分布的小波去噪方法。该方法利用高光谱图像谱间相关性逐个波段地去噪。Atkinson 等[7 ] 提出在光谱维采用傅里叶变换去噪, 在空间维采用2D 小波变换去噪。这些方法针对的是各波段噪声方差相同的情况, 但这种情况在实际中很少见, 因为实际中高光谱图像的噪声方差随波段的变化而不同。特别是对于信噪比高的高光谱图像数据而言, 各波段的噪声方差常常与该波段信号的幅值成正比。针对各波段的噪声方差不恒定的特点, 王强等[8 ] 提出一种高光谱图像去噪方法, 先根据光谱的二阶导数对各波段噪声大小进行判断, 然后采用平滑窗大小不同的Savitzky2Golay 滤波器进行滤波。Adam 等[9 ] 提出利用高光谱图像波段间的相关性和小波变换系数的稀疏性, 将去噪问题转化为一个优化问题, 求解该优化问题的时间代价比较大。Othman 和Qian[10 ]提出一种基于小波阈值收缩的去噪算法, 将高光谱图像变换到光谱一阶微分域, 再通过三维BayesShrink 方法去噪。
MNF(minimum noise f raction , 最小噪声分离) 是高光谱图像去噪常用的方法[3 ,4 ] 。MNF 利用信噪比作为指标, 得到了理论上比较完备的成分分解方法。但是该方法的主要缺点是在去噪的同时对光谱的峰(比较尖的地方) 影响很大, 容易破坏光谱曲线特性, 同时需要很长的运算时间。有人研究了基于小波变换的光谱信号去噪方法, 并在实验上取得了良好的效果。但是他们主要是针对一维光谱信号, 对三维的高光谱图像而言难以达到最佳的效果。Pizurica 等[5 ,6 ]提出一种基于感兴趣特征的概率分布的小波去噪方法。该方法利用高光谱图像谱间相关性逐个波段地去噪。Atkinson 等[7 ] 提出在光谱维采用傅里叶变换去噪, 在空间维采用2D 小波变换去噪。这些方法针对的是各波段噪声方差相同的情况, 但这种情况在实际中很少见, 因为实际中高光谱图像的噪声方差随波段的变化而不同。特别是对于信噪比高的高光谱图像数据而言, 各波段的噪声方差常常与该波段信号的幅值成正比。针对各波段的噪声方差不恒定的特点, 王强等[8 ] 提出一种高光谱图像去噪方法, 先根据光谱的二阶导数对各波段噪声大小进行判断, 然后采用平滑窗大小不同的Savitzky2Golay 滤波器进行滤波。Adam 等[9 ] 提出利用高光谱图像波段间的相关性和小波变换系数的稀疏性, 将去噪问题转化为一个优化问题, 求解该优化问题的时间代价比较大。Othman 和Qian[10 ]提出一种基于小波阈值收缩的去噪算法, 将高光谱图像变换到光谱一阶微分域, 再通过三维BayesShrink 方法去噪。
本文通过分析高光谱遥感图像的特点, 提出一种光谱微分域三维混合去噪方法。首先将高光谱图像变换到光谱一阶微分域中。然后对微分域中二维空间图像进行小波分解和BayesShrink 去噪, 针对各波段噪声方差不同的特点, 光谱维采用Savitzky2Golay 滤波方法平滑。最后对平滑后的数据进行积分和积分修正, 得到最终去噪处理的数据。实验表明该方法能够有效地降低噪声, 提高数据的信噪比。
金敏发布的其他共享资料
-
-
关键词： N,N'-双(2-羟基苯亚甲基)邻苯二胺合铜,丝网印刷电极,碳纳米管,Fe3O4 发表时间： 2012-04-10 15:49:04
-
关键词： 磁性颗粒微阵列,不对称扩增,双色荧光杂交,单核苷酸多态性 发表时间： 2012-04-10 15:47:44
-
关键词： 生物传感器,L-乳酸,溶胶-凝胶,铂纳米颗粒,多壁碳纳米管 发表时间： 2012-04-10 15:43:00
-
关键词： 高光谱图像,微分域,BayesShrink方法,Savitzky-Golay滤波 发表时间： 2011-12-02 13:50:05
-
关键词： 地块,监督分类,分水岭分割,区域合并,可见光遥感 发表时间： 2011-12-02 13:48:04