小程序
微信小程序
人工客服
回顶部

高光谱遥感图像的小波去噪方法

周弘文 | -> | 2559| 9| 517.147MB |高光谱图像,小波变换,去噪

周弘文 周弘文 | 文档量 |浏览量35287

摘 要 高光谱遥感图像是由二维空间信息和一维光谱信息组成的三维数据。普通的去噪方式通常是分别对空间信息或光谱信息进行去噪, 其主要缺点是忽视了高光谱图像强烈的谱间相关性和图谱合一的特点。针对这些特点, 文章提出一种基于小波变换的高光谱遥感图像去噪方法。该方法对各波段高光谱图像逐一进行二维小波变换, 根据含噪声大的波段与噪声小的波段的波长关系, 对小噪声波段的高频系数加权求和,代替噪声大的波段的高频系数, 通过小波逆变换得到去噪后的重构图像。该方法运算速度快, 能有效地降低噪声。对机载可见红外成像光谱仪数据(AVIRIS) 实验表明, 与经典的BayesShrink 图像去噪方法相比, 方法重构图像的信噪比(SNR) 高出318~1016 db , 节省运算时间一半以上。
    高光谱遥感图像是通过在航天航空平台上, 运用成像光谱仪对地球进行观测得到的。成像光谱仪不仅具有很高的空间分辨率, 还能在紫外、可见光、红外区域为每个像元提供数百个波段的光谱信息, 能产生一条完整而连续的光谱曲线。这种图谱合一的特点使得本来常规遥感中不能识别的地
物通过高光谱遥感可以有效的识别。因此高光谱图像在农业、林业、地质勘探、大气监控、军事作战等各个领域都有广泛的应用和深远的影响[1 , 2 ] 。高光谱遥感图像在获得和传输中会受到噪声的污染, 降低数据分析的可靠性, 因此研究高光谱图像去噪技术非常必要。
    国内外学者分别对光谱信号[3-7 ] 和二维图像去噪[8-12 ] 作出了深入的研究并取得了非常好的效果。但是由于高光谱遥感图像具有图谱合一的特点, 单一对光谱信号去噪或对空间维图像去噪, 对高光谱图像而言效果还远远不够。为了克服图谱分离的去噪方式带来的缺点, Othman 和Qian[13 ] 提出一种空间光谱域混合去噪的方法, 将高光谱图像光谱维变换到一阶微分域, 再采用空间和光谱混合小波阈值去噪。Atkin2son 等[14 ]提出在光谱维采用傅立叶变换去噪, 在空间维采用
2D 小波变换去噪。这些方法是将光谱和空间结合在一起, 而没有考虑到各波段图像之间存在很强的相关性。Adam 等[15 ]提出利用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, 但是求解该优化问题的时间代价太大。吴传庆等[16 ]提出利用高光谱图像波段间的信息冗余,以一个波段的几何信息辅助其他被噪声污染的波段去噪, 同时他们也指出该方法容易把一个辅助波段高频的光谱信息也一起加到含噪声的波段中去, 引入新的噪声。
    为了克服以上方法中的缺点, 必须充分考虑到高光谱遥感图像自身的特点, 寻求更适合的去噪模型。本文提出一种基于小波分析和光谱特性的高光谱图像去噪方法, 并通过对AVIRIS 数据实验, 验证了该算法的有效性。
周弘文发布的其他共享资料
    0 色谱币 下载

高光谱遥感图像的小波去噪方法

(517.147K)

所需色谱币: 0

您持有: $userGold色谱币,完成任务赚取色谱币

立即下载

友情链接(联系QQ:47140047)
关于我们  经营理念  业务合作  联系我们  法律声明  网站建议  网站导航  帮助中心
Copyright © 色谱世界 版权所有 陇ICP备2024006362号-2