基于contourlet变换和主成分分析的高光谱数据噪声消除方法new

《基于contourlet变换和主成分分析的高光谱数据噪声消除方法new》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、第31卷第12期电子与信息学报Vol.31No.122009年12月JournalofElectronics&InformationTechnologyDec..2009基于Contourlet变换和主成分分析的高光谱数据噪声消除方法常威威郭雷刘坤付朝阳(西北工业大学自动化学院西安710072)摘要：该文提出了一种适合于高光谱超维数据处理的基于Contourlet变换和主成分分析的噪声消除方法。该方法首先利用Contourlet变换实现图像的稀疏表示，再利用主成分分析对Contourlet系数进行适当地消噪处理。通过对OMIS图像的实验

2、结果表明该方法能够同时消除高光谱多个波段图像中的噪声，从整体上改善高光谱图像质量，且性能上要优于PCA和Contourlet变换方法。关键词：图像处理；高光谱遥感；去噪；Contourlet变换；主成分分析中图分类号：TP751文献标识码：A文章编号：1009-5896(2009)12-2892-05DenoisingofHyperspectralDataBasedonContourletTransformandPrincipalComponentAnalysisChangWei-weiGuoLeiLiuKunFuZhao-yang(I

3、nstituteofAutomatic,NorthwestPolytechnicalUniversity,Xi’an710072,China)Abstract:Thispaperproposesadenoisingmethodofhyperspectralsuper-dimensionaldatabasedonContourlettransformandprincipalcomponentanalysis.AtfirstthesparserepresentationofimagesisaccomplishedwithContourlet

4、transform.ThentheContourletcoefficientsareprocessedwithprincipalcomponentanalysis.TheexperimentalresultsbasedonOMISimagesshowthattheproposedmethodcansimultaneouslyeliminatenoisesinmulti-bandhyperspectralimages,improvethequalityofthewholehyperspectraldataandoutperformsmet

5、hodsbasedonPCAandContourlettransformrespectively.Keywords:Imageprocessing;Hyperspectralremotesensing;Denoising;Contourlettransform;PrincipalComponentAnalysis(PCA)1引言PCA)是一种目前常用的高光谱数据降维方法，它具[1]有几个特点：经过PCA分析可以消除高光谱图像间高光谱遥感数据是一种“图谱合一”的超维数的相关性；其前几个主成分包含了原始数据的绝大据，是由几十乃至数百个连续波

6、段图像组成的3维多数信息；可以进行最优线性重构；压缩和解压缩立体数据。而常规遥感数据的处理方法都是针对单[7]简单。最近，Stephan等还将其应用到高光谱图像一的信号或图像展开的，对于高光谱数据来讲，直系统噪声的消除处理之中。但PCA分析只是方差意接应用常规方法会存在处理速度低下、处理效果不义下的最优变换，它并不考虑图像的空间结构和特佳等问题。因此，需要寻求适合于高光谱超维数据征。而Contourlet变换则正是弥补这个不足的一种十的处理方法。分有效的方法，Contourlet变换可以实现比小波变换目前，广泛应用于高光谱遥感数据的噪声

7、消除更好地图像稀疏表示，准确捕获图像中的占很大比方法主要有两种：一是光谱域的光谱曲线平滑方[24]−[5,6]例的边缘信息。此外，随机噪声经过小波变换可能法；二是图像域的滤波或条带消除方法。前会产生类似边缘的重要小波系数，而经过Contourlet者虽然实现简单，但它只是针对光谱域噪声，并未变换后这种情况则基本不会发生，即Contourlet变换考虑图像中的噪声和空间信息特征；后者则是针对可以达到更好的信噪分离效果。某一幅高光谱图像进行的，需要事先进行噪声波段因此，本文提出了一种基于Contourlet变换和主的挑选，对于波段众多的高光

8、谱图像来说，处理效成分分析的高光谱遥感数据噪声消除方法，充分利率很低。用Contourlet变换良好的稀疏特性和PCA变换在高主成分分析(PrincipalComponentAnalysis，维数据处理中的