基于噪声检测的遥感图像模糊滤波

《基于噪声检测的遥感图像模糊滤波》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、维普资讯http://www.cqvip.com20041理论硼究遥感信息基于噪声检测的遥感图像模糊滤波张卡①，盛业华②，①(①中国矿业大学测绘与空间信息工程研究所，徐州221008；②南京师范大学地理科学学院，南京210097)摘要：提出了一种基于噪声捡j的遥感图像模糊滤波方法。该方法首先用一个噪声捡标准将输入图像的像元分为为嘎吉像元和售号像元，然后，利用模期数学的相关理论对噪声像元进行处理，并把处理结哭哦给输出图像的对应像元；而对于售号像元．则不进行处理，直接把它的值赋给输出图像的对立像元。另外，在图像处理过程中，把输入图像的噪声像元用其处理结果代替，以更好地改善图像滤波处理

2、结果。实验结果表明本文的方法能有效地去除图像中的椒盐噪声。关键词：遥感图像；噪声捡测；隶属函数；模糊滤波中图分类号：TP751文献标识码：A文章编号：10001引言关系，即对任意zEX，都有Y=f(z)∈y与之对应，称，是遥感图像在生成和传输过程中常常会受到各种噪声源映x入y的映射，计作r：x—y。的干扰和影响而使图像质量变差。图像处理的一项重要任定义2模糊集_5]。设在论域u上，给定了映射：务是有效地消除图像中的噪声又不损伤图像，以突出图像中uA：U—l0，1J(1)的“有用”信息。到目前为止，已经提出了许多消除图像噪声即对任意zEU，z以某个程度uA(z)(uA(z)E[0，

3、1])的算法[1]，如中值滤波，低通滤波和同态滤波等，它们对改善属于A，称A为论域u上模糊集，^为A的隶属函数，图像的视觉效果和增加图像后处理的成功机会发挥了很大uA(z)为z对A的隶属度。的作用定义3模糊性质域E6。定义在事件x上的性质P可传统的图像滤波技术根据滤波处理过程所在的空间不被看作一个在[O，1]区间取值的函数P(X)，而所有反映事同，可分为基于空间域的滤波方法和基于频率域的滤波方法件x具有性质P程度的函数集合，则称之为模糊性质域。两类E2。前者直接在图像所在的二维空间进行处理，即直接定义4内积和外积E7]。设u是一有限论域，F(u)是对每一像元的灰度值进行处理；后者

4、则是首先将图像从空间论域u上所有模糊子集的全体，A，B∈F(u)，称域按照某种变换模型(如傅里叶变换)变换到频率域，然后在AOB=max{A(z)八B(,27)}(3)频率域空1司对图像进行处理，再将其反变换到空间域。而图为A与B的内积；称像的模糊处理技术则是针对图像在生成过程中所带有的模AoB=n1i{A(z)VB(z)}(3)糊性和不确定性_]J，先将待处理图像从空间域映射到模糊性为A与B的外积。其中，运算符^，V，在模糊数学中质域，然后在模糊性质域内进行一系列的处理措施后，再将称为Zadeh算子。图像从模糊性质域逆映射到空间域，从而完成对图像的处理。3算法描述本文利用滤波窗

5、口内的局部统计信息判断该窗口的中31噪声像元的检测心像元是否为噪声，如果其为噪声，则把该窗口内的所有像传统的图像滤波算法，对所有像元都采取同一模型进行元组成一幅子图像，利用模糊理论对该子图像进行滤波处处理，这样在对噪声处理的同时，也改变了真正的信号点。造理；否则，不进行处理。本文对被椒盐噪声污染的图像进行成了图像的模糊。如果能检测出噪声像元，且只处理这些噪厂实验，结果表明，本文的方法比中值滤波等其他滤波方法声像元，而保持信号像元不变，这样就可以提高图像的滤波能更有效地消除椒盐噪声。处理效果。对于一幅图像，相邻像元之间存在很大的相关2模糊数学的基本定义性，除孤立的噪声点外，某一像元

6、的灰度值与其周围像元的灰度值非常接近。因此，在一幅图像中，如果某一像元的灰定义1映射。设X，Y是集，f是由X到Y的对应度值是其邻域内所有像元灰度值中的最大值或最小值。则可收稿日期：2003—12O1项目基金：博士点基金项目资助(20010290006)。作者简介：张卡(1981～)，男，安徽蚌埠人，中国矿业大学环境与测绘学院测绘与空间信息工程研究所在读硕士研究生，主要研究方向是摄影测量、图像处理。E·mail：zhangka@e165、con11维普资讯http://www.cqvip.com遥成信息理i仑硼究2004．1以认为该像元与其邻域的相关性很小，很可能已被噪声污P舯(4

7、)P舯染；否则，其为信号像元[。基于以上考虑，可以给出如下的其逆变换为：噪声检测方法：设[]表示一幅数字图像，其中i，J表示像元的位置，=(P一一P)+P(5)根据[盯mn]建立模糊子集A，B：[]表示以图像[z，]中的像元z，为中心的3×3窗口，PA={a1，a2，a3，a4}={一l，rl，w，J+1，w一1，J，wf，J一1}表示像元的灰度值，P一，P仃IiTl表示该窗口内所有像元中的最大、最小灰度值。则信号s和噪声N的检测规则为：B={b1，b2，b3，b4}={w川．J