高光谱遥感图像的小波去噪方法

高光谱遥感图像的小波去噪方法

ID:38207801

大小:1.94 MB

页数:4页

时间:2019-05-26

高光谱遥感图像的小波去噪方法_第1页
高光谱遥感图像的小波去噪方法_第2页
高光谱遥感图像的小波去噪方法_第3页
高光谱遥感图像的小波去噪方法_第4页
资源描述:

《高光谱遥感图像的小波去噪方法》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、第!"卷!第#期!!!!!!!!!!!!光谱学与光谱分析$%&'!"!(%'#!))*"K=+*"K#!--"年#月!!!!!!!!!!!!.)/012%30%)4567.)/0125&865&4393:;&4!!--"!高光谱遥感图像的小波去噪方法孙!蕾!谷德峰!罗建书国防科学技术大学理学院!湖南长沙!=*--#,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

2、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#8$TUT.$实验表明!与经典的A54/3.Q296B图像去噪方法相比!方法重构图像的信噪比#.(U$高出,'N!*-'L7P!节省运算时间一半以上"关键词!高光谱图像%小波变换%去噪中图分类号!>E#K*!!文献标识码!8!!!#$%!*-',"L="M'9336

3、'*---+-K",#!--"$-#+*"K=+-=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引!言太大"吴传庆等(*L)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!!高光谱遥感图像是通过在航天航空平台上!运用成像光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一起加到含噪声的波段中去!引入新的噪声"间分辨率!还能在紫外'可见光'红外区域为每个像元提供为了克服以上方法中的缺点!必须充分考虑到高光谱遥数百个波段的光谱信息!能产

4、生一条完整而连续的光谱曲感图像自身的特点!寻求更适合的去噪模型"本文提出一种线"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!并通过对物通过高光谱遥感可以有效的识别"因此高光谱图像在农8$TUT.数据实验!验证了该算法的有效性"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(*!!)"高光谱遥感图像在获得和传*!去噪原理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"!!高光谱图像数据可视为三维图像!它由二维图像加一维国内外学者分别

5、对光谱信号(,+#)和二维图像去噪(N+*!)作光谱信息组成"二维图像描述地表被测物空间信息特征!一出了深入的研究并取得了非常好的效果"但是由于高光谱遥维光谱信息揭示图像每一像元的光谱曲线特征!由此实现了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遥感数据空间信息与光谱信息的有机融合"维图像去噪!对高光谱图像而言效果还远远不够"为了克服近!-年来!小波在图像处理方面得到了广泛的应图谱分离的去噪方式带来的缺点!J1QO56和]956(*,)提出一用(*#!*N)"由于采用了多分辨率的方法!小波变换后将信号的种空间光谱域混合去噪的方

6、法!将高光谱图像光谱维变换到能量集中在低频!并通过高频信号非常好地刻画了信号的非一阶微分域!再采用空间和光谱混合小波阈值去噪"81B96+平稳特征"利用小波分解!可以准确地捕捉信号的边缘'奇(*=)提出在光谱维采用傅立叶变换去噪!在空间维采用异点等信息"3%6等!F小波变换去噪"这些方法是将光谱和空间结合在一起!而根据文献(*,!*")!高光谱图像每个波段的噪声大小是没有考虑到各波段图像之间存在很强的相关性"875O等(*K)由成像仪本身决定的!噪声的方差是随着光谱波长而变化提出利用波段间的相关性和小波变换系数的稀疏性!将去噪的!有的波

7、段噪声大!有的波段噪声小!并且有的波段的噪!收稿日期!!--N+-,+!K%修订日期!!--N+-L+!N!基金项目!国家自然科学基金项目#L-K#!*,K$资助!作者简介!孙!蕾!女!*"N-年生!国防科学技术大学理学院博士研究生!!/+O59&&P56DP56DP96D*""""*L,b0%O第#期!!!!!!!!!!!!!!!!!!!!光谱学与光谱分析*"KK声非常小可以认为是纯信号"由于高光谱图像具有谱间相关算法流程如下性!它们的小波分解后的高频系数具有相似的轮廓特征!同#*$输入高光谱图像数据1'!'f-!*!3!$a*%时波

8、段相邻越近!它们的高频系数幅值大小越接近"因此可#!$对进行小波变换!'f-!*!3!$a*%以通过受噪声污染小的波段的小波分解高频系数辅助噪声污#,$对'f*!!!3!$!求解新的高频系数+#'$L!(f

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。