资源描述:
《基于噪声调节主成分分析法的彩色图象融合滤波》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、第卷版第期中国图象图形学报,年月基于噪声调节主成分分析法的彩色图象融合滤波闰冬梅赵忠明中国科学院遥感应用研究所,北京。。摘要彩色图象滤披是图象处理领域中的经典命题之由,滤波后影像的质量也不尽一于滤波算子选择的不同相同,为此在分析经典滤波算子的滤波器特性的基础上将含噪彩色图象的亮度分量分别经过中值滤波与小波软门限滤波,,而后利用基于噪声调节的形成亮度滤波结果图象主成分分析法对彩色图象与亮度滤波结果影像进行融合处理,得,到融和滤波图象同矢量中值滤波器和滤波结果影像相比融合滤波后影像与原始影像具有,能够更加真实地反,更好的峰
2、值归一化均方误差映原始景物的色彩信息实验证明该融合滤波方法能有效地滤除高斯噪声、脉冲噪声及其混合噪声·关键词计算机图象处理。融合影像滤波基于噪声调节的主成分分析一一一中图法分类号文献标识码文章编号一一一,一人仇斗户,一,,,,一,一一·,,,一波方法分为两类空域平滑法或频域低通滤波法两,引言种方法都是对影像的低频成分进行增强对影像的,高频成分进行抑制的过程影像在噪声抑制的同时、,在彩色影像的采集传输和处理过程中或多或也损失了图象边沿与细节信息随着基于多分辨率,,,少地会引人噪声引起影像降质滤除影像噪声使分析的小波变换在
3、图象处理中应用针对影像加性,,和影像真实反映客观景物的影像特征是影像滤波的高斯噪声模型通过保留小波变,。和目的所在换域极大值的方法对图象去噪而〕,彩色图象噪声分析方法将彩色图象看作是在阑值的选取方面行了大量的工作,,,,,,灰度矢量信息对于一个彩色像素若其引出了小波域的硬阑值法和软闽值法使小波去噪,,方法基本克服了经典影像滤波算法的缺点在滤波任意一分量被噪声污染则该像素被认为是噪声点,,从图象处理的本质上讲彩色噪声滤除方法是建立的同时较好地保留了图象的边缘和细节信息但各、、,在单色图象滤波的基础上经典的图象滤种滤波器模
4、型具有不同的空域和频域特性针对同基金项目国家高技术研究发展计划项目一一一一收稿日期改回日期第期间冬梅等基于噪声调节主成分分析法的彩色图象融合滤波,,一原始图象采用不同的滤波算子滤波后的图象质图所示的小波去噪流程可以用如下算子进行,量也不同如何选取图象滤波算子尽可能地从含噪描述,,,图象中恢复原始图象是图象预处理的经典命题之少〕本文利几,一用噪声调节的主成分分析数据融合的方,,,,,法利用彩色影像波段之间的互补性和冗余性建立又,少一‘,了综合的滤波模型并采用峰值归一化均方误差的几户质量客观评价方法对滤波影像进行质量评定,
5、,,其中式表示图象的小波分解过程代表含噪图象小波变换域系数代表噪声方差估计图象噪声与滤波算子,与阂值的确定运算和给出了极大,极小分析的全局阑值确定方法即,图象噪声模型“一,,‘一图象噪声产生的原因决定了噪声的分布特性和一粤黔它与图象信号之间的关系影响图象质量的噪声主式,。,中代表噪声的标准差代表观测数据的长、,要包括光电子噪声颗粒噪声和电子噪声在通常,度在图象中可以认为是图象像素的个数式中晴,况下将这种噪声均视为加性白高斯分布进行表示阑值为又的小波系数闺值化后产生估计的,研究含有加性噪声的影像模型为小波系数户,的过程目
6、前通常使用的·为,夕,少,夕的软门限函数和硬门限函数下式及图表,,其中噪声户与信号,刃是统计独立的噪示的软门限函数,,。,声信号符合高斯分布其期望值为方差又,,,二二,“,一一,为减信噪比为其他,但在图象滤波的实践过程中针对一幅确定的,数字图象由于采集样本的有限性和迭加噪声的随,机性不能严格地运用上述模型进行描述其模型演变为,少,少,,少,夕,,,代表图象中的脉冲噪声含量而。,,代表高斯噪声含量因此一个有效的影像滤波算子必须同时具有抑制上述两种噪声的性能常用滤波器滤波性能分析图软门限函数小波去噪法相应于图象边缘和细节信
7、息的小波变换系数在下式及图表示的硬门限函数,,不同的尺度具有较强的相关性与此相反随着尺度几,,“,一,,’的增加高斯白噪声小波变换系数逐渐减小其不同其他尺度变换系数之间的相关性较弱图象信号多尺度边界的奇异性和高斯噪声小波变换所具有的不同特性是小波变换域中区分信号与噪声的主要依据,对于如式的图象小波滤波的处理流程如图厂所示小波分解一原始影像⋯座壁型型卿咧今、去噪影像一刁波重构一⋯巨燮燮丝尸图小波去噪流程示意图图硬门限函数中国图象图形学报第卷版,。,相对于硬门限而言证明了软门限方确定性和误差最大限度地利用各种信息源提供的法
8、具有如下两个鲜明的特点在大范围的平滑度信息川彩色影像融合滤波的流程如图所示,,以大,度量下户概率与具有相同的光,,滑度户是在任意度量空间中的一提取亮度中值滤波软门限信息小波去噪个最小均方估计,滤波后图象通过式对户进行小波反变换得到通道值量中』融象图通道,矢大量实验结果表明对于图象噪声为加性高斯,白噪声或近似高斯白噪声的条件下小波变