基於四維塊匹配濾波的高光譜遙感圖像去噪方法與流程
2023-06-13 18:18:31 1
本發明屬於圖像處理技術領域,更進一步涉及高光譜圖像濾波處理技術領域中的一種基於四維塊匹配濾波bm4d(block-matchingand4dfiltering)的高光譜遙感圖像去噪方法。本發明可用於對高光譜遙感圖像的噪聲進行抑制。
背景技術:
高光譜遙感圖像是最近幾十年發展起來的一種新興遙感圖像,它能更為全面,更為詳細地描述地物特徵。然而,高光譜遙感圖像在成像及傳播過程中受到很多複雜因素影響,會引入大量噪聲,對高光譜遙感圖像後續的應用帶來很大困難。目前的高光譜遙感圖像去噪方法主要分為兩類:一類是基於變換域濾波的高光譜遙感圖像去噪方法,該方法是對高光譜遙感圖像採用某種變換方法,在變換域對高光譜遙感圖像進行去噪處理;另一類是基於空間域濾波的高光譜遙感圖像去噪方法,該方法是利用相鄰像元間的相關性對高光譜遙感圖像進行去噪。
maggionim,katkovnikv,egiazariank三人在其發表的論文「nonlocaltransform-domainfilterforvolumetricdatadenoisingandreconstruction」(ieeetransactionsonimageprocessingapublicationoftheieeesignalprocessingsociety,2013,22(1))中提出了一種基於非局部變換域濾波的高光譜遙感圖像去噪方法。該方法首先把高光譜遙感圖像分成一定大小的塊,根據圖像塊之間的相似性,把具有相似結構的三維維圖像塊組合在一起形成四維維數組,然後用聯合濾波的方法對這些四維數組進行處理,最後,通過逆變換,把處理後的結果返回到原圖像中,從而得到去噪後的圖像。該方法存在的不足之處是,沒有考慮不同波段信噪比之間的差異而導致去噪結果中細節信息的模糊泛化。
武漢大學在其申請的專利文獻「基於空間相關性的高光譜數據降噪方法及系統」(專利申請號cn201410821313.3,公開號cn104463808a)中公開了一種基於空間相關性的高光譜數據降噪方法。該方法首先求解高光譜數據中各個波段所成圖像的平均圖像,計算高光譜數據的協方差矩陣並進行特徵值分解得到變換矩陣和特徵值矩陣;然後再利用變換矩陣將高光譜數據進行線性投影,得到變換域中的三維數據,利用特徵值矩陣對變換域中的三維數據進行降噪處理;最後,利用變換矩陣的逆矩陣對降噪後的變換域中的三維數據進行線性投影,重構得到降噪後的高光譜圖像。該方法存在的不足之處是,沒有考慮高光譜遙感圖像的譜間相關性而導致去噪後的結果會丟失圖像中的邊緣輪廓信息和紋理信息。
技術實現要素:
本發明的目的在於克服上述現有技術的不足,提出一種基於四維塊匹配濾波的高光譜遙感圖像去噪方法,使得去噪後的高光譜遙感圖像能夠更好地保持邊緣輪廓信息和紋理信息。
實現本發明目的的思路是,利用高光譜遙感圖像自身局部塊之間的相似性來估計高光譜遙感圖像中的噪聲,將高光譜遙感圖像中的待估計的圖像塊與其相似塊濾波後的值作為該圖像塊的真實值。
為實現上述目的,本發明具體實現步驟如下:
(1)輸入高光譜遙感圖像。
利用高光譜遙感圖像成像儀,輸入一幅高光譜遙感圖像。
(2)對高光譜遙感圖像中的波段進行分組。
利用高通濾波器對高光譜遙感圖像進行濾波,得到高光譜遙感圖像的信號圖像和高光譜遙感圖像的噪聲圖像。
利用信噪比計算公式,計算高光譜遙感圖像中每個波段的信噪比。
所述的信噪比計算公式如下:
其中,snri表示高光譜遙感圖像中第i個波段的信噪比,log表示以10為底的對數操作,∑表示求和操作,si(k)表示高光譜遙感圖像的信號圖像中第i個波段中第k個元素的值,ni(k)表示高光譜遙感圖像的噪聲圖像中第i個波段中第k個元素的值。
將高光譜遙感圖像中所有波段中的信噪比大於30db的波段組成乾淨波段組,將高光譜遙感圖像中所有波段中的信噪比小於等於30db的波段組成噪聲波段組。
(3)構造四維數據塊。
將噪聲波段組數據劃分為n個大小為4×4×4的三維數據塊,n為大於等於1的整數。
在劃分後的n個三維數據塊中任意選取一個三維數據塊作為參考塊。
利用相似性計算公式,計算每個三維數據塊與參考塊之間的相似性係數。
所述的相似性計算公式如下:
其中,dn表示第n個三維數據塊與參考塊之間的相似性係數,|·|表示取絕對值操作,cr表示噪聲波段組數據劃分後的n個三維數據塊中所選取的參考塊,cn表示噪聲波段組數據劃分後的n個三維數據塊中第n個三維數據塊。
將所有與參考塊之間的相似性係數小於2.8的三維數據塊組成一個四維數據塊。
(4)對四維數據塊進行經驗維納濾波。
利用經驗維納濾波器,對四維數據塊進行濾波,獲得去噪後的四維數據塊。
(5)輸出去噪後高光譜遙感圖像。
將去噪後的四維數據塊中的所有數據,返回到高光譜遙感圖像中,輸出去噪後的高光譜遙感圖像。
本發明與現有的技術相比具有以下優點:
第一,由於本發明對高光譜遙感圖像中的波段進行了分組,克服了現有技術中沒有考慮不同波段信噪比之間的差異而導致去噪結果中細節信息模糊泛化的問題,採用本發明能夠較好地保持去噪後的高光譜遙感圖像中的細節信息。
第二,由於本發明利用經驗維納濾波器對四維數據塊進行濾波,獲得去噪後的四維數據塊,克服了現有技術中沒有考慮高光譜遙感圖像的譜間相關性而導致去噪後的結果會丟失圖像中的邊緣輪廓信息和紋理信息的問題,使得本發明能夠較好地保持去噪後高光譜遙感圖像中的邊緣輪廓信息和紋理信息。
附圖說明
圖1是本發明的流程圖。
具體實施方式
下面結合附圖1對本發明做進一步的描述。
步驟1,輸入高光譜遙感圖像。
利用光譜遙感圖像成像儀,輸入一幅高光譜遙感圖像。
步驟2,對高光譜遙感圖像中的波段進行分組。
利用高通濾波器對高光譜遙感圖像進行濾波,得到高光譜遙感圖像的信號圖像和高光譜遙感圖像的噪聲圖像。
利用信噪比計算公式,計算高光譜遙感圖像中每個波段的信噪比。
所述的信噪比計算公式如下:
其中,snri表示高光譜遙感圖像中第i個波段的信噪比,log表示以10為底的對數操作,∑表示求和操作,si(k)表示高光譜遙感圖像的信號圖像中第i個波段中第k個元素的值,ni(k)表示高光譜遙感圖像的噪聲圖像中第i個波段中第k個元素的值。
將高光譜遙感圖像中所有波段中的信噪比大於30db的波段組成乾淨波段組,高光譜遙感圖像中所有波段中的信噪比小於等於30db的波段組成噪聲波段組。
步驟3,構造四維數據塊。
將噪聲波段組數據劃分為n個大小為4×4×4的三維數據塊,n為大於等於1的整數。
在劃分後的n個三維數據塊中任意選取一個三維數據塊作為參考塊。
利用相似性計算公式,計算各個三維數據塊與所選取的參考塊之間的相似性係數。
所述的相似性計算公式如下:
其中,dn表示噪聲波段組數據劃分後的三維數據塊中的第n個三維數據塊與參考塊之間的相似性係數,||表示取絕對值操作,cr表示所選取的參考塊,cn表示噪聲波段組數據劃分後的三維數據塊中第n個三維數據塊。
將所有與所選取的參考塊之間的相似性係數小於2.8的三維數據塊組成一個四維數據塊。
步驟4,對四維數據塊進行經驗維納濾波。
利用經驗維納濾波器對四維數據塊進行濾波,獲得經驗維納濾波後的四維數據塊。
步驟5,輸出去噪後高光譜遙感圖像數據。
將經驗維納濾波後的四維數據塊中的所有數據返回到高光譜遙感圖像中,輸出返回後的高光譜遙感圖像數據。