小波变换和局部插值融合的高光谱图像条带噪声消除方法技术
【技术实现步骤摘要】
本专利技术属于高光谱信号与信息处理
，具体涉及小波变换和局部插值融合的高光谱图像条带噪声消除方法。
技术介绍
条带噪声普遍存在于高光谱遥感图像中，给高光谱图像的应用带来了极大挑战，有效去除条带噪声是高光谱图像很好应用的前提和基础。高光谱图像中条带噪声去除涉及到地物目标细节和边缘信息的保存，它们是一对矛盾的关系。高光谱图像中条带噪声的消除通常有两种思路，即硬件消除和软件消除。如果从硬件的角度进行消除，则需要改变现有传感器栅格阵列的成像机理，从根源消除条带噪声。但是，这种技术难度大，短时间内无法完成，而且工艺成本非常高。所以，在短时间内从硬件的角度彻底消除条带噪声的可能性不大，对于条带噪声的消除主要集中在软件上来实现。从高光谱遥感图像数据自身的角度进行处理来消除条带噪声的方法称为软件消除法。针对高光谱遥感图像数据的不同应用目的，不同的学者提出了许多处理方法，这些方法大概可以归纳成四种类型。第一种类型是传统的统计匹配方法，典型的代表是直方图匹配法和矩匹配法，这类方法容易实现，也不复杂，运算时间短，但对高光谱图像有较高的要求，要求高光谱图像中地物目标的分布比较均匀...
【技术保护点】
小波变换和局部插值融合的高光谱图像条带噪声消除方法，其特征在于，包括以下步骤：步骤1：输入高光谱图像数据立方体，高光谱图像数据立方体为经过预处理的2级产品数据，预处理包括随机噪声滤波、辐射校正和几何校正处理；步骤2：对高光谱图像波段数据进行判断：高光谱图像数据在获取过程中受到各种因素的干扰，会使部分波段数据的质量受到损坏，损坏的波段图像就无需继续进行处理；步骤3：剔除损坏的高光谱图像波段数据；步骤4：读取正常的第k波段的高光谱图像数据：在剩下的高光谱图像数据中选择第k波段数据，分别进行步骤5和步骤6操作；步骤5：用二维平稳小波进行高光谱图像数据的条带噪声去除；步骤6：用局部...
【技术特征摘要】
1.小波变换和局部插值融合的高光谱图像条带噪声消除方法，其特征在于，包括以下步骤：步骤1：输入高光谱图像数据立方体，高光谱图像数据立方体为经过预处理的2级产品数据，预处理包括随机噪声滤波、辐射校正和几何校正处理；步骤2：对高光谱图像波段数据进行判断：高光谱图像数据在获取过程中受到各种因素的干扰，会使部分波段数据的质量受到损坏，损坏的波段图像就无需继续进行处理；步骤3：剔除损坏的高光谱图像波段数据；步骤4：读取正常的第k波段的高光谱图像数据：在剩下的高光谱图像数据中选择第k波段数据，分别进行步骤5和步骤6操作；步骤5：用二维平稳小波进行高光谱图像数据的条带噪声去除；步骤6：用局部插值进行高光谱图像数据的条带噪声滤除；步骤7：对步骤5和步骤6的处理结果进行融合处理；步骤8：判断处理的k波段是否为最后的波段，如果是最后波段，则结束；如果不是最后波段，则转入步骤4，即读取下一波段的图像。2.根据权利要求1所述的小波变换和局部插值融合的高光谱图像条带噪声消除方法，其特征在于，所述的步骤2中高光谱图像波段数据判断的方法为：采用列平均值的导数(DMC)和列平均值的梯度(GMC)的乘积δ(k)来进行判断；δ(k)＝D(k)×G(k)(1)列平均值的导数(DMC)和列平均值的梯度(GMC)的数学模型如下：D(k)=Σi=1n-1[μi+1(k)-μi(k)]2---(2)]]>G(k)=Σi=1n-1▿[μi(k)]2---(3)]]>其中，k表示第k波段，D(k)和G(k)分别表示第k波段列平均值的导数(DMC)的导数平方和及列平均值的梯度(GMC)的平方和，μi(k)和分别表示第k波段图像的第i列探测单元的平均值和梯度值，δ(k)表示它们的乘积。3.根据权利要求1所述的小波变换和局部插值融合的高光谱图像条带噪声消除方法，其特征在于，所述的步骤3中剔除损坏的高光谱图像波段数据的方法为：如果δ(k)值比预定的阈值ε大，即δ(k)＞ε，表明该波段的图像数据已受到损坏，直接删除该波段的数据。4.根据权利要求1所述的小波变换和局部插值融合的高光谱图像条带噪声消除方法，其特征在于，所述的步骤5中用二维平稳小波进行条带噪声去除的具体步骤为：步骤5.1：条带噪声类型转换：先把亮条带转变成暗条带；步骤...
【专利技术属性】
技术研发人员：黄世奇，刘哲，王荣荣，张玉成，张婷，
申请(专利权)人：西京学院，
类型：发明
国别省市：陕西;61
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。