一种面向遥感卫星图像的去噪方法技术

本发明专利技术公开了一种面向遥感卫星图像的去噪方法，包括载入原始遥感卫星图像，采用自适应对比度增强方法增强图像对比度得到待去噪图像；将待去噪图像划分为M×N有界离散化栅格，得到离散后的待去噪图像；采用中值绝对差判定准则对离散后的待去噪图像中的脉冲噪声进行探测得到二维标识矩阵F，二维标识矩阵F中像素与待去噪图像的像素一一对应；在离散后的待去噪图像中设定搜索窗口和邻域窗口；领域窗口在搜索窗口中滑动结合相似度计算及高斯加权平均计算方法进行去噪处理，得到去噪后图像。本发明专利技术能够实现优良的纹理细节保持及良好的图像去噪效果，同时算法复杂度较低。处理效率较高。

A Denoising Method for Remote Sensing Satellite Images

The invention discloses a denoising method for remote sensing satellite images, which includes loading the original remote sensing satellite images, enhancing the image contrast by adaptive contrast enhancement method, dividing the image to be denoised into M*N bounded discrete grids and obtaining the discrete image to be denoised, and adopting the criterion of median absolute difference to determine the pulse in the discrete image to be denoised. The two-dimensional identification matrix F is obtained by detecting impulse noise, and the pixels in the two-dimensional identification matrix F correspond to the pixels of the image to be de-noised one by one; the search window and neighborhood window are set in the discrete image to be de-noised; the domain window slides in the search window and combines the similarity calculation with the Gauss weighted average calculation method to denoise the image after de-noising. The invention can achieve excellent texture detail preservation and good image denoising effect, while the algorithm complexity is low. The treatment efficiency is high.

【技术实现步骤摘要】
一种面向遥感卫星图像的去噪方法
本专利技术涉及遥感卫星图像处理
，更具体地，涉及一种面向遥感卫星图像的去噪方法。
技术介绍
随着遥感技术的发展，通过遥感卫星获取的目标图像在军事侦察预警、土地资源普查、灾害监测、环境监测、工程建设及规划等方面得到广泛应用。基于所述应用，人类对于遥感图像的种类及数量需求逐渐增大。然而，在实际应用中人们并不一味追求数据量，遥感图像的质量才是更直接地影响获取信息的准确性和可靠性的因素，因而图像质量越来越成为研究焦点。噪声是产生图像干扰的重要因素，在获取及传输遥感卫星图像的过程中，图像质量会受到各种噪声的不良影响。因此，对于图像去噪方法的研究成为遥感图像处理领域的重要研究方向。因此，提供一种能够实现优良的纹理细节保持及良好的图像去噪效果的面向遥感卫星图像的去噪方法，是本领域亟待解决的技术问题。
技术实现思路
有鉴于此，本专利技术提供了一种面向遥感卫星图像的去噪方法，解决了实现优良的纹理细节保持及良好的图像去噪效果的技术问题。为了解决上述技术问题，本专利技术提供一种面向遥感卫星图像的去噪方法，包括：载入原始遥感卫星图像，采用自适应对比度增强方法增强图像对比度得到待去噪图像；将所述待去噪图像划分为M×N有界离散化栅格，得到离散后的所述待去噪图像，v＝{v(i,j)|i∈M,j∈N}，v(i,j)表示图像像素值；采用中值绝对差判定准则对离散后的所述待去噪图像中的脉冲噪声进行探测得到二维标识矩阵F，所述二维标识矩阵F中像素与所述待去噪图像的像素一一对应，其中，中值绝对差判定准则采用如下计算公式：q(i,j)＝|v(i,j)-MEDΩ(i,j)|，Ω为以v(i,j)为中心的邻域，MEDΩ(i,j)为Ω内所有像素灰度的中值；在离散后的所述待去噪图像中设定搜索窗口和邻域窗口，其中，所述搜索窗口以参考像素v(i,j)为中心，i∈M,j∈N，以Ds为半径，所述搜索窗口大小为D×D,D＝2Ds+1；所述邻域窗口以待处理像素v(k,l)为中心，k∈M,k≠i；l∈N,l≠j，以ds为半径，所述邻域窗口大小为d×d,d＝2ds+1；所述领域窗口在所述搜索窗口中滑动结合相似度计算及高斯加权平均计算方法进行去噪处理，得到去噪后图像u＝{u(i,j)|i∈M,j∈N}；其中，所述去噪处理包括：在所述二维标识矩阵F中F(i,j)＝1对应位置的像素v(i,j)及与v(i,j)对应的v(k,l)，不进行相似度计算及高斯加权平均计算；计算v(i,j)与v(k,l)在所述邻域窗口大小内的中值绝对差，当所述中值绝对差大于判定阈值时，v(i,j)不进行相似度计算及高斯加权平均计算；所述参考像素与所述待处理像素不进行相似度计算及高斯加权平均计算。可选的，载入原始图像，采用自适应对比度增强方法增强图像对比度，进一步包括：采用如下公式增强图像对比度，其中，I(i,j)表示图像在(i,j)位置的灰度，μ为总体均值，σ为总体标准差，y(i,j)为增强后的图像灰度，a和b分别为根据图像特点设定的数值。可选的，采用中值绝对差判定准则对离散后的所述待探测图像中的脉冲噪声进行探测得到二维标识矩阵F，包括：设定判定阈值TH，当q(i,j)大于TH时，则v(i,j)为脉冲噪声像素，令F(i,j)＝1；当q(i,j)小于等于TH时，则v(i,j)为非脉冲噪声像素，令F(i,j)＝0。可选的，所述去噪后图像u＝{u(i,j)|i∈M,j∈N}的计算公式包括：其中，w(v1,v2)表示两个窗口间的相似程度，v1代表v(i,j)，v2代表v(k,l)，V(i,j)表示在离散后的所述待去噪图像中以v(i,j)为中心，大小固定为d×d的区域内各个像素值；V(k,l)表示在离散后的所述待去噪图像中以v(k,l)为中心的，大小固定为d×d的区域内各个像素值，在进行计算时，V(i,j)与V(k,l)的像素位置相对应。可选的，其中，z(·)为对权值进行归一化的归一化参数；||·||2,α2为高斯加权欧氏距离，α为高斯核标准差；h为相似度高斯加权参数，e为自然常数。可选的，可选的，D＝15，d＝3。可选的，判定阈值TH＝85。与现有技术相比，本专利技术提供的面向遥感卫星图像的去噪方法，至少实现了如下的有益效果：本专利技术提供的去噪方法首先对原始图像进行自适应对比度增强，自适应对比度增强过程能够改善图像的视觉效果，调整图像使其更适合人观察及后续图像分析。然后对脉冲噪声进行探测，在后续过程中将不对探测到的脉冲噪声进行计算，从而实现去除脉冲噪声的目的。现有技术中去除图像中的高斯噪声通常采用高斯滤波方法，该方法去噪效果良好，但图像边缘及纹理细节难以保留。在其基础上发展的非局部均值滤波能够有效去除图像高斯噪声，但在处理图像边缘信息或纹理细节时，容易出现过平滑现象，而且上述方法需要很长的计算时间。采用本专利技术提供的去噪处理过程，能够有效避免图像边缘及纹理细节过平滑，不仅有效去除遥感卫星图像中的高斯噪声，还滤除了图像中探测到的脉冲噪声。本专利技术具有优良的纹理细节保持及更优的图像去噪效果，且降低了算法复杂度，计算时间大大缩短。通过以下参照附图对本专利技术的示例性实施例的详细描述，本专利技术的其它特征及其优点将会变得清楚。附图说明被结合在说明书中并构成说明书的一部分的附图示出了本专利技术的实施例，并且连同其说明一起用于解释本专利技术的原理。图1为本专利技术提供的面向遥感卫星图像的去噪方法流程图；图2为选取的原始图像；图3为对图2中原始图像添加噪声后得到的噪声图像；图4为图3中噪声图像对比度增强效果图；图5为图3中噪声图像采用本专利技术提供的去噪方法处理后得到的去噪后图像。具体实施方式现在将参照附图来详细描述本专利技术的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本专利技术的范围。以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本专利技术及其应用或使用的任何限制。对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。在这里示出和讨论的所有例子中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它例子可以具有不同的值。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。本专利技术提供一种面向遥感卫星图像的去噪方法，图1为本专利技术提供的面向遥感卫星图像的去噪方法流程图。如图1所示，包括：步骤S101：载入原始遥感卫星图像，采用自适应对比度增强方法增强图像对比度，从而易于后续步骤进行。增强图像对比度是指按一定规则修改图像中所有或部分像素的灰度，从而改变图像灰度动态范围的操作。经过图像对比度增强操作能够改善图像的视觉效果，有利于后续图像分析。通常情况下遥感卫星上光电成像传感器获取的图像灰度主要集中在以均值为中心的一定范围内、呈单峰形式的类高斯分布。可选的，本专利技术采用如下公式增强图像对比度，其中，I(i,j)表示图像在(i,j)位置的灰度，μ为总体均值，σ为总体标准差，y(i,j)为增强后的图像灰度，a和b分别为根据图像特点设定的数值，在实际中可以多次调整a、b数值的选取来进行计算处理本文档来自技高网...

【技术保护点】
1.一种面向遥感卫星图像的去噪方法，其特征在于，包括：载入原始遥感卫星图像，采用自适应对比度增强方法增强图像对比度得到待去噪图像；将所述待去噪图像划分为M×N有界离散化栅格，得到离散后的所述待去噪图像，v＝{v(i,j)|i∈M,j∈N}，v(i,j)表示图像像素值；采用中值绝对差判定准则对离散后的所述待去噪图像中的脉冲噪声进行探测得到二维标识矩阵F，所述二维标识矩阵F中像素与所述待去噪图像的像素一一对应，其中，中值绝对差判定准则采用如下计算公式：q(i,j)＝|v(i,j)‑MEDΩ(i,j)|，Ω为以v(i,j)为中心的邻域，MEDΩ(i,j)为Ω内所有像素灰度的中值；在离散后的所述待去噪图像中设定搜索窗口和邻域窗口，其中，所述搜索窗口以参考像素v(i,j)为中心，i∈M,j∈N，以Ds为半径，所述搜索窗口大小为D×D,D＝2Ds+1；所述邻域窗口以待处理像素v(k,l)为中心，k∈M,k≠i；l∈N,l≠j，以ds为半径，所述邻域窗口大小为d×d,d＝2ds+1；所述领域窗口在所述搜索窗口中滑动结合相似度计算及高斯加权平均计算方法进行去噪处理，得到去噪后图像u＝{u(i,j)|i∈M,j∈N}；其中，所述去噪处理包括：在所述二维标识矩阵F中F(i,j)＝1对应位置的像素v(i,j)及与v(i,j)对应的v(k,l)，不进行相似度计算及高斯加权平均计算；计算v(i,j)与v(k,l)在所述邻域窗口大小内的中值绝对差，当所述中值绝对差大于判定阈值时，v(i,j)不进行相似度计算及高斯加权平均计算；所述参考像素与所述待处理像素不进行相似度计算及高斯加权平均计算。...

【技术特征摘要】
1.一种面向遥感卫星图像的去噪方法，其特征在于，包括：载入原始遥感卫星图像，采用自适应对比度增强方法增强图像对比度得到待去噪图像；将所述待去噪图像划分为M×N有界离散化栅格，得到离散后的所述待去噪图像，v＝{v(i,j)|i∈M,j∈N}，v(i,j)表示图像像素值；采用中值绝对差判定准则对离散后的所述待去噪图像中的脉冲噪声进行探测得到二维标识矩阵F，所述二维标识矩阵F中像素与所述待去噪图像的像素一一对应，其中，中值绝对差判定准则采用如下计算公式：q(i,j)＝|v(i,j)-MEDΩ(i,j)|，Ω为以v(i,j)为中心的邻域，MEDΩ(i,j)为Ω内所有像素灰度的中值；在离散后的所述待去噪图像中设定搜索窗口和邻域窗口，其中，所述搜索窗口以参考像素v(i,j)为中心，i∈M,j∈N，以Ds为半径，所述搜索窗口大小为D×D,D＝2Ds+1；所述邻域窗口以待处理像素v(k,l)为中心，k∈M,k≠i；l∈N,l≠j，以ds为半径，所述邻域窗口大小为d×d,d＝2ds+1；所述领域窗口在所述搜索窗口中滑动结合相似度计算及高斯加权平均计算方法进行去噪处理，得到去噪后图像u＝{u(i,j)|i∈M,j∈N}；其中，所述去噪处理包括：在所述二维标识矩阵F中F(i,j)＝1对应位置的像素v(i,j)及与v(i,j)对应的v(k,l)，不进行相似度计算及高斯加权平均计算；计算v(i,j)与v(k,l)在所述邻域窗口大小内的中值绝对差，当所述中值绝对差大于判定阈值时，v(i,j)不进行相似度计算及高斯加权平均计算；所述参考像素与所述待处理像素不进行相似度计算及高斯加权平均计算。2.根据权利要求1所述的面向遥感卫星图像的去噪方法，其特征在于，载入原始图像，采用自...

【专利技术属性】
技术研发人员：高昆，李若娴，焦建超，韩璐，苏云，张晓典，王俊伟，张宇桐，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：北京,11