一种基于能量域变换的遥感影像去噪方法技术

本发明专利技术公开了一种基于能量域变换的遥感影像去噪方法，属于遥感图像处理技术领域。本发明专利技术首先对图像进行分块，获取相似分块图像构成的集合，然后将其变换至能量域，在能量域占比较少的分量可以认为是噪声，去除噪声分量后，将其反变换至图像域，即得到去噪后的图像。本发明专利技术方法充分利用图像块之间的相似关系，具有良好的去噪效果，不需要对噪声模型进行假设，不涉及复杂的参数，实施简单，易于操作，适用范围广，可去除多种原因产生的噪声。可去除多种原因产生的噪声。可去除多种原因产生的噪声。

【技术实现步骤摘要】
一种基于能量域变换的遥感影像去噪方法


[0001]本专利技术属于遥感图像处理
，具体涉及一种基于能量域变换的遥感影像去噪方法。

技术介绍

[0002]遥感影像尤其是卫星遥感影像受到成像过程中大气、背景、太空辐射环境、数字量化等因素的影响，存在多种形式的噪声。对遥感图像进行去噪是对图像作进一步处理的可靠保证，如果对含有噪声的图像进行特征提取、图像融合等处理后的结果，处理结果往往精度不够。此外，由于不同的成像机理，得到的初始图像中都含有大量不同性质的噪声，这些噪声的存在影响着人们对图像的理解，干扰人们对图像信息的处理和应用。
[0003]传统去噪方法如中值滤波、均值滤波等，需要对噪声模型进行假设，如加性噪声、高斯白噪声等，对于复杂的、多因素叠加性的噪声不能很好的处理。其他在变换域处理的方法如小波去噪，对高频噪声有一定效果，但对条纹等低频噪声效果不佳。在去噪模型上，一般都是利用邻域像素的相似关系，对不相邻区域的相似关系没有考虑。

技术实现思路

[0004]有鉴于此，本专利技术提供一种基于能量域变换的遥感影像去噪方法，该方法可利用分块图像的相似性，在能量域进行联合滤波，去除噪声分量，从而实现去噪。
[0005]为了实现上述目的，本专利技术采用的技术方案为：
[0006]一种基于能量域变换的遥感图像去噪方法，包括以下步骤：
[0007]步骤1，对遥感图像进行分块；
[0008]步骤2，根据相似性对所有分块进行聚类，得到一个或多个分类；
[0009]步骤3，对每个分类的分块图像进行能量域变换，得到该分类的能量域分量；
[0010]步骤4，对于每一分类，在能量域内将噪声部分的分量图像去除，并根据剩余的能量域分量反变换出各分块图像；
[0011]步骤5，将反变换出的分块图像按原分块图像的位置组合成遥感图像，完成遥感图像的去噪。
[0012]进一步的，步骤1中，分块的大小为50
×
50像素，若遥感图像的长宽不是50的整数倍，则最后一个分块与相邻分块部分重叠，从而实现所有分块的大小均为50
×
50像素。
[0013]进一步的，步骤2中，利用ISODATA方法对所有分块进行聚类，聚类计算时，每个分块图像按行展开为1
×
2500的向量；聚类后得到K个分类，其中，分类，1≤i≤K，表示第i个分类下的第j个分块图像，1≤j≤N
i
，N
i
为分类中分块图像的数目。
[0014]进一步的，步骤3的具体方式为：
[0015]计算分类中分块图像的协方差矩阵R，R的大小为N
i
×
N
i
；
[0016]对R进行特征分解，得到N
i
个特征向量以及特征值；
[0017]利用N
i
个特征向量分别对分类的分块图像进行变换处理，得到N
i
个能量域分量。
[0018]进一步的，步骤4的具体方式为：
[0019]对N
i
个特征值进行从大到小排序，并计算特征值之和s；
[0020]按从大到小的顺序对特征值进行累加，并计算累计比例，累加到第j个特征值时的累计比例为：
[0021][0022]当累计比例η≥0.95时，停止累加，已累加的特征值构成序列l；将l以外的特征值所对应的能量域分量作为噪声去除；
[0023]计算变换矩阵Q＝P
‑1，其中，为的N
i
个特征向量；将Q记为与一一对应，
[0024]利用l中特征值所对应的能量域分量反变换出各分块图像：
[0025][0026]式中，为反变换出的第i个分类下的第j个分块图像，q
jk
为q
j
的第k个分量，F
j
为的第j个能量域分量。
[0027]进一步的，步骤5中，将反变换出的分块图像按原分块图像的位置组合成遥感图像时，若分块图像之间有重叠，则组合后遥感图像的该部分取为两重叠部分的均值。
[0028]本专利技术具有如下优点：
[0029](1)本专利技术方法综合利用相似分块图像在能量域内实现了噪声分量的去除，充分利用了图像块之间的相似关系，具有良好的去噪效果。
[0030](2)本专利技术方法不需要对噪声模型进行假设，不涉及复杂的参数，实施简单，易于操作，适用范围广，可去除多种原因产生的噪声。
附图说明
[0031]图1为本专利技术方法的流程图。
[0032]图2为高分一号影像特征值的分布。
[0033]图3为高分一号影像特征值累计比例。
[0034]图4为高分一号影像去噪试验结果对比。
具体实施方式
[0035]下面结合附图及具体实施方式对本专利技术的技术方案做进一步的说明。
[0036]如图1所示，一种基于能量域变换的遥感影像去噪方法，首先对图像进行分块，对分块图像进行相似性分类，将相似性图像块映射到能量域，在能量域内将噪声分量去除，然后反变换至图像域，完成影像去噪。具体包括以下步骤：
[0037]步骤1，对遥感影像进行分块，分块大小为50
×
50像素，若图像长宽不是50的整数倍，则最后一个分块向前选取50个像素，即与相邻分块部分重叠，实现所有分块的大小均为50
×
50像素，对分块图像进行标号；
[0038]以145
×
145大小的影像为例，其共划分9个分块，第一个分块行列范围为[1:50，1:50]，第二个分块行列范围为[1:50，51:100]，第三个分块仅剩余45个像素，因此需要往前多选取5个像素，即[1:50，96:145]，这样在96:100这五个像素与第二个分块重叠。
[0039]步骤2，利用ISODATA方法对所有分块进行聚类，聚类计算时，每个分块图像按行展开为1
×
2500的向量，获得K个分类其中每个分类含有分块图像的数目为N
i
，则其中表示第i个分类下的第j个分块图像；
[0040]步骤3，对每个分类下的分块图像进行能量域变换。以为例，其包含N
i
个分块图像，首先计算分块图像的协方差矩阵R，其大小为N
i
×
N
i
，对R进行特征分解，获得得到N
i
个特征向量以及特征值，利用特征向量对分块图像进性变换处理，得到N
i
个能量域分量图像；
[0041]步骤4，在能量域内将特征值之和低于总特征特征值之和5％的分量图像去除，特征值排序及能量占比分别为图2、图3所示；
[0042]步骤5，利用特征向量的逆矩阵将能量域分量图像反变换回分块图像，得到N
i
个去噪后的分块图像；
[0043]步骤6，重复步骤3
‑
步骤5，直至所有分类下的分块图像全部本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于能量域变换的遥感影像去噪方法，其特征在于，包括以下步骤：步骤1，对遥感图像进行分块；步骤2，根据相似性对所有分块进行聚类，得到一个或多个分类；步骤3，对每个分类的分块图像进行能量域变换，得到该分类的能量域分量；步骤4，对于每一分类，在能量域内将噪声部分的分量图像去除，并根据剩余的能量域分量反变换出各分块图像；步骤5，将反变换出的分块图像按原分块图像的位置组合成遥感图像，完成遥感图像的去噪。2.根据权利要求1所述的一种基于能量域变换的遥感影像去噪方法，其特征在于，步骤1中，分块的大小为50
×
50像素，若遥感图像的长宽不是50的整数倍，则最后一个分块与相邻分块部分重叠，从而实现所有分块的大小均为50
×
50像素。3.根据权利要求2所述的一种基于能量域变换的遥感影像去噪方法，其特征在于，步骤2中，利用ISODATA方法对所有分块进行聚类，聚类计算时，每个分块图像按行展开为1
×
2500的向量；聚类后得到K个分类，其中，分类2500的向量；聚类后得到K个分类，其中，分类表示第i个分类下的第j个分块图像，1≤j≤N
i
，N
i
为分类中分块图像的数目。4.根据权利要求3所述的一种基于能量域变换的遥感影像去噪方法，其特征在于，步骤3的具体方式为：计算分类中分块图像的协方差矩阵R，R的大小为N

【专利技术属性】
技术研发人员：孙康，李方方，陈金勇，王敏，帅通，王士成，
申请(专利权)人：中国电子科技集团公司第五十四研究所，
类型：发明
国别省市：