基于小波變換去除遙感圖像非高斯條紋噪音方法探討

1、第 44卷 第 1期 2008年 1月 地質(zhì)與勘探 GEOLOGY AND PROSPECT I NGV o. l 44 N o . 1January , 2008技術(shù) #方法 收稿日期 2006-09-21; 修訂日期 2006-12-05?；痦椖?四川省教育廳青年基金 (編號 :2003B018 資助。第一作者簡介 陳 濤 (1974年 , 男 , 2004年畢業(yè)于成都理工大學(xué) , 獲碩士學(xué)位 , 在讀博士生 , 副教授 , 現(xiàn)主要從事環(huán) 境遙感與 3S 技術(shù)的教學(xué)與研究工作?；谛〔ㄗ儞Q去除遙感圖像非高斯條紋噪音方法探討陳 濤1, 2, 李兵海3(1. 成都理工大學(xué)地球科學(xué)學(xué)院 , 成

2、都 610059; 2. 西華師范大學(xué)國 土資源學(xué)院 , 南充 637002;3. 核工業(yè)航測遙感中心 , 石家莊 050002摘 要 遙感圖像的條紋噪音 , 不但影響圖像的判讀 , 而且對圖像 的后續(xù)處理影響較大 。 利用常規(guī) 處理軟件去噪 , 在去除條紋的同時 , 也 去除了圖像的細節(jié)紋理 , 相當(dāng)于降低了圖像的幾 何分辨率 ; 使用小 波閾值去噪方法 , 效果欠佳 。 文章使用小波反閾值方 法 , 不 僅去除 了圖像上 的條紋 噪音 , 而且對 圖像的 細節(jié)紋理不產(chǎn)生目視效果上 的影響 , 達到了較好的效果 。關(guān)鍵詞 遙感圖像處理 條形噪音 非高斯噪音 去噪 小波變換中圖分類號 P627

3、 文獻標(biāo)識碼 A 文章編號 0495-5331(2008 01-0094-030 前言在使用遙感圖像時 , 會碰到圖像中存在條形噪音的現(xiàn)象 (圖 1, 猶如柵欄遮蓋圖像 , 不但影響圖像 的判讀 , 而且對圖像的后續(xù)處理影響較大 , 常用的常 規(guī)處理軟件 (PC I , ENV I , ERDAS, P HOTOSHOP 中的 去噪方法雖然可以去除變化平緩的圖像中的噪聲 , 但對細節(jié)較多的紋理圖像的去噪效果卻不太理想 , 表現(xiàn)在去除條紋的同時 , 也去除了圖像的細節(jié)紋理 (目視效果 , 相當(dāng)于降低了圖像的幾何分辨率 ; 使 用比較成熟的二進小波去噪方法 , 不論采用何種方 式的門限值 , 均不

4、能達到理想的效果 ; 究其原因 , 這 些除噪方法均為消除高斯噪音的方法 , 而條形的噪 音屬于非高斯噪音 , 因此效果均欠佳。本文提出了 基于小波反閾值去除非高斯噪音的方法 , 不僅去除 了圖像上的條紋噪音 , 而且對圖像的細節(jié)紋理不產(chǎn) 生目視效果上的影響 , 達到了較好的去除條紋效果。1 去噪現(xiàn)狀如何消除圖像中的噪聲是圖像處理中永恒的課 題。長期以來 , 人們根據(jù)圖像的特點、 噪聲的統(tǒng)計特 征和頻譜分布的規(guī)律 , 提出和發(fā)展了不同的去噪方 法。如時空域中的平均方法 , 頻率域中的濾波方法 , 以及近年來發(fā)展的小波閾值去噪方法 , 其中時空域中的平均方法和頻率域中的濾波方法已經(jīng)融進了圖像圖

5、1 原始數(shù)據(jù)圖像處理軟件中 , 在 PCI , E NV I , ERDAS , P HOTOS HOP 等軟 件中均可 以見到 , 小波閾 值去噪方法需要編程處 理。圖像去噪存在一個如何兼顧降低圖像噪聲和保 留細節(jié)的 難題 1。用濾波器 對非平穩(wěn)信號 處理時 不能有效地將信號高頻和由噪聲引起的高頻干擾加 以區(qū)分。具有 /數(shù)字顯微鏡 0之稱 的小波變換在時 頻域具有多分辨率的特性 , 可同時進行時頻域的局 部分析和靈活地對信號局部奇異特征進行提取以及 時變?yōu)V波。利用小波對含噪信號進行處理時 , 可有 效地達到濾除噪聲和保留信號高頻信息 , 得到對原信號的最佳恢復(fù)。在過去的十多年 , 小波方法在

6、信 號和圖像去噪方面的應(yīng)用引起學(xué)者廣泛的關(guān)注 , Do -noho 應(yīng)用非線性小波方法針對含有高斯噪聲信號 的圖象恢復(fù)作了比較詳細的分析 2, 但是在另類噪 聲分布 (非高斯分布 下的去噪研究還不夠。國際 上開始將注意力投向這一領(lǐng)域。謝杰成 3等認為 :非高斯噪聲的分布模型、 高斯假設(shè)下的小波去噪方 法在非高斯噪聲下如何進行相應(yīng)的拓展 , 是主要的 研究方向。2去噪方法分析常規(guī)圖像 處理軟件的去噪方法大體可分為兩 類 4-5:一是時空域中的平均方法 , 將信號用一定的 平均方法去除噪音 , 如 :加權(quán)平均、 窗口平均等方法。 這樣就會損失圖像的部分細節(jié)信息。另一類為頻率 域中的濾波方法 , 將

7、被噪聲污染的信號通過一個濾 波器 , 濾掉噪聲頻率成分。這樣的方法適合于信號 和噪聲能按某種方法在頻率域分開的信號 , 但對于 瞬態(tài)信號、 非平穩(wěn)信號等在頻率域無法分離的信號 就無能為力。近年來發(fā)展的小波閾值去噪方法基本上按以下 3個步驟進行 :1 分解。選擇小波和小波分解的層次 , 計算信 號 s(n 到 N 層的小波分解 ;2 高頻系數(shù)的閾值選擇與量化。對于從第一 層到第 N 層的每一層 , 選擇 一個閾值 , 并且對高頻 系數(shù)用閾值收縮處理 , 處理方法如下 :X = f (X , D X D 0X D其中 , X 為處理后的小波分解高頻系數(shù) , X 為處理前 的小波分解高頻系數(shù) , f

8、 (X , D 為與門限和分解后的小 波系數(shù)有關(guān)的函數(shù) , D 為門限值 , 門限值的取值方法 比較成熟已經(jīng)廣泛使用的有 :SureShrink 方法即基于 S tein 的風(fēng) 險無偏估計 (SURE , Ste i n s Unb iased Est-i m ate o fR isk 方法 , M ini m ax 方法 , V isu l S hri n k 方法和 H eur Sure 方法 , 各方法的具體計算公式見文獻 2。 3 重建。根據(jù)第 N 層的低頻系數(shù)和第一層到第 N 層經(jīng)過修改的高頻系數(shù) , 計算出小波重構(gòu)的信號。 將噪聲很好地分離 , 需要考慮選取適當(dāng)?shù)男〔ā?確立最佳的

9、分解層數(shù)和選取合適的閾值 , 其中閾值 選取和量化是最關(guān)鍵的。作者使用小波閾值去噪方法處理含條紋噪音圖 像 , 不論選取何種小波 , 分解層數(shù)如何變化 , 門限取 值 方法如何選取均不奏效 , 分析其原理 , 認為 :條紋 具有很強的規(guī)律性 , 分解后的高頻系數(shù)值很大 , 而常 規(guī)小波閾值去噪方法總是保留其高值部分 , 將較小 值的高頻系數(shù)置 0, 這樣正好保留了條紋部分 , 舍去 了圖像細節(jié)紋理部分 , 因此這種小波閾值去噪方法 處理雜亂噪音 (高斯噪音 比較適合 , 處理規(guī)律性較 強的條紋噪音 (非高斯噪音 卻不適合。3小波反閾值去條紋噪音方法根據(jù)條紋噪音的特點設(shè)計了小波閾值去條紋噪 音方

10、法如下 :X =0X Df (X , D X D其中 , X 為處理后的小波分解高頻系數(shù) , X 為處 理前的小波分解高頻系數(shù) , f (X , D 為與門限和分解 后的小波系數(shù)有關(guān)的函數(shù) , D 為門限值 , 取值方法本 文采用 H eur Sure 估計方法 , 這是因為 , 一般情況下 , SureShrink 方法取得的 門限值比較合 理 , 尤其 適合 信噪 比較 大的 情況 , 但 在信噪 比 較小 時 , 用 Sure -Shri n k 方法得到的 門限值不穩(wěn)定 , 而 M ini m ax 方法 在 信 噪 比 較 小 的 情 況 下 , 門 限 值 比 較 穩(wěn) 定 , V

11、isul S hri n k 方法是 M i n i m ax 方法的變種 , 原理基本 相同 , 均由下式求取 :D =R f (n式中 , D 為門限值 , R 為均方差 , n 為樣品點數(shù) , f 為與 樣品 點數(shù) n 有 關(guān) 的函 數(shù) , V isulShri n k 方法 和 M ini m ax 方法的不同 , 只是函數(shù) f 的不同。H eur Sure 估 計 方 法 是 SureShri n k 方 法 和 V isul S hri n k 方法的綜合 , 它首先假定含噪信號信噪 比較高 , 優(yōu)先采用 SureShri n k 方法 , 并檢測門限值的 穩(wěn)定性 , 如果發(fā)現(xiàn)門限

12、值不穩(wěn)定 , 則采用 V isul S hri n k 方法?？梢?H eur Sure 估計方法兼顧了 SureShr i n k 方 法和 V isu l S hrink 方法的優(yōu)點 , 因此本文傾向于采用 這種門限值計算方法。采用小波反閾值去條紋噪音方法處理圖像 , 不 僅能去除圖像中的條紋 , 而且還能較完整的保留圖 像的細節(jié)紋理。4實驗分析圖 1為原始圖像 , 圖 2為常規(guī)圖像處理軟件去 噪后圖像 , 圖 3為常規(guī)小波閾值去噪方法去噪后圖 像 , 圖 4為本文小波反閾值方法去噪后圖像 ; 從目視 效果來看 , 常規(guī)圖像處理軟件去噪后圖像細節(jié)部分 已經(jīng)非常模糊 , 常規(guī)小波閾值去噪方法

13、去噪后條紋 去除效果不太理想 , 本文小波反閾值去噪后圖像不第 1期 陳 濤等 :基于小波變換去除遙感圖像非高斯條紋噪音方法探討 圖 4 本文小波反閾值去除條紋圖像僅有效地去除了圖像上的條紋噪音去 , 而且保持了 圖像原有的波譜特性和細節(jié)紋理 , 圖像失真小 , 因此 我們認為小波反閾值去噪方法是去除圖像非高斯條 紋噪音的理想選擇。參考文獻 1 熊四昌 , 陳茂軍 , 胡金 華 . 一種基 于小波 變換圖 像去噪 的方法J.計算機與數(shù)字工程 , 2005, 33(4:24-27.2 Donoho D . Non li n earw aveletm ethods for recovery of

14、signa, l den -s i ti es , and spectra fro m indirect and nois y dat a J,D ifferen t Per -specti ves on W avelets , Proceed i ng of Symposia i n App li ed M athe -m ati cs , 1993, 47:173-205.3 謝杰成 , 張大力 , 徐文 立 . 小波圖 像去噪綜 述 J.中國 圖像圖形學(xué)報 , 2002, 7(3A:209-217.4 沈貴明 , 劉 勁松 . 應(yīng)用 小波 變換 技術(shù)的 圖象 噪聲 消除 新方法J.廈門大

15、學(xué)學(xué)報 (自然科學(xué)版 , 2003, 39(5:612-616. 5 陳勁松 , 朱博勤 , 邵 蕓 . 基于小 波變換 的多波 段遙感 圖像條帶噪聲的去除 J.遙感信息 , 2003(2:6-9.RE MOVAL OF NON -GAU SSI AN STR IPE NO ISE I N I M AGES BA SED ON W AVELETC HEN T ao 1, 2, L I B i ng-ha i 3(1. Colle g e of Sciences , Chengdu Universit y of T echnology, Chengdu 610059;2. Colle g e o

16、f Land and R esources, W est Ch i na N ormal Universit y, N anchong 637002; 3. A irborne Survey and R e m o te S ensi ng Center, N uclear In dustry, Shijiazhuang 050002Abstract :S tri pe no i se of re m ot e sensing i m age has i n fluence not on l y on i m age i n terpret ati on , but als o on f ol

17、lo w i ng p rocess i ng . U si ng conventi on al processing soft w are to re m ov i ng stri pes , det ail text u re of i m ages can be re m oved , and geo m etri ca l res ol u ti on of i m ages i s also reduced . It is not eff ecti ve to de-no i se by w avel et t h res hold m et hod . W avelet coun ter-thres ho l d m ethod i s u sed to re move stri pes . Th i s effecti ve