学位论文 > 优秀研究生学位论文题录展示

基于信噪特征的遥感图像去噪方法研究

作　者: 王晓甜
导　师: 石光明
学　校: 西安电子科技大学
专　业: 电路与系统
关键词: 星载成像系统遥感图像降噪图像信噪源特性方向滤波器方向提升小波分段自回归插值峰值信噪比
分类号: TP751
类　型: 博士论文
年　份: 2011年
下　载: 383次
引　用: 1次
阅　读: 论文下载

内容摘要

卫星遥感成像是对地观测的重要手段之一,在国家安全、国民经济、科学研究和人民生活等方面有重要作用。卫星遥感利用地物目标的辐射特性以及对电磁波的反射特性,实现对地表信息的间接获取。遥感卫星图像需要真实、客观的反映地物特征,然而,由于星载成像系统处于复杂的电磁环境,卫星内部电路系统众多,CCD器件的工艺缺陷等,在获取和传输图像的过程中会引入大量噪声,严重降低对地观测信息获取的图像质量,给后期的图像处理和人眼视觉判读带来障碍。因此,对卫星成像系统获得的遥感图像进行数据预处理,降低成像系统中引入的各种噪声,提高遥感图像的质量和准确度,为后期压缩编码、数据传输、判读解译、目标识别等工作能够顺利进行并取得良好结果提供前提和保证,是获取遥感图像后需要完成的首要工作。在星载成像系统获取图像的过程中,实际系统受到的噪声干扰多种多样,不同的环境干扰和系统缺陷会对遥感图像引入分布和统计特性截然不同的噪声,例如成像过程中受电磁干扰产生的服从高斯分布或泊松分布的热噪声、由于线阵CCD像元响应不均引起的具有一定方向性的条带噪声和由于成像系统的故障和缺陷及电气开关、继电器改变状态引起的脉冲噪声等。这些噪声具有明显不同的特征,对数据产生的干扰在图像中的表现形式也不同,使用一种降噪算法难以对它们进行有效的抑制。例如能够有效抑制高斯噪声的小波软阈值降噪算法在条带噪声和脉冲噪声面前就显得束手无策。因此,处理不同种类的噪声,必须针对它们各自的机理和特性分别加以消除,才能真正达到抑制图像噪声,提高图像质量的效果。另一方面,遥感图像信号有其自身显著的细节丰富、边缘和纹理方向性显著等特点,图像降噪的本质就是寻找信号和噪声之间的不同特征并利用这些特征将其分开。国内外目前还没有分析遥感图像的信噪特征,并利用这些特征针对不同噪声采用不同方法进行降噪的专门文献。本文在分析总结星载成像系统工作机理的基础上,探讨卫星遥感图像信号和噪声的源特性,并利用各自不同的源特性,将信号和噪声分开。从实际系统角度出发,对不同类型噪声分别加以处理。主要工作内容如下:1.星载可见光成像系统中噪声的来源和特性分析:在分析噪声产生机理的基础上介绍了成像过程中光电散粒噪声、读出噪声、条带噪声和脉冲等的来源和特点。对存在于遥感图像中的噪声进行分类,总结和探讨了泊松噪声、高斯噪声、条带噪声和脉冲噪声等各类噪声的统计特性和数学模型。2.线阵扫描CCD条带噪声抑制方法研究:分析研究线阵沿轨扫描CCD传感器内部每一个像元在光谱响应区内的响应函数不一致造成的遥感图像条带噪声。在分析遥感CCD图像孤立条带噪声产生原因和噪声模型的基础上,提出基于二维方向滤波器抑制条带噪声的方法。该方法利用窄带方向滤波器良好的图像纹理方向的频率选择特性,将条带噪声与图像其它信息分离到不同的方向滤波器子带内,并在水平信息子带内采用均值补偿方法去除条带噪声。实验结果证明它不仅能有效去除CCD图像中的随机孤立条带噪声,还能保持原始图像的辐射入射幅度,保留细节信息。较传统的方法相比,性能有较大的提高。3.基于信噪特征的图像高斯白噪声抑制方法研究:分析研究了成像过程中以读出噪声为代表的高斯白噪声特征,并利用遥感图像富含边缘和纹理等具有方向信息的二维数据特征,提出基于自适应方向提升小波变换的遥感图像降噪方法。该方法构建于传统提升小波变换框架之上,分析图像的局部方向信息,并使每一个提升步骤都沿着图像局部像素相关性最强的方向进行变换,实现局部最大去相关性,将图像中边缘和纹理产生的高频信息尽可能的压缩到低频子带,从而克服了传统小波缺乏灵活的方向选择性的缺点。方向提升小波将噪声产生的无方向性的高频信息留在高频子带,从而实现将图像的纹理和噪声在小波域更好的分开。通过阈值策略对高频系数进行处理,就可以实现在降噪的过程中尽可能的保留图像边缘信息,这一特点在富含边缘、纹理和小目标的遥感图像降噪中非常重要。4.基于两级插值的图像脉冲噪声去除方法研究:分析研究星载成像系统脉冲噪声的特点,提出一种基于非均匀下采样和分段自回归插值的去除图像脉冲噪声的新方法。根据脉冲噪声的特点:由随机非连续,幅度大的不规则脉冲或噪声尖峰组成。通过检测算法可以检测出未受脉冲噪声影响的像素。将未受噪声污染的像素点从含噪图像中提取来构成一幅不含脉冲噪声,分辨率为原来1/2的低分辨率图像。再通过分段自回归插值将低分辨率图像插回原始图像大小,得到恢复信号。该方法首次将下采样和插值的概念引入脉冲噪声抑制方法,充分利用未受噪声影响的像素和二维图像结构信息,恢复清晰图像。

全文目录

摘要  5-7
ABSTRACT  7-13
第一章绪论  13-29
  1.1 遥感成像的定义、应用及发展历史  13-14
  1.2 遥感图像降噪处理研究意义  14-16
  1.3 遥感数字图像降噪研究背景  16-25
    1.3.1 遥感数字图像处理系统  16-17
    1.3.2 遥感图像噪声建模及处理方法综述  17-25
      1.3.2.1 星载成像系统噪声建模及参数估计研究方法综述  17-18
      1.3.2.2 噪声处理方法综述  18-25
  1.4 论文的主要研究内容  25-26
  1.5 本文的结构安排  26-29
第二章遥感图像信噪特性分析  29-43
  2.1 引言  29-30
  2.2 卫星成像机理及遥感图像信号特征分析  30-35
    2.2.1 星载成像系统结构及其工作原理  30-32
      2.2.1.1 星载成像系统结构  30
      2.2.1.2 星载成像系统工作机理  30-32
    2.2.2 遥感图像信号特征分析  32-35
      2.2.2.1 高空间分辨率特征  32-33
      2.2.2.2 几何形状特征  33-34
      2.2.2.3 遥感图像数学统计模型特征  34-35
  2.3 卫星遥感图像噪声特征分析  35-41
    2.3.1 噪声来源分析  36
    2.3.2 CCD 成像系统噪声分类  36-37
    2.3.3 噪声分类及噪声模型分析  37-41
      2.3.3.1 光电散粒噪声  37-38
      2.3.3.2 读出噪声  38
      2.3.3.3 条带噪声  38-39
      2.3.3.4 脉冲噪声  39-41
  2.4 本章小结  41-43
第三章基于方向滤波器的遥感图像条带噪声抑制  43-75
  3.1 引言  43-44
  3.2 遥感图像条带噪声特征分析  44-51
    3.2.1 线阵CCD 扫描系统工作机理分析  44-45
    3.2.2 条带噪声形成的原因和机理  45-48
      3.2.2.1 周期性条带噪声  46-47
      3.2.2.2 随机孤立条带噪声  47-48
    3.2.3 条带噪声数学模型分析  48-49
    3.2.4 条带噪声频谱分析  49-51
  3.3 条带噪声校正的机理及方法分析比较  51-57
    3.3.1 矩匹配法  51-53
    3.3.2 直方图修正法  53
    3.3.3 图像滤波法  53-54
    3.3.4 定标法  54-55
    3.3.5 基于方向滤波器的图像处理方法  55-57
  3.4 基于方向滤波器的条带噪声抑制方法  57-67
    3.4.1 楔形窄带任意方向滤波器设计  58-62
    3.4.2 楔形方向滤波器提取水平子带信息  62-64
    3.4.3 均值补偿校正图像不均匀  64-67
  3.5 实验结果分析  67-73
  3.6 本章小结  73-75
第四章基于自适应方向提升小波的高斯白噪声滤波方法  75-111
  4.1 引言  75-76
  4.2 图像信号及其高斯白噪声特征分析  76-81
    4.2.1 图像信号特征分析  76-79
    4.2.2 高斯白噪声特征及降噪机理分析  79
    4.2.3 基于小波变换的图像降噪原理及分析  79-81
  4.3 自适应方向提升小波（ADL）  81-88
    4.3.1 从小波理论到方向提升的发展历程  82-83
    4.3.2 从小波变换到方向提升的研究及实现  83-88
      4.3.2.1 小波变换  84-85
      4.3.2.2 提升小波框架结构实现  85-87
      4.3.2.3 自适应方向提升小波变换原理及实现  87-88
  4.4 基于鲁棒自适应方向提升小波（RADL）的图像降噪方法  88-97
    4.4.1 图像局部自适应方向插值及预测  89-92
    4.4.2 基于纹理分析的像素点分类  92-93
    4.4.3 具有噪声鲁棒性的图像局部自适应方向预测  93-97
    4.4.4 传统提升和方向提升结合的变换策略及图像降噪方法  97
  4.5 基于移不变方向提升小波（TI-DL）的图像降噪方法  97-103
    4.5.1 移不变提升小波实现  98-99
    4.5.2 基于2D Gabor-Wavelet 的方向预测  99-101
    4.5.3 移不变全角方向提升小波框架实现及图像降噪方法  101-103
  4.6 实验结果分析  103-109
    4.6.1 遥感图像降噪结果分析比较  104-107
    4.6.2 自然图像降噪结果分析比较  107-108
    4.6.3 实验结果分析总结  108-109
  4.7 本章小结  109-111
第五章基于非均匀下采样及自回归插值的脉冲噪声抑制方法  111-129
  5.1 引言  111-112
  5.2 脉冲噪声特征及去除方法分析  112-114
    5.2.1 脉冲噪声模型及特点  112-113
      5.2.1.1 椒盐噪声  112
      5.2.1.2 随机值脉冲噪声  112-113
    5.2.2 脉冲噪声处理发展现状  113
    5.2.3 基于插值的脉冲噪声抑制思路  113-114
  5.3 图像分段自回归插值  114-116
  5.4 基于非均匀下采样和分段自回归插值的脉冲噪声抑制方法  116-124
    5.4.1 脉冲噪声图像非均匀下采样  117-119
    5.4.2 基于ADL 的低分辨率图像边缘锯齿消除  119-121
    5.4.3 基于改进分段自回归插值的图像恢复  121-124
      5.4.3.1 参数建模步骤  121-123
      5.4.3.2 改进的插值过程  123-124
  5.5 实验结果分析  124-128
    5.5.1 遥感图像降噪结果分析比较  124-126
    5.5.2 自然图像降噪结果分析比较  126-128
    5.5.3 实验结果分析总结  128
  5.6 本章小结  128-129
第六章总结与展望  129-131
  6.1 本文内容总结  129-130
  6.2 工作展望  130-131
参考文献  131-145
致谢  145-147
攻读博士学位期间发表的学术论文  147-149
攻读博士学位期间参加的主要科研项目和获奖  149-150

相似论文

随机行列循环移位交织器及量子交织器的研究,TN911.22
新型指纹识别系统的设计,TP391.41
基于二维小波多尺度多方向分析的虹膜识别算法研究,TP391.41
Curvelet变换在数字图像处理中的应用研究,TP391.41
基于PDTDFB和HMM的图像去噪研究,TP391.41
基于小波的方向变换及其在图像压缩中的应用,TN919.81
基于不对称高斯算法的MODIS LAI降噪研究,TP79
Contourlet变换的实现及其在SAR图像处理中的应用研究,TN957.51
无冗余金字塔设计应用及二维滤波快速算法研究,TP391.41
基于视觉特性的多方向小波构造及其应用研究,TP391.41
方向性数字图像表示及去噪算法研究,TN911.73
基于全相位DCT的图像内插方法研究与方向滤波器组设计,TP391.41
视频通信抗分组丢失技术研究,TN919.8
基于模糊聚类及神经网络的纹理分割方法研究,TP391.4
DFT调制方向滤波器组及其在图象去噪中的应用,TN911.73
掌纹图像压缩加密及其安全认证研究,TP391.41
四元数及其在图形图像处理中的应用研究,TP391.41
基于多种特征的数字图像分割理论和方法研究,TP391.41
基于小波变换的不规则邻域的数字图像去噪算法研究,TP391.41
基于机器学习的微钙化簇检测算法研究,TP274