基于WPSO和NSCT遥感图像去噪算法研究

第一章 引言

1.1 遥感影像的滤除噪声的背景
伴随着航天、遥感和通信的全面快速发展，我们获得了越来越广阔的空间和理念。遥感是通过 Pruitt这个人知道的，第一台能够完成遥感影像处理任务的大型计算机被发明于 60 年代，然后被全国的各个地方充分引用。20 世纪 90 年代后，随着计算机技术的迅速发展、图像处理系统的成熟以及对地观测技术的不断进步，遥感数字图像处理技术得到了突飞猛进的发展。遥感影像的处理是快速延伸起来的新的实用的探测技术，给人类带来了巨大的效益。下面就主要应用领域作个简单介绍：
(l)农林方面：农作物类型的区分、土地资源和土壤肥力检测、森林草场资源清查、病虫害的动态监测[等；
(2)地质矿产方面：分析研究地区的遥感资料、认识地质状况、成矿条件的地质分析、陆地卫星图像的分析等；
(3)水文海洋方面：水资源调查、冰雪海洋研究、清查大江源头特点等；
(4)环境保护方面：检测大气分布、分析评价环境和被感染的概率等；
(5)测绘方面：侧视雷达扫描影像、汇编制作等；
(6)地理学方面：整体与局部、过程与模式的研究等。遥感图像在获取和传输的过程中，受传感器和大气等因素的影响会存在噪声，从而造成图像模糊的边缘纹理细节和降低图像的质量等。噪声的去除的基本理念是利用遥感图像信号和噪声信号之间的不同的能量的状态分布的相异情况，要充分的过滤掉遥感图像产生的噪声。影像的去噪的算法从大方向上来说是空间域和变换域的遥感影像的去噪算法。空间域去噪法直接对图像进行操作，早期比较经典的算法有噪声门限、加权平均和维纳滤波(Wiener Filtering)等。比较经典的变换域图像去噪的算法有傅里叶变换(FourierTransform)、拉普拉斯变换(Lap-lace Transform)、小波变换(Wavelet Transform)以及多尺度变换(Multi-scale Transform)等。
进入 21 世纪，在遥感图像的应用处理方面，经过我国的强力推进和遥感图像的技术的创新，形成了遥感图像的大力发展。

1.2 遥感图像去噪的国内外进展
1.2.1 遥感图像去噪的国内进展
小波变换(Wavelet Transform)起源于傅里叶变换，它用来研究非平稳的信号。1998年学者提出了一种新的信号稀疏表示方法，即多尺度几何分析(Multi-scale GeometricAnalysis)，它可以清晰的得到遥感图像的细节轮廓等信息。有关遥感图像的去噪的多尺度的几何分析的理论基础是：单一多尺度的变换图像、联合多尺度的变换图像以及基于边缘保护的多尺度的变换等。据遥感影像的结构因素，遥感影像的比较好的描述方式有三个特征：
(1)连续近似地逼近遥感图像的细(粗)分辨率，即多分辨率；
(2)局部的基函数在空(频)域，即局域性；
(3)基函数不单局限于小波的三个方向，即方向性。2002 年，Martin Vetterli 和 M.N.Do 给出新的多分辨、时频和方向各异性的遥感影像的比较高效的描述方式 Contourlet 变换。Contourlet 变换使表示图像边缘的系数能量更加集中，在遥感影像的处理中非常受欢迎。2005 年，Arthur L Cunha 和 M.N.Do 在此基础上又给出了非下采样 Contourlet变换(NSCT)[，并将其应用于图像去噪领域。2008 年，于梅和殷兵提出了基于边缘检测的 Contourlet 变换的图像去噪算法。为了有效去噪，恢复出比较完整的遥感影像，该方法先提取遥感图像的纹理等特征，然后对 Contourlet 域的遥感图像的(非)边缘部分利用相异的阈值,通过软阈值来最佳去噪。实验的最终结果显示：这个方法很好地保护了遥感图像的细节等特征，得到较好的图像的去噪结果。
2009 年，边策、钟桦和焦李成等人提出了一种新的基于双变量结构模型和非下采样 Contourlet 变换(NSCT)变换的遥感影像的去噪算法。该方法通过非下采样Contourlet 变换，在双变量结构模型的理论下，同时利用非下采样 Contourlet 变换(NSCT)的优良特性，利用遥感影像的系数的尺度的关系，进行噪声的处理估计。实验的最终结果显示：得到的峰值信噪比和恢复图像的效果都提升了很多，较好地保留了遥感图像的细节等特性。
 
   1.3 遥感图像去噪的经典算法 .................13-20
    1.4 本文的具体内容和理论结构 .................20-22
        1.4.1 本文的具体内容 .................20-21
        1.4.2 本文的理论结构 .................21-22
第二章 遥感图像的去噪方法的理论研究 .................22-36
    2.1 权重粒子群(WPSO) .................22-23
    2.2 自由分布式错误发现率(FDR)的理论概念 .................23-25
    2.3 遥感图像去噪的基本理论方法 .................25-28
    2.4 Contourlet 变换的基本原理 .................28-30
    2.5 非下采样 Contourlet 变换(NSCT) .................30-33
    2.6 遥感图像去噪的阈值选取和质量评价 .................33-34
    2.7 遥感图像去噪研究的基本方法 .................34-36
第三章 基于 WPSO 和 NSCT 的遥感图像去噪方法 .................36-41
    3.1 算法意义 .................36-37
    3.2 本章的流程算法 .................37
    3.3 实验结果及分析 .................37-40
    3.4 结论 .................40-41
第四章 基于 FDR 和 NSCT 的遥感图像去噪算法 .......41-45
    4.1 算法意义 .................41-42
    4.2 本章的流程算法 .................42
    4.3 实验结果及分析 .................42-44
    4.4 结论 .................44-45

总结

在遥感图像的获得和运送时，可能被随机噪声所扰乱，使得遥感图像的失真，让实际得到的图像质量下降，严重影响遥感图像的描述和解析。因此，我们要首先进行遥感图像的去噪的过程，在遥感图像的纹理信息和含有的噪声信号的去除当中，达成平衡的状态。遥感图像去噪是为了得到比较清晰的图像，得到图像的原始的本质特性。
2002 年，M.N.Do 和 Martin Vetterli 提出了新的多方向、多分辨和时频的二维遥感图像的描述方法 Contourlet 变换。Contourlet 变换能精确的得到图像的连续的二次分段的曲线，使表示图像边缘的系数能量更加集中，在图像去噪领域中得到较为广泛的应用。要进行 Contourlet 变换，首先需要遥感图像进行多尺度的变换，来得到不同的尺度的边缘的奇异点，然后再将相同尺度上的近距离的奇异点，组合成线段的结构，得到具有方向性的局部的变换。但是由于下采样过程的存在，Contourlet 变换缺乏平移不变性，图像会产生伪 Gibbs失真影响去噪效果。
2005 年，为了弥补 Contourlet 变换中采样带来的缺陷，Cunha 和M .N.Do 等人提出了一种非下采样 Contourlet 变换(Non-sub-sampled ContourletTransform，NSCT)。首先把含有噪声的图像使用非下采样 Contourlet 变换，可以获取变换系数，然后根据变换系数的能量，自适应的调整去噪的阈值，最后将其反变换，得到去噪后的图像，它有冗余度的特性。非下采样 Contourlet 变换的平移不变特性、方向特性和尺度特性，能更好地采集频率且具规律性，对滤波器上采样实现，在遥感图像的应用处理中得到了非常好的发展。