遥感图像小波变换去噪方法研究

第一章 绪论

1.1 遥感图像去噪和增强的意义
通过学者的对遥感技术大量研究和应用，遥感技术现在已成为了及时准确获取地理信息的重要方法之一。遥感图像通过高空的成像设备获得目标的图像，遥感图像要通过计算机处理必须转化为数字图像，本文中提及的遥感图像均为遥感数字图像。当今，遥感图像已经成为获取地球表面信息的重要资源，在越来越多的领域得到了广泛应用。但是在我们获得遥感图像的时候，得到的遥感图像总是会含有各种噪声和其他的缺点，而这种不良的影响又无法避开，导致遥感图像的视觉效果不好，分辨率和亮度也不理想。我们通过各种设备得到的遥感图像的灰度范围也比较狭窄，遥感图像的质量也不高。因此，对抑制遥感图像噪声的技术和增强遥感图像并调整亮度不均匀或不足的遥感图像的有效亮度的研究一直是遥感成像技术的重要内容，抑制遥感图像噪声和增强遥感图像并调整亮度不均匀可以提高遥感图像的质量，使我们想要的信息更加清晰，从而更有利于我们的分析和理解。

1.2 图像去噪
1.2.1 图像去噪的方法
简介噪声是指对图像的接收设备产生影响或是会影响人的视觉系统对所接受图像进行分析或理解的所有因素。我们所接收的遥感图象存在许许多多的噪声。这些噪声主要分为三大类：加性噪声(Additive noise)、乘性噪声(Multiplicative noise)和量化噪声(Quantization noise)。
正是图像所含的噪声各不相同，因此对所含噪声的图像去噪的方法也有很多种，最简单的就是不经过变换直接对图像去噪，这种对图像去噪方法的基本思想是利用遥感图像的局部邻域的统计信息对图像的灰度值进行估算，主要有均值滤波器(Mean value filter)、维纳滤波器(Wiener filter)和中值滤波器(In the value filter)等。还可以把图像经过变换后，在变换域对图像进行去噪，典型的和常用的将图像从空间域转换到变换域的基本变换方法有沃尔什-阿达马变换、傅里叶（Fourier）变换。经过变换后的含噪图像虽然系数特征分布明显。但是含噪图像经过变换后，噪声主要集中在高频部分，同时图像的细节分量也在高频部分，采用低通滤波器来去除高频部分，再利用傅里叶逆变换获得滤波图像，达到去噪效果的同时，也损失了图像的高频细节，使重构以后的图像出现了振铃现象和边缘模糊。小波（Wavelet）变换以及近年来发展起来的多尺度几何分析方法(MultiscaleGeometric Analysis，MGA)等，在一定程度上克服了上面所讲的缺陷，因此很多在空间域中无法进行有效分析的信号，经过变换以后就可以对图像进行有效的分析。由于小波变换(Wavelet transform)具有良好的时域和频域特性，克服了傅里叶变换（Fourier）不能同时表现局部信号时域和频域特征的缺点，成功解决了傅里叶变换（Fourier）不能解决的很多问题，因此近年来，小波在实际中得到十分广泛的应用[1]。
1.2.2 小波去噪
小波(Wavelet)分析是从 Fourier 变换演变而来的，是多种数学分析方法的结合，小波变换(Wavelet transform)是以某些特殊函数为基，将数据过程或数据系列变换为级数系列，从而发现它的类似频谱的特征，从而实现数据处理。小波变换不仅可以提供比较准确的时间方位，而且还可以提供比较精确的频域定位，小波变换与 Fourier 变换相比，小波变换(Wavelet transform)继承并发展了短时傅立叶变换（Fourier）局部化的思想，同时又克服了傅立叶变换（Fourier）窗口大小不能随频率变化而改变等缺点，能够提供一个随频率变换而改变的时间频率窗口，因而能有效地从信号中提取有用信息，通过伸缩和平移等运算，对函数或信号进行多尺度分析，表现出比 Fourier 变换对信号处理更强大的功能。

    1.3 图像增强方法简介 .............11-16
        1.3.1 空域图像增强方法简介 .............12-13
        1.3.2 变换域的图像增强方法 .............13-14
        1.3.3 小波变换的图像增强技术 .............14-16
第二章 模糊集理论 .............16-24
    2.1 模糊集理论 .............16-24
        2.1.1 模糊集的定义 .............16-17
        2.1.2 图像的模糊增强算子现有算法分析 .............17-22
        2.1.3 模糊图像增强小结 .............22-24
第三章 Contourlet 变换及非下采样的 Contourlet 变换 .............24-38
    3.1 多尺度几何分析(MGA) .............24-25
    3.2 Contourlet 变换 .............25-33
        3.2.1 金字塔结构 .............27
        3.2.2 方向滤波器（DFB） .............27-30
        3.2.3 多尺度和多方向分解：离散的 Contourlet 变换 ........30-33
    3.3 非下采样的 Contourlet 变换 .............33-38
        3.3.1 非下采样金字塔 .............34-35
        3.3.2 非下采样的方向滤波器组 .............35-36
        3.3.3 非下采样的 Contourlet 变换 .............36-38
第四章 小波和 NSCT 的遥感图像自适应阈值去噪方法 .............38-45
    4.1 序言 .............38-39
    4.2 NSCT 域的自适应阈值图像去噪方法 .............39-41
        4.2.1 阈值去噪 .............39-40
        4.2.2 邻域信息的自适应阈值 .............40-41
    4.3 本章算法实现过程 .............41-42
    4.4 实验结果及分析 .............42-44
    4.5 本章小结 .............44-45
第五章 基于 NSCT 域的遥感图像模糊增强方法 .............45-53
    5.1 序言 .............45-46
    5.2 非下采样的 contourlet 变换和模糊增强算法 .............46-47
        5.2.1 模糊增强算法 .............46-47
    5.3 对高频系数的处理方法 .............47-49
        5.3.1 对高频系数进行阈值处理 .............47-48
        5.3.2 选取阈值 T′ .............48-49
    5.4 本文算法实现过程 .............49-50
    5.5 实验结果及分析 .............50-52
    5.6 本章小结 .............52-53

总结

遥感图像在成像、传输过程中，图像受外界各种噪声以及传输设备的影响是不可能避免的，导致遥感图像通常会存在许多的缺点，遥感图像几乎都有分辨率较低，细节信息不足等缺陷，而且遥感图像的全部灰度范围不能覆盖遥感传感器所达到的范围，因而不利我们对遥感图像进行进一步的研究和分析。因此，因此对遥感图像进行去噪和对比度增强是对其进行有效分析的至关重要的一步。传统图像去噪的最终目的就是最大限度地保留图像的边缘和细节等有用信息的同时去除掺杂在图像信号里里面的噪声信号。
传统的遥感图像增强是指在不考虑对图像质量降低的情况下，只是将遥感图像中感兴趣或者有用的特征信息有选择的进行增强，同时对次要的信息进行衰减。增强以后的遥感图像可以提高遥感图像的可读性，改善以后的遥感图像虽然和原图像不一定逼近，但是却突出了图像的轮廓、边缘信息，同时也衰减了噪声。小波变换(Wavelet transform)的图像增强和 Contourlet 变换(CT)的图像增强都是在频率域对图像进行增强的技术。伴随着小波变换理论的日臻完善，应用小波良好的时域和频域特性可以有效的对图像的噪声进行去除，小波变换是非线性去噪方法的鼻祖。
小波变换(Wavelettransform)去噪就是利用信号与噪声在变换域这种不同的相关性来区别不同的系数类别，从而达到噪声分离的目的，而且这中方法对于一维信号有比较好的的去噪效果。但是对二维信号（比如图像信号）来说，由于小波变换不具有方向性，因而图像中面和线的奇异特性不能最优刻画出来，所以导致图像去噪中使用小波变换不能达到非常好的效果。