决策中值滤波联合三维块匹配的遥感影像去噪

针对遥感影像高密度脉冲混合噪声去噪的问题,提出一种高效决策中值滤波算法(efficient decision-based algorithm, EDBA)和三维块匹配算法(block-matching and 3D filtering, BM3D)相结合的混合噪声去除方法。通过EDBA算法对原始噪声图像进行预处理,快速有效地解决原始影像中高密度脉冲去噪的问题,并利用BM3D算法消除影像中高斯白噪声的干扰。实验以峰值信噪比(peak signal to noise ratio, PSNR)和结构相似度(structural similarity, SSIM)作为评价指标,与非局部均值滤波算法(non-local mean, NLM)、BM3D算法、自适应中值滤波器(adaptive median filter, AMF)-BM3D算法进行对比分析。实验结果表明:随着噪声密度的增加,具有更好效果。如在脉冲噪声密度为0.01情况下,该方法PSNR相较BM3D提高2.5~3 dB,SSIM提高约6%。整体上,新方法的遥感影像高密度脉冲混合噪声的去噪效果优于传统单一去噪算法和同类型混合算法,在遥感影像混合噪声的去除上,具有一定的应用价值。

基于光谱加权低秩矩阵分解的高光谱影像去噪方法

高光谱遥感影像在获取和传输过程中会受到各种类型噪声的污染,不仅降低影像质量,也限制了其后续应用的精度。高光谱影像噪声类型复杂多样,且噪声在不同波段上的强度也并不相同。通过引入光谱域上的权重矩阵,文中提出了一种基于光谱加权低秩矩阵分解的高光谱遥感影像混合噪声去除方法,利用光谱权重矩阵均衡不同波段的噪声强度差异性。为进一步将噪声与纯净影像分离,利用加权核范数最小化来约束纯净高光谱影像的局部低秩结构,并利用交替方向乘子法对所提出的模型进行优化求解。通过对模拟与真实高光谱遥感数据的实验,验证了所提方法的有效性与优越性。

迭代空间屏蔽的遥感影像去噪算法

针对传统的空间屏蔽滤波算法在影像受噪声污染较为严重时存在噪声滤除不尽的问题,提出迭代空间屏蔽滤波算法。算法通过对含噪影像进行多次空间屏蔽滤波将噪声最大程度滤除,并针对随迭代次数增加而产生的对有用信息过度滤除现象,提出以最小二乘准则作为迭代终止条件实现最佳迭代次数。实验结果表明,与传统的空间屏蔽滤波算法相比,迭代空间屏蔽滤波算法能够实现对噪声更加彻底的滤除,并且基于最小二乘准则可以使该算法终止于最佳迭代次数,避免产生过度滤除现象。

基于DS证据理论的多幅遥感影像融合去噪

针对目前单幅遥感影像去噪方法会过度扼杀影像边缘信息或噪声去除不理想问题,提出了一种基于DS(Dempster-Shafer)证据理论的多幅遥感影像融合去噪方法。DS证据理论结合多源信息,能够有效处理不确定性问题,适用于噪声具有随机性和不确定性情景。本文采用Landsat8卫星获取的上海周边海域遥感数据,依据DS证据理论处理不确定问题的优势,并充分利用多幅遥感影像的有效信息,设计4个模型,即两状态高斯混合模型、两个噪声分析模型、边缘分析模型。这4个模型用以获取每个像素与噪声相关的概率,作为证据理论的4个证据,用于决策去噪方案。结果表明,本文提出的多幅遥感影像融合去噪方法在保证去除噪声的情况下能较好地保持影像边缘和纹理细节信息。

一种遥感影像混合噪声的去噪方法

为了减弱遥感影像噪声的影响,提高影像使用价值,提出了一种新的针对遥感影像混合噪声去噪的组合滤波,即基于三维块匹配和自适应中值滤波的去噪方法;此外使用rbio3小波和db20小波替换传统三维块匹配参数,进行两个仿真试验和一个真实遥感图像去噪试验。结果表明:本文方法在去除遥感影像常见的脉冲与高斯噪声方面,效果优于传统滤波方法。

小波变换在遥感影像处理中的应用

探讨了小波变换在遥感影像处理中的主要应用.

大比例航空测绘技术下城市绿地覆盖规划方法

城市绿地部分测区分布在建筑物密集的市区中心,由于周围建筑密度较大,采用地面测绘技术获取的数据不完整。航空测绘技术具有响应迅速、受空域管制程度偏低且适应不同测区能力强等优势。基于大比例航空测绘技术,提出一种城市绿地覆盖规划方法。利用频域滤波法与控制场像点校正方法,去除绿地影像无效噪声。采用定位定姿系统与精密授时技术,利用搭载的拍摄设备采集绿地数据。经空中三角测量与加密后,得到数字正射影像图、数字地表模型、数字线划地图等地理信息,完成城市绿地覆盖规划。实验结果验证了研究方法能满足城市测绘的高精度要求,规划出的绿地覆盖方案具有合理性,上述方法的应用优势明显,实用性较强。

局部超图拉普拉斯约束的高光谱影像低秩表示去噪方法

针对传统高光谱影像低秩表示去噪方法无法保持影像多元几何结构信息的问题,提出一种基于局部超图拉普拉斯约束的高光谱影像低秩表示去噪方法。在低秩表示模型中增加超图拉普拉斯正则项,保持数据间多元几何流形结构;并对低秩模型系数矩阵增加稀疏和非负约束条件,进一步提高模型对影像局部信息的保持能力,使得模型不仅能够恢复具有低秩性质的影像信号分量,而且可以很好地保持影像的多元几何流形结构。在AVIRIS影像和ProSpecTIR-VS影像上的对比实验表明,所提方法更好地保持了影像的空间和光谱信息,有效地改善了高光谱影像去噪效果。

一种新的去除遥感影像混合噪声组合滤波方法

提出了一种三层组合滤波的去噪方法,在小波BayesShrink阈值与自适应中值滤波的基础上增加第三层Wiener滤波,利用Wiener滤波对信噪比高的信号去噪效果好的特点可有效去除残留的混合噪声,为了在去噪过程中保留影像的边缘,在滤波过程中加入了边缘提取算法,对影像的细节进行保留使去噪后的影像更加清晰。试验表明,本文提出的三层滤波方法在去除遥感影像常见的高斯与脉冲混合噪声时,效果要明显优于传统的两层组合滤波算法。

高分辨率SAR影像形态学层级分析的建筑物检测

目的现有基于结构分析的高分辨率SAR影像建筑物检测方法,只考虑了直线和L形结构建筑物,并且依赖建筑物高亮线条处阴影区作为建筑物识别的主要特征;当处于复杂场景时,阴影区受制于背景较暗或建筑物密集而无法准确得到,导致建筑物检测误差大、检测率低。针对上述问题,提出一种基于形态学层级分析的高分辨率SAR影像无监督建筑物检测算法。方法该方法基于单幅单极化高分辨率SAR影像,首先利用改进的形态学交替滤波算子有效抑制其固有的斑点噪声,大大剔除了同质区背景噪声的干扰;然后利用层级分析形态学差分属性断面算法来实现对SAR影像建筑物的几何结构特征的提取;最后结合特征融合和属性阈值分割等后处理步骤得到复杂场景下建筑物提取信息。结果将上述方法在建筑物密集的城区SAR影像中实验,通过与其他方法对比分析,具有检测率高、误差小的特点,准确率和召回率分别为95.38%、86.31%,并对降低虚警率方面有明显的优势。结论将形态学交替滤波与形态学属性滤波的改进与结合,在对不同走向、尺寸和形状的高密度建筑物检测中具有较好的适应性。