采用变分法的遥感影像条带噪声去除

为了避免去除遥感影像条带噪声时丢失影像细节,构建了综合两种单向变分模型的组合去噪方法。首先,构建一种条带去除单向变分模型,通过此模型可以有效去除遥感影像条带噪声,从而初步获得近似遥感影像及条带噪声影像,同时避免近似遥感影像出现阶梯效应;其次,为了避免条带噪声影像中包含的少量细节信息丢失,构建一种条带保留单向变分模型,通过此模型可以去除条带噪声影像中的细节信息而只保留条带噪声,从而有效分离出细节信息;最后,把分离出的细节信息与近似遥感影像进行累加得到去噪影像。通过实验分析发现,本文方法不仅能完全去除条带噪声,而且基本没有破坏影像细节,去噪后的影像质量得到明显提高。

基于全变分模型和高斯曲率滤波的红外图像条纹噪声去除算法

针对红外热像仪读出电路的偏置电压存在非均匀性,造成红外图像出现条纹噪声的问题,提出了基于全变分模型和高斯曲率滤波结合的去噪算法。在分析红外条纹噪声成因并研究其特性的基础上,首先对含噪图像采用全变分模型进行去噪处理;然后确定复原图像出现阶梯效应的区域,将其对应的噪声图像中的区域看作可展曲面,采用高斯曲率滤波处理;最后将全变分模型和高斯曲率滤波的处理结果综合输出。实验结果表明,所提算法能够去除红外图像中的条纹噪声,并且能够克服全变分去噪后复原图像出现阶梯效应的问题。

Landsat影像垂直方向条带噪声去除方法研究

针对条带噪声去除过程中容易丢失细节信息、去噪后的影像出现模糊及阶梯效应等问题,提出两种变分模型去除条带噪声.首先,构建一种初步条带噪声分离模型(PSDM),通过交替方向乘子方法同时解求出恢复影像及条带噪声影像;其次,构建一种条带噪声变分模型(SNVM),此模型可以达到去除条带噪声影像中的细节信息而只保留条带噪声的目的;最后,把恢复影像与条带噪声影像中的细节信息进行累加获得去噪影像.实验分析结果表明:该方法能保证在影像扭曲度很小的情况下有效去除条带噪声,并且在影像细节保留及去噪后影像质量提升两方面都是最优的.