小波变换在遥感图像降噪中的应用

《小波变换在遥感图像降噪中的应用》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、维普资讯http://www.cqvip.com资助项目：中国科学院知识创新工程项目中亚区域经济合作与资源生态安全战略研究(编号：KZCX3-SW-355)中国科学院西部之光项目基于遥感技术的荒漠区生态资产评估研究(编号：0634021001)和国家自然科学基金项目荒漠区林草生态资产与人类活动影响机制研究(编号：40601103)共同资助小波变换在遥感图像降噪中的应用赵同阳’张晓帆’周可法徐仕琪’1、新疆大学8500462、中国科学院新疆生态与地理研究所83001前言等效的频域表示为：遥感图像由于在数据采集、传输

2、中(a，6)=-7cl((0)(aOJ)e不可避免地会受到各种噪声的干扰，如一：式中x(co)和分别是x(t)和(t)图像获取中的环境条件和传感器件自身的的傅立叶变换【6】。小波分析的多尺度特质量等⋯。所以遥感图像通常含有很多噪点可以使我们对图像进行又粗及细的分解声，破坏了图像像素间在结构、纹理、内容等方面的相关性，使得图像失真，观察，适当的选取小波基可以放大出图像上的任何奇异点同时可以对奇异点做进难于压缩、识别和解译。所以说，遥感图像的降噪处理是必不可少的。现如一步处理。小波变换属于时频变换的一种【1。今，有多

3、种图像降噪的方法，常见的有小波变换是一种信号的时间一尺度(时间一自适应滤波法、平滑滤波、Fourier(傅频率)分析方法，它具有多分辨率分析的立叶)变换等。近十多年来，伴随着对特点，而且在时频两域都具有表征信号小波分析理论及方法的研究的不断深入，小波分析为众多领域提供了一种全新的工局部特征的能力，是一种窗口大小固定不变但其形状可改变。时间窗和频率窗具和方法，它在时域和频域同时具有良都可以改变的时频局部化分析方法。正好的局部化性质，可以聚焦到图像的任是由于这种特点，小波变换具有对信号意细节，这也是小波变换与Four

4、ier变换的自适应性。因此，对于处理图像而的主要区别之一l2J。因此，运用小波变言，小波变换比F0Urier变换有更加适换能有效地达到对遥感图像降噪的目的。用。1理论基础2小波分析消噪法小波(wavelet)，即小区域的波，小波分析消噪就是把混杂在图像中的是一种特殊的均值为0、波长有限的波形非相关信息剔除的过程，而图像的噪声。其在时域具有紧支集或近似紧支集，并且具有正负交替的波动性。小波变换一般存在于图像的高频部分，而要想剔除高频信号中的噪声，一个很有效的方定义是指把一基本小波(亦称母小波)法就是把图像的高低频分

5、开，专门对图的函数、I，(t)做位移b后，再在不同尺度a像的高频信号进行处理【2】。这样反映图像下与待分析的图像x(t)做内积：主要信息的低频信号就可以完整保留。1，一^WTx(a，6)=÷I(，(—兰)，口>0图像两级的小波分解示意图如图1所示。-248维普资讯http://www.cqvip.com其中s为原始信号，L为低频信号，H为(‘filename’)；波段(波长范围为0．77～0．89m)遥高频信号，下标1、2为一级或二级分(2)由于高斯(gaussian)噪声又称感图像。为了便于计算，我们选取北纬解

6、。为正态噪声在空间和频域中数学上的易处44．51。-45．08。，东经82．17。～82．38。为理性，这种噪声模型经常被用于实践模实验区。按文中方法处理结果如图2—4所拟中。高斯随机变量z的概率密度函数示。(PDF)由下式给出：1表1遥感图像在小波变换去噪)：l_：：．e一()。。前后的效果比较咽x／2rco其中，z表示灰度值，表示z的平图1图像的小波分解示意图均值或数学期望值，G表示z的方差[61。利用小波分析的理论，可以达到在所以，在此次研究应用中我们选取降低图像噪声的同时，又保留图像细节信高斯噪声为拟消噪

7、的对象。在MATLAB息。小波变换后的小波系数可以分为两中，使用imnoise命令添加该噪声，该函数图像像元标准差的大小说明了图像所类：一类是由噪声变换后得到的；另一类的基本语法格式为：g=imnoise(f，type，含信息量的大小。由图表信息可看出小波是由信号变换得到的"1。我们可以通过对parameters)；其中为0，G是0．02。变换处理后图像的像元均值和标准差均近阀值的设置来精确的区分这两类系数所代(3)因为小波函数只能处理素引图像，似于原图像的值，说明小波变换对于遥感表的图像信息。这样就可以在降低噪

8、声的所以要先应用函数gray2ind()完成对图像图像的降噪有很明显的处理效果，即能在同时保留大部分图像有用信息。类型的转变。然后再对图像进行消噪处降噪的同时最大化地保留图像的原始信3小波降噪的一般步骤理，选用Coiflets小波对含噪图像(N)进行息。遥感图像的小波消噪最重要的由三3层分解，其语法格式为：[c，S】6．结论步：=wavedec2(N，3，’coil2’)