高光譜圖像條帶噪聲濾除技術的研究.pdf

1、隨著科學技術的不斷發(fā)展,人們認識事物的能力逐步得到提高。遙感技術的興起是20世紀最具標志性的科學技術成就之一。特別是80年代初期,隨著光譜成像儀以及成像技術的不斷發(fā)展,光學遙感進入了一個嶄新的階段—高光譜遙感階段。由于高光譜遙感圖像具有較高的光譜分辨率,目前在民用和軍事領域都得到了廣泛的應用。高光譜圖像具有“圖譜合一”、波段多、數(shù)據(jù)量大的特點,能夠提供豐富的空間信息。但是高光譜圖像中普遍存在著條帶噪聲,這些噪聲與普通的隨機噪聲存在著很大

2、的不同,主要表現(xiàn)為呈帶狀分布,并且具有一定寬度。
　　 近年來,國內外學者根據(jù)高光譜圖像的特點和條帶噪聲統(tǒng)計規(guī)律,提出了基于空間域的直方圖匹配、矩匹配等方法以及變換域的基于傅里葉變換和小波變換的條帶噪聲濾除方法。至今,已有部分學者針對現(xiàn)有的濾除方法進行了改進。但是,這些方法大多拘泥于成像光譜儀的特性、條帶寬度以及條帶噪聲分布的周期性的限制,不具有普遍的適用性和較適中的算法復雜度。所以,我們有必要對高光譜圖像做進一步深入的研究,探

3、索一種適合于寬窄條帶噪聲同時存在的高光譜圖像條帶噪聲濾除方法,該方法能夠降低對地物特征的要求,在濾除條帶噪聲的同時能夠保持較好的細節(jié)信息。本文在對條帶噪聲的產生機理和濾除算法進行深入研究的基礎上,主要做了以下兩方面工作:
　　 1、對現(xiàn)有的基于矩匹配思想提出的鄰域插值算法進行了改進。新算法通過對判別函數(shù)進行分析,構造出一個新的判別公式,該方法在一定程度上彌補了原始的“信息平均化”的不足。根據(jù)鄰域不同信息元素對當前信息元素的影響因

4、子不同,確定不同的相關系數(shù),通過仿真驗證改進后的鄰域插值算法在評價指標上優(yōu)于原鄰域插值方法。
　　 2、高光譜圖像由于成像機理不同,可能有寬窄條帶噪聲同時存在的情況。本文針對這種情況提出了一種矩匹配和插值相結合的條帶噪聲濾除方法。該方法可以自動對AVIRIS圖像中條帶噪聲進行分類濾除,克服了原有條帶噪聲濾除算法拘泥于條帶寬度和周期性限制的缺點。通過對AVIRIS圖像進行仿真,本文證明了該方法不僅能有效去除圖像中的條帶噪聲,并且能