基于主成分及非局部均值的遙感圖像去噪研究.pdf

1、遙感圖像在獲取和傳輸過(guò)程中會(huì)受到內(nèi)部和外部環(huán)境等因素的干擾，使圖像含有噪聲而引起圖像質(zhì)量的下降，給遙感圖像的識(shí)別和分析帶來(lái)一定困難，因此遙感圖像在使用前通常都需要先進(jìn)行降噪處理。圖像去噪一直以來(lái)都是計(jì)算機(jī)圖像處理和計(jì)算機(jī)視覺(jué)中的一個(gè)研究熱點(diǎn)。非局部均值算法是一種當(dāng)前新興而又非常有效的自然圖像去噪方法，它利用大多數(shù)自然圖像內(nèi)存在很多周期性樣式和大量冗余信息的特點(diǎn)，在圖像中搜索灰度值相似的塊進(jìn)行匹配來(lái)估計(jì)噪聲點(diǎn)的值。
　　然而，非局部

2、均值算法需要逐點(diǎn)匹配計(jì)算權(quán)值，而圖像匹配塊通常是一個(gè)高維向量，使得計(jì)算復(fù)雜度很高。因此，如何降低計(jì)算復(fù)雜度是非局部均值算法所要克服的問(wèn)題。同時(shí)非局部均值算法對(duì)遙感圖像的去噪效果和用于匹配的圖像塊的大小有關(guān)。如果用于匹配的圖像塊較大，非局部均值算法可以很好的去除平滑區(qū)域的噪聲，但圖像的細(xì)節(jié)也被平滑掉；而小的圖像匹配塊則可以保留較多的圖像細(xì)節(jié)。因此，如何結(jié)合這兩個(gè)特征對(duì)遙感圖像去噪成為我們所關(guān)注的問(wèn)題。
　　在非局部均值算法的基礎(chǔ)上，

3、我們提出了基于高斯主成分分析的非局部均值算法和多尺度的非局部均值遙感圖像去噪方法。在基于高斯主成分分析的非局部均值算法中，我們引入了高斯預(yù)濾波來(lái)消除圖像塊匹配過(guò)程中噪聲的影響，然后利用主成分分析將圖像匹配塊投影到低維的空間上，并在低維空間內(nèi)完成權(quán)值的計(jì)算。實(shí)驗(yàn)結(jié)果表明此算法相比較非局部均值算法，不僅降低了計(jì)算復(fù)雜度，同時(shí)提高了去噪準(zhǔn)確性。在基于非局部均值算法的多尺度遙感圖像去噪方法中，我們引入Quadtree模型將圖像塊構(gòu)建成3個(gè)尺度。

4、對(duì)于每一個(gè)像素點(diǎn)，在各個(gè)尺度上采用非局部均值算法，并對(duì)恢復(fù)的多個(gè)尺度信息按照這個(gè)像素點(diǎn)的所處位置來(lái)進(jìn)行融合得到此點(diǎn)去噪后的值。通過(guò)基于Riesz變換的FeatureSimilaritymetric(RFSIM)作為結(jié)構(gòu)相似性指標(biāo)，實(shí)驗(yàn)結(jié)果表明本文提出的方法可以保留較多的圖像細(xì)節(jié)。此外，我們還采用了主成分分析方法對(duì)算法進(jìn)行加速。主成分分析將非局部均值算法中用于權(quán)值匹配的圖像塊向量投影到了一個(gè)低維的空間上，并在此低維空間內(nèi)計(jì)算權(quán)值，從而實(shí)現(xiàn)