多時相遙感圖像融合去噪方法研究.pdf

1、遙感技術的出現(xiàn)，使我們能不與研究對象直接接觸，通過傳感設備來獲取觀察對象的基本信息。這就避免了一些偏遠或險峻的地區(qū)信息無法取得的情況，成為至今為止全球范圍內動態(tài)觀測數(shù)據(jù)的唯一方式，被廣泛應用到多個領域，對經濟的增長和社會的發(fā)展起著很大的催化作用。
　　然而，由于受天氣、遙感設備及傳輸介質的影響，遙感圖像在成像和傳輸?shù)倪^程中，往往會受到很多噪聲的影響，其中最為常見的噪聲為高斯噪聲、云噪聲和霧噪聲等。這些噪聲的存在，將直接影響遙感圖像

2、的進一步處理、分析及應用，影響數(shù)據(jù)的使用價值。遙感圖像去噪的目標在于在保護圖像細節(jié)信息的前提下，最大限度地去除噪聲，提高數(shù)據(jù)的可讀性與有效性。
　　目前，對于熱噪聲、散粒噪聲等高斯噪聲的處理，主要是針對單幅遙感圖像，利用噪聲在空間域或頻域的特征，對遙感圖像進行降噪處理。但這類去噪方法存在一個問題，即保留圖像邊緣與去除噪聲的矛盾，往往會出現(xiàn)圖像邊緣信息被過度扼殺，造成邊緣模糊或去除噪聲不理想現(xiàn)象。針對云噪聲，對于薄云，由于它不僅包含

3、了與云相關的信息，還包含了地物等有效信息，對它的研究也比較多，常用的處理方式是削弱云信息，同時增強地物信息，使地物清晰。而對于厚云，由于地物信息被完全遮蓋，幾乎不含有用信息，使用單幅遙感圖像去除厚云往往會引起信息空洞。這說明單幅遙感圖像的信息量不足，需要將不同時間同一地區(qū)具有互補信息的多時相遙感數(shù)據(jù)根據(jù)一定的方法，有效的結合起來，得到一幅信息量更多的遙感圖像。
　　針對以上分析，本文研究了基于DS(Dempster-Shafer)

4、證據(jù)理論的多時相遙感圖像融合去噪方法，主要從以下3個方面展開：
　?。?）分析了遙感圖像中多類噪聲的特點與研究現(xiàn)狀，并分析了DS證據(jù)理論在多時相遙感圖像融合去噪的可行性：DS證據(jù)理論作為一種推理理論，屬于人工智能的范疇，它能融合多個證據(jù)并做出決策，對推理給出合理的闡釋，可以有效解決由于對研究對象認知的不準確或認知缺失所造成的不確定性問題。遙感圖像中，噪聲具有隨機性與不確定性，而 DS證據(jù)理論能綜合考慮來自多源的不確定信息，同樣適合

5、用在多時相遙感圖像融合去噪過程中。
　　（2）提出了基于 DS證據(jù)理論的多時相遙感圖像融合去除高斯噪聲的方法，根據(jù) DS證據(jù)理論的基本原理，為獲取證據(jù)的基本概率分配，設計四個高斯噪聲檢測模型，即兩狀態(tài)高斯混合模型、均值檢測模型、中值檢測模型、邊緣分析模型，用于分析每個灰度值與噪聲相關還是與地物相關。然后根據(jù) DS證據(jù)理論融合規(guī)則，將各幅遙感圖像四個證據(jù)融合成一個整體，得到每幅遙感圖像各像素與噪聲相關或與地物相關總的證據(jù)。接著利用

6、DS證據(jù)理論將多時相遙感圖像的多個證據(jù)合成，得到最終結論。最后根據(jù)所得的結論與決策規(guī)則，對遙感圖像進行去噪處理。實驗結果表明，該算法在高斯噪聲去除、圖像邊緣保持等方面優(yōu)于傳統(tǒng)的單幅遙感圖像去噪算法，圖像方差、信噪比和視覺效果方面都有所改進。
　?。?）提出了基于DS證據(jù)理論的多時相遙感圖像融合去除云噪聲的方法，根據(jù) DS證據(jù)理論的基本原理，為獲取證據(jù)的基本概率分配，設計兩個云噪聲檢測模型，分別依據(jù)灰度統(tǒng)計值變化和頻域信息變化。首先

7、將多時相遙感圖像按同樣的標準分割成若干小區(qū)域，每個小區(qū)域按照以上兩個模型，判斷每個區(qū)域與云相關還是與地物相關。然后根據(jù) DS證據(jù)理論合成規(guī)則，將各幅遙感圖像兩個證據(jù)融合成一個整體，得到每幅遙感圖像各小區(qū)域與云相關或與地物相關總的證據(jù)。接著利用 DS證據(jù)理論將多時相遙感圖像的多個證據(jù)合并，得到最終結論。最后根據(jù)所得的結論與決策規(guī)則，對遙感圖像進行融合去云。實驗結果表明，該算法在云噪聲去除方面，通過利用有效互補信息，得到了信息更加豐富的圖像