高光谱图像条带噪声去除方法研究与应用

论文摘要

遥感图像在生成和传输过程中常常受到各种噪声源的干扰和影响而使图像质量变差。条带噪声在许多星载、机载多传感器和单传感器光谱仪成像中是一种很普遍的现象。条带噪声的出现严重影响了遥感数据的解译和信息提取,使其不能发挥应有的作用。不少学者已经提出了很多条带噪声去除算法,但这些算法多是针对某种条带噪声图像展开的,因而分别在条带去除效果、算法实现的简便性、算法应用的通用性和自适应性等方面具有一定的不足。针对这些方法的不足,本文主要针对高光谱图像条带噪声去除算法进行研究。具体研究了一些条带噪声去除方法,着重提出和讨论了利用平均值滤波法、多项式拟合滤波法、移动窗口滤波法结合矩匹配方法来近似恢复由入射辐射强度产生的均值分布,从而达到保持图像质量并有效去除图像条带噪声的目的。并对条带噪声去除前后图像质量做了定性定量的比较、评价。本文的主要贡献和创新之处如下:1)提出了基于平均值滤波的改进的矩匹配法,利用平均值滤波法结合矩匹配方法法来近似恢复由人射辐射强度产生的均值分布,从而达到保持图像质量并有效去除条带噪声的目的。此方法对图像地物类型的单一性和灰度分布的均匀性均无要求。2)提出了基于多项式拟合滤波的改进的矩匹配法,应用最小二乘法对原始图像的列均值和方差进行拟合,获得平滑滤波后的列均值和方差,用来代替传统矩匹配算法中“参考图像”的平均值和方差。此方法可使变化较缓和变化剧烈的数据,都获得良好的平滑效果。3)提出了基于移动窗口滤波的改进的矩匹配法,结合空域滤波思想,进行图像的滑动滤波,用滑动窗口所包含列均值和列方差的平均值来代替中心点的列均值和列方差。应用此方法一般不会发生图像灰度分布不均匀时应用矩匹配方法产生的失真,进行条带消除后各列灰度分布更符合自然地物的辐射分布,去条带后图像也最清晰。4)利用图像质量评价标准,对各种方法噪声去除效果进行比较和评价。通过实验、研究找出本文提出的改进的矩匹配法中去条带效果、原始图像信息保留等各方面综合评价最好的一种方法,应用于HJ-1-A卫星高光谱图像条带噪声去除中,并将其作为今后HJ-1-A卫星高光谱图像预处理推荐采用的方法。5)为了给大量的高光谱图像条带噪声去除带来方便,本文设计了高光谱图像条带噪声去除批处理算法,并用IDL进行了实现。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 研究的目的及意义
• 1.2 国内外研究现状
• 1.2.1 高光谱遥感研究现状
• 1.2.2 条带噪声去除方法研究现状
• 1.2.3 存在问题和不足
• 1.3 本文研究内容
• 第2章 高光谱图像条带噪声及IDL 语言介绍
• 2.1 高光谱图像介绍
• 2.2 高光谱成像光谱仪的工作原理
• 2.3 条带噪声的产生机理
• 2.4 HJ-1-A 卫星高光谱图像条带噪声的特性及分析
• 2.5 IDL 语言介绍
• 第3章 高光谱图像条带噪声去除方法研究
• 3.1 概述
• 3.2 空间域的条带噪声去除方法
• 3.2.1 直方图匹配方法
• 3.2.2 矩匹配法
• 3.2.3 改进的矩匹配法
• 3.3 变换域的条带噪声去除方法
• 3.3.1 基于傅立叶变换的条带噪声去除方法
• 3.3.2 基于小波变换的条带噪声去除方法
• 3.4 本文改进的矩匹配法
• 3.4.1 基于平均值滤波的改进矩匹配法
• 3.4.2 基于多项式拟合滤波的改进矩匹配法
• 3.4.3 基于移动窗口滤波的改进矩匹配法
• 3.5 小结
• 第4章 图像质量评价
• 4.1 图像质量评价标准
• 4.1.1 主观评价
• 4.1.2 客观评价
• 4.2 条带去除效果评价
• 4.2.1 目视对比去条带前后图像
• 4.2.2 去条带前后图像质量的改善
• 4.3 原始图像信息保留能力评价
• 4.3.1 去条带前后DN 值变化情况
• 4.3.2 去条带前后图像直方图对比
• 4.3.3 图像特征信息保留能力对比
• 4.3.4 列均值分布对比
• 4.4 实验结果分析与总结
• 第5章 高光谱图像条带噪声去除批处理算法的设计与实现
• 5.1 本文方法在HJ-1-A 卫星高光谱图像条带去除中的应用
• 5.2 批处理算法的设计与IDL 实现
• 第6章 总结与展望
• 致谢
• 参考文献
• 攻读学位期间发表的论文和参加的项目