基于小波变换的遥感图像降噪与融合技术的研究

论文摘要

遥感是在上世纪60年代初基于航空摄影技术发展起来的一门新兴技术。遥感图像作为遥感信息的载体,在其获取与传输的过程中不可避免的会引入噪声。改善遥感图像的质量就成为遥感图像处理的重要任务。而小波变换由于其具有多分辨分析的特性,在信号与图像处理、信号检测等方面得到广泛的应用。本文主要研究了小波分析在遥感图像降噪与融合方面的应用。本文对遥感与小波理论的相关知识进行了系统的研究与总结,介绍了遥感图像的特点及小波变换的相关理论。本文对遥感图像的处理过程主要分为三部分:一维数据降噪,二维图像降噪以及图像融合,重点研究了一维、二维遥感数据的降噪处理。在一维降噪中,本文对含白噪声和有色噪声的遥感数据分别进行处理。根据有色噪声的特点,在对传统的小波处理方式研究的基础上,采用了小波包和基于鲁棒估计的处理方式去除有色噪声,同时,提出区间分割算法对有色噪声进行分段降噪处理。其次,对二维降噪进行了深入研究,提出边缘恢复的降噪方法。该方法通过结合传统的图像降噪方式、小波变换降噪方式以及边缘检测技术,达到了对图像降噪同时保留边缘信息的目的。为了进一步提高图像处理的质量,本文对降噪后遥感图像进行融合处理。在处理中利用了二维降噪中的边缘恢复方式对融合后图像进行处理。同时,在一维降噪,二维降噪以及图像融合过程中,本文对小波变换中的小波基,阈值原则,分解层数的选择进行了研究。实验结果表明采用本文中所提出的处理方式可以更为有效的去除噪声,保留遥感图像边缘信息,达到更好的处理效果,改善图像质量。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景
• 1.1.1 遥感图像的定义及用途
• 1.1.2 遥感图像处理概述
• 1.1.3 遥感图像噪声的类型
• 1.2 研究意义
• 1.3 本文研究内容
• 1.4 本文结构
• 第二章 小波变换理论
• 2.1 连续小波变换
• 2.2 离散小波变换
• 2.3 小波变换的时频分析特性
• 2.4 多分辨分析
• 2.5 小波包分析
• 2.6 离散小波的快速算法——Mallat算法
• 2.7 小波基的选择
• 第三章 基于小波变换的一维遥感数据降噪
• 3.1 遥感图像处理整体框架
• 3.2 一维数据小波降噪
• 3.2.1 阈值降噪法的步骤
• 3.2.2 小波基的选定原则
• 3.2.3 阈值函数的选取原则
• 3.2.4 阈值原则的选取原则
• 3.2.5 分解层数的选择原则
• 3.3 基于小波变换的一维含白噪声遥感数据降噪处理
• 3.4 基于小波变换的一维含有色噪声遥感数据的处理
• 3.4.1 对于含白噪声的数据的处理方式对有色噪声的处理效果
• 3.4.2 基于小波包降噪处理
• 3.4.3 基于鲁棒估计的降噪处理
• 3.4.4 基于区间划分算法的降噪处理
• 第四章 基于小波变换的二维遥感图像降噪
• 4.1 传统的图像去噪方式
• 4.1.1 邻域平均滤波法
• 4.1.2 频域滤波
• 4.1.3 中值滤波
• 4.2 小波图像降噪
• 4.2.1 二维离散小波变换
• 4.2.2 基于小波变换的图像降噪技术
• 4.3 基于边缘恢复的遥感图像降噪处理
• 4.3.1 边缘检测
• 4.3.2 边缘恢复的降噪方法
• 第五章 基于小波变换的图像融合
• 5.1 图像融合的三个层次
• 5.1.1 像素级图像融合
• 5.1.2 特征级图像融合
• 5.1.3 决策级图像融合
• 5.2 小波变换的图像融合
• 5.2.1 基于小波变换的图像融合的步骤
• 5.2.2 基于小波变换的图像融合的融合规则
• 5.2.3 小波融合中分解层数与小波基的选择
• 5.3 边缘恢复的图像融合方法
• 第六章 总结和展望
• 6.1 总结
• 6.2 展望
• 参考文献
• 发表论文和参加科研情况说明
• 致谢