基于小波变换的遥感图像去噪与融合方法研究

论文摘要

TM遥感图像有丰富的光谱信息且价格相对低廉,因此得到了普遍关注和应用广泛。有关TM遥感图像的去噪及与融合的方法一直都是遥感应用学科领域研究的热点和重点。近些年来,各种去噪与融合方法都有应用:如频域中的基于傅里叶变换的低通滤波去噪方法;空间域的中值滤波、自适应滤波去噪方法;基于像素级融合的PCA变换融合法、IHS变换融合法、小波变换融合法、Brovey融合法、Pansharp融合法、Gram-schmidt融合法等。由于在空间域和时间域,小波变换对图像的高频和低频部分都可以自适应的达到高分辨率,因此近年来,小波变换在图像去噪、压缩等图像处理领域应用广泛。本文采用了基于小波变换的软阈值去噪方法去除TM图像中杂乱分布的噪声点和“天女散花”式的细小散碎图班;采用基于主成分变换结合小波变换融合方法和IHS变换结合小波变换融合方法融合TM多光谱图像和具有高空间分辨率的SPOT Pan波段图像。并从目视比较和数理统计分析两方面综合评价去噪和融合的结果。本研究取得的主要结论如下:（1）图像的二维小波分解具有多分辨率“金字塔形”结构,因此可以根据需要提取图像不同分辨率下（尺度下）的概貌低频分量和垂直、水平及对角三个方向的细节高频分量。图像的二维小波分解的这个特点就为从高分辨率图像中提取高频的地物细节信息和为从低分辨率图像中提取低频的地物概貌特征提供了条件。（2）基于小波变换的软阈值去除图像噪声的方法,在去除TM图像中噪声点和“天女散花”式散碎图班的同时,有效的保留了遥感图像中表现地物的细节信息,如河流、道路等线状目标、地物边缘等等,保持了图像的清晰度,为进一步进行图像的监督分类、分层分类或决策分类提供了基础条件。（3）主成分变换结合小波变换的融合方法使得融合图像在最大限度保留TM图像光谱信息的同时,基本上继承了SPOT全色波段图像中的与地物相关的细节信息。（4）无论是TM453假彩色合成方式还是TM432假彩色合成方式,IHS变换结合小波变换的融合方法使得融合图像在最大限度保留TM图像光谱信息的同时,大幅度的增加了空间分辨率,因此融合后的图像在清晰度和光谱保持度上都较为理想。

论文目录

• 摘要
• ABSTRACT
• 第一章 文献综述
• 1.1 研究的目的、意义
• 1.2 遥感图像去噪的现状及存在问题
• 1.3 遥感图像融合的现状及存在的问题
• 1.4 本文所做的主要工作
• 第二章 遥感图像的预处理
• 2.1 Landsat TM数据说明
• 2.2 遥感图像预处理
• 2.2.1 几何精校正
• 2.2.2 图像的拼接
• 2.2.3 图像的裁剪
• 2.3 小波变换的时频特性分析
• 2.3.1 一维连续小波变换的定义
• 2.3.2 小波变换的时频局部性
• 2.4 图像的二维小波多分辨率分解
• 2.4.1 二维二进正交小波变换
• 2.4.2 二维二进正交小波变换的多分辨率分析
• 2.5 本章总结
• 第三章 小波变换在遥感图像去噪中的应用
• 3.1 小波去噪原理概述
• 3.2 多尺度小波分解下信号细节部分与噪声部分的奇异性分析
• 3.3 基于小波变换的软阈值去噪算法
• 3.3.1 含噪信号小波分解
• 3.3.2 软阈值法调整高频小波系数
• 3.3.3 信号重构
• 3.3.4 评价去噪效果
• 3.4 去噪实验及去噪效果评价
• 3.4.1 试验一
• 3.4.2 实验二
• 3.4.3 实验三
• 3.4.4 实验四
• 3.5 本章结论
• 第四章 小波变换在遥感图像融合中的应用
• 4.1 遥感图像融合方法概述
• 4.2 融合评价指标说明
• 4.3 主成分变换结合小波变换的融合方法
• 4.3.1 主成分变换原理
• 4.3.2 融合原理及算法
• 4.3.3 融合实验
• 4.3.4 融合图像空间细节信息增强程度效果评价与分析
• 4.3.5 融合图像光谱信息保持程度效果评价与分析
• 4.4 IHS变换结合小波变换融合的方法
• 4.4.1 IHS变换原理
• 4.4.2 融合原理及算法
• 4.4.3 融合实验
• 4.4.4 融合图像空间细节信息增强程度效果评价与分析
• 4.4.5 融合图像光谱信息保持程度效果评价与分析
• 4.5 本章结论
• 第五章 结论与展望
• 5.1 结论
• 5.2 展望
• 参考文献
• 致谢
• 作者简介