[发明专利]一种遥感图像斑点噪声消除方法及系统

说明书

本发明公开了一种遥感图像斑点噪声消除方法及系统，包括对所获取的遥感图像进行NSCT分解；在每一个分解尺度上，计算图像每一个位置像素点在该尺度各个方向子带系数上的最大值和最小值差值，得到该尺度上所有位置处的方向子带系数的差值矩阵；对差值矩阵做统计直方图，计算出每个尺度上的阈值；对于所有的尺度，当某一尺度上某一位置处像素点的各方向子带系数最大最小差值大于该尺度上的阈值时，将该尺度上所有方向子带系数在此位置的值视为目标系数值保留，否则置0；对所有尺度上处理过的目标系数进行NSCT逆变换，得到消噪后图像并输出。本发明能够从斑点噪声干扰严重的遥感图像中对微弱的目标进行消噪并较好的保留纹理边缘细节。

技术领域

本发明属于遥感图像分析处理领域，尤其涉及一种遥感图像斑点噪声消除方法及系统。

背景技术

遥感图像作为一种重要的信息渠道已经被广泛应用于现代农业、生态环境、气候变化以及军事活动等众多领域。遥感技术的迅速发展极大的提高了遥感图像的数量和质量，利用遥感图像可以对地球表面的物体进行分析描述，这对通过自动分析和理解卫星或航空遥感图像进行目标检测提出了强烈的要求。目标检测在图像判读中占据至关重要的作用，然而因为遥感图像在获取过程中受到气候、环境的影响以及遥感设备的限制，其成像中会产生斑点噪声以及其它的干扰信息，所以消除斑点噪声是遥感应用的非常重要的一个步骤，。

按照传感器的类型划分，遥感图像主要包括可见光图像、热红外图像以及SAR(合成孔径雷达)图像等。噪声是影响遥感图像质量的主要因素之一。光学遥感图像容易受到气候及其它环境因素的影响，从而产生斑点噪声。SAR属于微波探测，有X波段、L波段、P波段等频段以及几种极化方式，可以根据探测目标的频谱性质进行选择，其显著优点是不易受天气状况的影响，可以在各种环境下长时间使用。然而由于SAR是主动式侧视雷达系统，其成像的机理造成原始SAR图像存在相干斑噪声，影响了SAR图像的质量。随着红外探测器的灵敏度提高，利用红外遥感图像探测目标获得广泛应用。但是外界环境的随机干扰以及热成像系统的不完善使得红外图像的信噪比较低，对比度差，产生的斑点噪声模糊了部分的边缘细节，特别对于红外弱小目标的检测，斑点噪声的影响则更大。

为解决上述问题，在对遥感图像进行边缘提取、区域分割及目标检测前，需要进行消除斑点噪声的预处理，以提升目标对比度，提高遥感图像目标的检测效率。

常用的遥感图像去噪预处理方法主要包括：基于图像空域局部统计特性的Lee滤波、Kuan滤波、Frost滤波，基于小波分析的去噪方法，以及基于多尺度几何分析变换的方法。遥感图像较难以准确的统计特性描述，使得经过空间局部统计特性滤波方法处理后的图像斑点噪声消除不彻底或者过度而导致边缘的模糊。根据小波变换进行处理的方法在遥感图像去噪效果上虽然取得一定程度的提高，但是存在一些明显的不足。二维小波变化并不能充分利用遥感图像的几何特征及方向性，所以不能够准确的区分边缘和斑点噪声。一些基于多尺度几何分析的方法应用于遥感图像斑点噪声的消除，诸如脊波变换阈值去噪、曲波变换阈值去噪、轮廓波变换阈值去噪、非下采样轮廓波变换阈值去噪、条带波变换阈值去噪等，其中阈值的计算通常使用Donoho通用阈值方法，还有根据多尺度几何分析尺度间和尺度内相关性的去噪方法。Donoho阈值方法为粗略的估计噪声方差而后进行去噪，准确性和适用性较差。多尺度几何分析尺度间相关性抑噪方法由于各尺度系数的特征以及父、子尺度传承中的因素，单纯依靠父、子尺度间对应位置系数相乘后的归一化量作为相关量尚不能确切的描述尺度间系数的关系，所以抑噪结果中存在细节信息模糊丢失的问题。

发明内容

本发明要解决的技术问题是怎样在较好消除遥感图像的斑点噪声同时保持目标的纹理边缘信息，提供了一种遥感图像斑点噪声消除方法及系统。

为解决该问题，本发明所采用的技术方案是：

一种遥感图像斑点噪声消除方法，包括以下步骤：

步骤1：对所获取的遥感图像进行遥感图像NSCT变换域分解；