CN104820975A - 一种同步卫星山火监测弱信号分层去噪方法 - Google Patents

Abstract

本发明公开了一种同步卫星山火监测弱信号分层去噪方法，属于同步卫星数字信号处理领域。本方法包括：(1)将卫星信号读入二维数字矩阵；(2)利用Roberts算子提取信号主体轮廓；(3)通过自适应空间滤波消除椒盐噪声；(4)通过小波分解与重构消除高斯噪声；(5)进行信号合成，输出去噪后的卫星信号。通过理论模型及实际卫星数据测试，本方法去噪效果明显，具有较强的针对性。

Description

一种同步卫星山火监测弱信号分层去噪方法

技术领域

本发明属于电力系统防灾减灾技术领域，具体涉及一种同步卫星山火监测弱信号分层去噪方法。

背景技术

山火灾害严重威胁到电网安全稳定运行。同步卫星山火监测卫星运行轨道高，采用主动通信方式传输功率有限，信号易衰减，噪声影响大，严重影响到山火识别准确性。地面接收装置在进行火点识别前需进行弱信号去噪处理。山火监测弱信号噪声主要包括高斯噪声、泊松噪声、椒盐噪声、斑点噪声等多种类型。噪声有效功率大且频谱分布范围广，对弱信号的掩盖程度高。当前主要去噪方法包括基于傅里叶变化和基于小波分解两类方法。傅里叶变换算法在降噪和保持边沿上存在着矛盾，无法同时表述信号时频局部化特性，而小波分解方法虽具有时频局部化分析特性，在处理含有脉冲噪声的图像数据时效果并不理想。只有根据不同噪声特点选择对应的去噪方法，才能实现较好的弱信号去噪效果。

发明内容

本发明的目的在于解决上述现有技术中存在的难题，提供一种同步卫星山火监测弱信号分层去噪方法，利用不同类型信号噪声的特点，改进传统单一去噪模式，对噪声进行分层处理，显著提升去噪效果。

为实现上述目的，本发明的技术方案如下：

一种同步卫星山火监测弱信号分层去噪方法，包括如下步骤：

(1)将卫星信号读入二维阵列矩阵，表示为f(i,j)，i,j∈[1,N]；

(2)通过Roberts算子提取信号主体轮廓；

(3)将信号主体轮廓从原始信号中分离出来，通过自适应中值滤波算法对轮廓分区进行去噪，消除椒盐噪声；

(4)对步骤(3)得到的分区滤波信号通过二维小波分解与重构，消除高斯噪声；

(5)将步骤(2)得到的信号主体轮廓与步骤(3)到步骤(4)得到的分区滤波信号进行信号合成，得到最终输出信号。

优选地，步骤(2)是使用下面的Roberts算子进行提取信号主体轮廓：对每一个信号点计算其梯度G(i,j)，对不同信号点梯度大小进行比较，将梯度超过门限值的信号点视为阶跃边缘点，获取信号主体轮廓。

优选地，步骤(3)是使用下面的自适应空间滤波方法消除椒盐噪声：首先初始化矩形窗口S_ij，在滤波过程中适应滤波器将根据设定条件调整滤波窗的大小；当判断滤波窗中心的信号点是噪声时，该值用中值代替，否则不改变其当前信号值；通过自适应空间滤波的输出来替代目前滤波窗中心的坐标(i,j)处的信号值。

优选地，步骤(3)具体计算分为两步：

第一步：

M₁＝f_med-f_min

M₂＝f_med-f_max

其中f_med为矩形窗口内的中值；f_max，f_min分别为最大值和最小值；若M₁＞0且M₂＜0，则转入第二步，否则增加滤波窗S_ij的尺寸重复第一步；如果滤彼窗S_xy的大小达到S_max，则将f(i,j)作为输出值；

第二步：

N₁＝f(i,j)-f_min

N₂＝f(i,j)-f_max

如果N1>0且N2<0，输出f(i,j)，否则输出f_med。

优选地，步骤(4)是使用下面的Daubechies小波系消除高斯噪声，二维小波函数和尺度函数通过一维小波函数和尺度函数经过张量积变化得到。建立二维小波函数如下：

       $\left\{\begin{array}{c}{\mathrm{\&psi;}}_1(i,j)=\mathrm{\&psi;}\left(i\right)\&CircleTimes;\mathrm{\&xi;}\left(j\right)\\ {\mathrm{\&psi;}}_2(i,j)=\mathrm{\&psi;}\left(i\right)\&CircleTimes;\mathrm{\&xi;}\left(j\right)\end{array}\right.$

其中，ψ(i)为一维小波函数，ξ(j)为一维平滑函数。去噪后进行小波重构，得到小波重构信号。

优选地，步骤(5)使用以下方法进行信号合成：将步骤(2)得到的信号轮廓与步骤(3)到步骤(4)得到的分区滤波信号由上至下进行叠加，得到最终输出信号。

与现有技术相比，本发明的有益效果是：根据不同噪声的特点进行分层去噪，显著提高卫星弱信号信噪比，最大程度保留原始信号。

附图说明

图1为本发明实施例卫星弱信号去噪流程图。

具体实施方式

下面结合附图1对本发明作进一步详细描述。本发明为一种同步卫星山火监测弱信号分层去噪方法，具体实现步骤是：

第一步，接收原始图像信号，将其表示为二维数字矩阵，记为f(i,j)，i,j∈[1,N]。

第二步，通过Roberts边缘检验算子提取信号轮廓。Roberts算子通过计算对角线方向相邻两信号点之间的近似梯度幅值实现边缘检测。对数字图像f(i,j)的每一个像素点，计算其梯度值：

       $G(i,j)=\sqrt{{\&lsqb;{\&dtri;}_{x}f(i,j)\&rsqb;}^2-{\&lsqb;{\&dtri;}_{y}f(i,j)\&rsqb;}^2}$

其中

       ${\&dtri;}_{x}f(i,j)=f(i,j)-f(i-1,j)$

       ${\&dtri;}_{y}f(i,j)=f(i,j)-f(i,j-1)$

对不同信号点梯度大小进行比较，设定门限G₀，将G(i,j)＞G₀的信号点视为阶跃边缘点，对其进行二值化得到信号主体轮廓。

第三步，将主体轮廓从原始信号中分离出来，通过自适应中值滤波算法对轮廓分区进行去噪，消除空间密度大的椒盐噪声。自适应中值滤波使用一个矩形区域的窗口S_xy，在滤波过程中根据一定的设定条件改变(即增加)滤波窗的大小，同时当判断滤波窗中心的像素是噪声时，该值用中值代替，否则不改变其当前像素值。这样用滤波器的输出来替代(i,j)处(即目前滤波窗中心的坐标)的值。具体计算分为两步：

第一步：

M₁＝f_med-f_min

M₂＝f_med-f_max

其中f_med为矩形窗口内的中值；f_max，f_min分别为最大值和最小值。若M₁＞0且M₂＜0，则转入第二步。否则增加滤波窗S_ij的尺寸重复第一步。如果滤彼窗S_xy的大小达到S_max，则将f(i,j)作为输出值。

第二步：

N₁＝f(i,j)-f_min

N₂＝f(i,j)-f_max

如果N1>0且N2<0，输出f(i,j)，否则输出f_med。

第四步，通过小波分解与重构去除高斯白噪声。信号与噪声在小波域中对应系数极大值具有的不同传递性。反映噪声突变的极值点仅存于小尺度的细节系数中，随着尺度的增大，只有少数噪声的极大值传递下来。实验证明具有紧支集的Daubechies小波系基函数能够对不同的信号谱线特征进行边缘增强，具有良好的白噪声消除能力。

此处二维小波函数和尺度函数是通过一维小波函数和尺度函数经过张量积变化得到。建立二维小波函数如下：

       $\left\{\begin{array}{c}{\mathrm{\&psi;}}_1(i,j)=\mathrm{\&psi;}\left(i\right)\mathrm{\&xi;}\left(j\right)\\ {\mathrm{\&psi;}}_2(i,j)=\mathrm{\&psi;}\left(i\right)\mathrm{\&xi;}\left(j\right)\end{array}\right.$

其中，ψ(i)为一维小波函数，ξ(j)为一维平滑函数。去噪后进行小波重构，得到小波重构信号(重构是小波分解的逆过程)。

第五步，信号合成。卫星弱信号经分层滤波，最终信号输出时需要把多层信号合并成最终信号。将第二步得到的信号轮廓与第三到四步得到的分区滤波信号由上至下进行叠加，得到最终输出信号。

本发明属于电力系统防灾减灾技术领域，具体涉及一种同步卫星山火监测弱信号分层去噪方法。本发明的目的是根据同步卫星山火监测弱信号易受噪声影响的实际情况，采用分层方式对不同噪声设计针对性强的去噪方法，去噪效果要明显好于传统的单一去噪方式。

上述技术方案只是本发明的一种实施方式，对于本领域内的技术人员而言，在本发明公开了应用方法和原理的基础上，很容易做出各种类型的改进或变形，而不仅限于本发明上述具体实施方式所描述的方法。如Daubechies小波系是对一系列紧支集小波的总称，小波函数与尺度函数的有效支撑长度为2N-1。当N取2时便成为Haar小波。在实际应用中需根据不同条件下对参数设置及调整，因此前面描述的方式只是按类别进行参数，而并不具有具体限制性意义。

Claims (6)

1.一种同步卫星山火监测弱信号分层去噪方法，其特征在于，包括如下步骤：

(1)将卫星信号读入二维阵列矩阵，表示为f(i,j)，i,j∈[1,N]；

(2)通过Roberts算子提取信号主体轮廓；

(3)将信号主体轮廓从原始信号中分离出来，通过自适应中值滤波算法对轮廓分区进行去噪，消除椒盐噪声；

(4)对步骤(3)得到的分区滤波信号通过二维小波分解与重构，消除高斯噪声；

(5)将步骤(2)得到的信号主体轮廓与步骤(3)到步骤(4)得到的分区滤波信号进行信号合成，得到最终输出信号。

2.根据权利要求1所述的同步卫星山火监测弱信号分层去噪方法，其特征在于，所述步骤(2)是使用下面的Roberts算子进行提取信号主体轮廓：对每一个信号点计算其梯度G(i,j)，对不同信号点梯度大小进行比较，将梯度超过门限值的信号点视为阶跃边缘点，获取信号主体轮廓。

3.根据权利要求1所述的同步卫星山火监测弱信号分层去噪方法，其特征在于，所述步骤(3)是使用下面的自适应空间滤波方法消除椒盐噪声：首先初始化矩形窗口S_ij，在滤波过程中适应滤波器将根据设定条件调整滤波窗的大小；当判断滤波窗中心的信号点是噪声时，该值用中值代替，否则不改变其当前信号值；通过自适应空间滤波的输出来替代目前滤波窗中心的坐标(i,j)处的信号值。

4.根据权利要求3所述的同步卫星山火监测弱信号分层去噪方法，其特征在于，所述步骤(3)具体计算分为两步：

第一步：

M₁＝f_med-f_min

M₂＝f_med-f_max

其中f_med为矩形窗口内的中值；f_max，f_min分别为最大值和最小值；若M₁＞0且M₂＜0，则转入第二步，否则增加滤波窗S_ij的尺寸重复第一步；如果滤彼窗S_xy的大小达到S_max，则将f(i,j)作为输出值；

第二步：

N₁＝f(i,j)-f_min

N₂＝f(i,j)-f_max

如果N1>0且N2<0，输出f(i,j)，否则输出f_med。

5.根据权利要求1所述的同步卫星山火监测弱信号分层去噪方法，其特征在于，所述步骤(4)是使用下面的Daubechies小波系消除高斯噪声，二维小波函数和尺度函数通过一维小波函数和尺度函数经过张量积变化得到，建立二维小波函数如下：

$\left\{\begin{array}{c}{\mathrm{\&psi;}}_1(i,j)=\mathrm{\&psi;}\left(i\right)\&CircleTimes;\mathrm{\&xi;}\left(j\right)\\ {\mathrm{\&psi;}}_2(i,j)=\mathrm{\&psi;}\left(i\right)\&CircleTimes;\mathrm{\&xi;}\left(j\right)\end{array}\right.$

其中，ψ(i)为一维小波函数，ξ(j)为一维平滑函数，去噪后进行小波重构，得到小波重构信号。

6.根据权利要求1所述的同步卫星山火监测弱信号分层去噪方法，其特征在于，所述步骤(5)使用以下方法进行信号合成：将步骤(2)得到的信号主体轮廓与步骤(3)到步骤(4)得到的分区滤波信号由上至下进行叠加，得到最终输出信号。