CN107610074B - 一种提高遥感图像质量的方法 - Google Patents
一种提高遥感图像质量的方法 Download PDFInfo
- Publication number
- CN107610074B CN107610074B CN201710816580.5A CN201710816580A CN107610074B CN 107610074 B CN107610074 B CN 107610074B CN 201710816580 A CN201710816580 A CN 201710816580A CN 107610074 B CN107610074 B CN 107610074B
- Authority
- CN
- China
- Prior art keywords
- image
- frequency sub
- band
- remote sensing
- filtering
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Image Processing (AREA)
Abstract
本发明实施例提供了一种提高遥感图像质量的方法,其包括:S1、利用非下采样剪切波变换对原始遥感图像和直方图均衡化后的遥感图像进行分解,得到各自的低频子带和高频子带;S2、对直方图均衡化后的低频子带进行PM滤波;对原始图像的高频子带进行旋转阈值去噪,然后进行引导滤波;S3、对处理后的低频子带和高频子带进行非下采样剪切波逆变换。本发明的技术方案具有以下有益效果是:将PM滤波用于低频子带,引导滤波用于高频子带,提出一种基于非下采样shearlet变换的遥感图像新算法。通过对非下采样剪切波变换阈值的处理,对大程度的滤除噪声,再经引导滤波过程,增强图像的细节信息,提高图像清晰度,增强图像的抗噪性。
Description
技术领域
本发明涉及图像处理技术领域,具体的说涉及一种利用非下采样剪切波变换及引导滤波技术提高遥感图像质量的方法。
背景技术
随着遥感图像的广泛的应用在各个领域,如军事、地质和天文学等,高质量遥感图像的需求迅速增加。但遥感图像的获取中,受传感器和环境等因素的干扰,部分图像会出现视觉效果差、纹理信息不明显、对比度低等问题。严重影响了人们获取信息的快速性和准确性。所以图像增强作为图像预处理的主要步骤之一尤为重要。
发明内容
鉴于以上所述的技术问题,本发明实施例提供了一种提高遥感图像质量的方法,利用非下采样剪切波变换及引导滤波,实现了提高遥感图像质量和去噪的目的。
本发明实施例提供了一种提高遥感图像质量的方法,其包括:
S1、利用非下采样剪切波变换对原始遥感图像和直方图均衡化后的遥感图像进行分解,得到各自的低频子带和高频子带;
S2、对直方图均衡化后的遥感图像分解得到的低频子带进行PM滤波;对原始遥感图像分解得到的高频子带进行旋转阈值去噪,然后对阈值去噪后的高频子带进行引导滤波;
S3、对处理后的低频子带和高频子带进行非下采样剪切波逆变换。
优选地,低频子带PM滤波选取的迭代次数为2次。
优选地,引导滤波的增强函数如下:
EI=ε(P-Q)+Q
其中P是待滤波图像;Q为滤波后图像,即平滑图像;ε是增强参数,其值的大小决定细节部分的清晰度,但同时也对噪声有影响。因此ε的取值很重要。
引导滤波增强参数选取ε=2.2。
本发明的技术方案具有以下有益效果是:将PM滤波用于低频子带,引导滤波用于高频子带,提出一种基于非下采样shearlet变换的遥感图像新算法。通过对非下采样剪切波变换阈值的处理,对大程度的滤除噪声,再经引导滤波过程,增强图像的细节信息,提高图像清晰度,增强图像的抗噪性。
具体实施方式
下面将详细描述本发明的各个方面的特征和示例性实施例。在下面的详细描述中,提出了许多具体细节,以便提供对本发明的全面理解。但是,对于本领域技术人员来说很明显的是,本发明可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本发明的示例来提供对本发明的更好的理解。本发明决不限于下面所提出的任何具体配置和算法,而是在不脱离本发明的精神的前提下覆盖了元素、部件和算法的任何修改、替换和改进。在下面的描述中,没有示出公知的结构和技术,以便避免对本发明造成不必要的模糊。
然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的实施方式;相反,提供这些实施方式使得本发明更全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。
此外,所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中,提供许多具体细节从而给出对本发明的实施例的充分理解。然而,本领域技术人员将意识到,可以实践本发明的技术方案而没有所述特定细节中的一个或更多,或者可以采用其它的方法、组元、材料等。在其它情况下,不详细示出或描述公知结构、材料或者操作以避免模糊本发明的主要技术创意。
图像增强分为两大类:空域变化和频域变换。基于空域的增强方法是直接对图像的整体像素值进行处理,虽然提升了图像的整体亮度,但降低了图像的对比度,放大图像中的噪声,淹没了细节。空域变换有:直方图均衡化、多尺度Retinex等。小波变换是经典算法之一,具有很好的时域特性和多分辨率的特点,但其不能很好的表达方向信息。为了克服小波的有限方向性的缺点,提出了很多基于小波的多尺度变换,例如:曲波(curvelet)变换,轮廓波(contourlet)变换和Shearlet变换。非下采样shearlet变换解决了shearlet变换不具有平移不变性的问题,避免伪吉普斯现象。非下采样shearlet变换数学结构简单,具有更高的计算效率。非下采样剪切波变换具有多尺度、多方向和平移不变性,在高频中逐层细分,对高维几何结构具有接近最优的稀疏表示。
图像引导滤波是一种局部线性图像滤波器,在其实现平滑滤波的同时还能具有良好的边缘保持性能。滤波过程包含引导图像I,待处理图像P和处理后图像Q。其中I和P是可以相同的,二者都是灰度图像。引导滤波的关键是对于引导图像I和待处理图像P关于呈局部线性关系的假设。以像素点k为中心,r为半径的方形局部窗wk中,P是I的线性变换,即:
引导滤波的增强如下:
EI=ε(P-Q)+Q
其中P是待滤波图像;Q为滤波后图像,即平滑图像;ε是增强参数,其值得大小决定细节部分的清晰度,但同时也对噪声有影响。因此ε的取值很重要。
本发明实施例提供了一种提高遥感图像质量的方法,其包括:
S1、利用非下采样剪切波变换对原始遥感图像和直方图均衡化后的遥感图像进行分解,得到各自的低频子带和高频子带;
S2、对直方图均衡化后的遥感图像分解得到的低频子带进行PM滤波;对原始遥感图像分解得到的高频子带进行旋转阈值去噪,然后对阈值去噪后的高频子带进行引导滤波;
S3、对处理后的低频子带和高频子带进行非下采样剪切波逆变换。
优选地,低频子带PM滤波选取的迭代次数为2次。
优选地,引导滤波的增强函数如下:
EI=ε(P-Q)+Q
其中P是待滤波图像;Q为滤波后图像,即平滑图像;ε是增强参数,其值的大小决定细节部分的清晰度,但同时也对噪声有影响。因此ε的取值很重要。
引导滤波增强参数选取ε=2.2。
本发明的技术方案具有以下有益效果是:将PM滤波用于低频子带,引导滤波用于高频子带,提出一种基于非下采样shearlet变换的遥感图像新算法。通过对非下采样剪切波变换阈值的处理,对大程度的滤除噪声,再经引导滤波过程,增强图像的细节信息,提高图像清晰度,增强图像的抗噪性。
本领域技术人员应能理解,上述实施例均是示例性而非限制性的。在不同实施例中出现的不同技术特征可以进行组合,以取得有益效果。本领域技术人员在研究说明书及权利要求书的基础上,应能理解并实现所揭示的实施例的其他变化的实施例。
Claims (2)
1.一种提高遥感图像质量的方法,其包括:
S1、利用非下采样剪切波变换对原始遥感图像和直方图均衡化后的遥感图像进行分解,得到各自的低频子带和高频子带;
S2、对直方图均衡化后的遥感图像分解得到的低频子带进行PM滤波;对原始遥感图像分解得到的高频子带进行旋转阈值去噪,然后对阈值去噪后的高频子带进行引导滤波;
S3、对处理后的低频子带和高频子带进行非下采样剪切波逆变换;
所述的引导滤波的增强函数如下:
EI=ε(P-Q)+Q
其中,P是待滤波图像;Q为滤波后图像,即平滑图像;ε是增强参数,其值的大小决定细节部分的清晰度,但同时也对噪声有影响;引导滤波增强参数选取ε=2.2。
2.如权利要求1所述的方法,其特征在于,
低频子带PM滤波选取的迭代次数为2次。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710816580.5A CN107610074B (zh) | 2017-09-12 | 2017-09-12 | 一种提高遥感图像质量的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710816580.5A CN107610074B (zh) | 2017-09-12 | 2017-09-12 | 一种提高遥感图像质量的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107610074A CN107610074A (zh) | 2018-01-19 |
CN107610074B true CN107610074B (zh) | 2020-06-16 |
Family
ID=61062800
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710816580.5A Active CN107610074B (zh) | 2017-09-12 | 2017-09-12 | 一种提高遥感图像质量的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107610074B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109242804A (zh) * | 2018-10-19 | 2019-01-18 | 华南理工大学 | 一种基于水平集曲率及小波变换的图像去噪方法 |
CN109360172A (zh) * | 2018-11-06 | 2019-02-19 | 昆明理工大学 | 一种基于剪切波变换和具有方向性局部维纳滤波的图像去噪方法 |
CN110866883B (zh) * | 2019-11-29 | 2023-03-17 | 上海联影医疗科技股份有限公司 | 一种双能ct图像去噪方法、装置、终端及存储介质 |
CN111340726B (zh) * | 2020-02-26 | 2022-08-02 | 青海民族大学 | 一种基于监督性机器学习的图像辅助去噪方法 |
CN115187465A (zh) * | 2022-05-30 | 2022-10-14 | 中国矿业大学 | 基于nsct和图像匹配的浮选泡沫图像增强方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103295204A (zh) * | 2013-06-20 | 2013-09-11 | 河海大学常州校区 | 一种基于非下采样轮廓波变换的图像自适应增强方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103700075B (zh) * | 2013-12-25 | 2016-08-17 | 浙江师范大学 | 基于Tetrolet变换的多通道卫星云图融合方法 |
-
2017
- 2017-09-12 CN CN201710816580.5A patent/CN107610074B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103295204A (zh) * | 2013-06-20 | 2013-09-11 | 河海大学常州校区 | 一种基于非下采样轮廓波变换的图像自适应增强方法 |
Non-Patent Citations (3)
Title |
---|
Despeckling of ultrasound medical images using nonlinear adaptive anisotropic diffusion in nonsubsampled shearlet domain;Deep Gupta et al;《Biomedical Signal Processing and Control》;20141130;第14卷;第55-65页 * |
基于非下采样剪切波变换与引导滤波结合的遥感图像增强;吕笃良 等;《计算机应用》;20161010;第36卷(第10期);第2880-2884页 * |
改进的直方图均衡化和NSCT 变换的红外图像增强;曹美 等;《应用科技》;20160430;第43卷(第2期);第24-27页 * |
Also Published As
Publication number | Publication date |
---|---|
CN107610074A (zh) | 2018-01-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107610074B (zh) | 一种提高遥感图像质量的方法 | |
CN109636766B (zh) | 基于边缘信息增强的偏振差分与光强图像多尺度融合方法 | |
Babu et al. | PCA based image denoising | |
CN101847257A (zh) | 基于非局部均值与多级定向图像的图像降噪方法 | |
CN102663702A (zh) | 基于区域划分的自然图像去噪方法 | |
CN113191979B (zh) | 一种分区域sar图像非局部均值去噪方法 | |
CN111242854B (zh) | 一种图像去噪方法 | |
Shen et al. | Local thresholding with adaptive window shrinkage in the contourlet domain for image denoising | |
CN104182941A (zh) | 高光谱图像条带噪声去噪方法 | |
Jianhua et al. | A novel algorithm for threshold image denoising based on wavelet construction | |
Rakvongthai et al. | Statistical texture retrieval in noise using complex wavelets | |
CN105118043A (zh) | 一种烟田遥感图像增强算法 | |
CN104182944A (zh) | 基于曲波与小波变换相串联的光学图像去噪方法 | |
CN110738675B (zh) | 一种探地雷达图像边缘检测中去除伪影干扰的方法 | |
Wang et al. | An edge-preserving adaptive image denoising | |
CN112927169B (zh) | 一种基于小波变换和改进的加权核范数最小化的遥感影像去噪方法 | |
Vishnu et al. | Hyperspectral image denoising: A least square approach using wavelet filters | |
CN107563982A (zh) | 一种遥感图像增强方法 | |
Hazarika et al. | Sar image despeckling based on combination of laplace mixture distribution with local parameters and multiscale edge detection in lapped transform domain | |
Zhang et al. | Image denoising using local adaptive layered Wiener filter in the gradient domain | |
Liang et al. | Self-adaptive spatial image denoising model based on scale correlation and SURE-LET in the nonsubsampled contourlet transform domain | |
Kaur et al. | Study of Image Enhancement Techniques in Image Processing: A | |
Hazavei et al. | A new method for removing the moire'pattern from images | |
Budhiraja et al. | Infrared and visible image fusion based on sparse representation and spatial frequency in DTCWT domain | |
Zhao et al. | An improved Roberts edge detection algorithm based on mean filter and wavelet denoising |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |