CN108596850A - 一种成像光谱仪条带噪声去除方法 - Google Patents
一种成像光谱仪条带噪声去除方法 Download PDFInfo
- Publication number
- CN108596850A CN108596850A CN201810368422.2A CN201810368422A CN108596850A CN 108596850 A CN108596850 A CN 108596850A CN 201810368422 A CN201810368422 A CN 201810368422A CN 108596850 A CN108596850 A CN 108596850A
- Authority
- CN
- China
- Prior art keywords
- image
- wavelet
- uproar
- detail component
- component
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000003384 imaging method Methods 0.000 title claims abstract description 15
- 230000006872 improvement Effects 0.000 claims abstract description 25
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 12
- 230000009466 transformation Effects 0.000 claims abstract description 6
- 101000911390 Homo sapiens Coagulation factor VIII Proteins 0.000 claims abstract description 3
- 102000057593 human F8 Human genes 0.000 claims abstract description 3
- 229940047431 recombinate Drugs 0.000 claims abstract description 3
- 239000012141 concentrate Substances 0.000 claims description 4
- 238000001228 spectrum Methods 0.000 description 10
- 230000003595 spectral effect Effects 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- VMXUWOKSQNHOCA-UKTHLTGXSA-N ranitidine Chemical compound [O-][N+](=O)\C=C(/NC)NCCSCC1=CC=C(CN(C)C)O1 VMXUWOKSQNHOCA-UKTHLTGXSA-N 0.000 description 1
- 238000005316 response function Methods 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种成像光谱仪条带噪声去除方法,包括:使用小波基函数Haar,结合分解公式对待除噪波段图像进行一定次数的二维离散小波分解;在长波段选取条带噪声符合要求的图像作为基准图像,对基准图像做与待除噪波段图像相同次数的二维离散小波分解;对基准图像二维离散小波分解后得到的垂直细节分量进行直方图匹配,再替换至同维度的待除噪波段图像二维离散小波分解后得到的垂直细节分量;对垂直细节分量替换结果通过小波逆变换重组,完成除噪。该方法可以在消除条带噪声的同时,最大限度保留图像的原始信息。
Description
技术领域
本发明涉及光谱图像处理技术领域,尤其涉及一种成像光谱仪条带噪声去除方法。
背景技术
成像光谱仪是20世纪80年代开始在多光谱遥感成像技术的基础上发展起来的,它以高光谱分辨率获取景物或目标的高光谱图像,通过内部的色散元件,可以同时获取目标空间维和光谱维的信息,达到“图谱合一”的效果。由于成像光谱仪高光谱分辨率的巨大优势,在空间对地观测的同时获取众多连续波段的地物光谱图像,达到从空间直接识别地球表面物质的目的,成为遥感领域的一大热点,正在成为当代空间对地观测的主要技术手段。
条带噪声是常出现于高光谱影像数据的一种带状噪声,一般具有周期性和方向性的特点。条带噪声的产生原因是成像光谱仪中的各CCD器件光谱响应函数的不同而产生不同的输出,除此之外,工作环境和信号干扰等因素也会加剧条带噪声。条带噪声对影像的目视判读,光谱分析都会产生很大的影响,因此必须加以消除。
现有的条带噪声的消除方法主要有如下两种技术方案:
方案一:《高光谱图像中条带噪声去除方法研究》。该方案中条带噪声消除方法主要有直方图匹配法、矩匹配法及其改进方法等。直方图匹配法选取光谱仪的一个传感器产生的图像为参考图像,通过灰度直方图匹配的方法将其他传感器产生的图像与参考图像相匹配,达到消除条带噪声的目的;矩匹配法方法假设不同传感器对地物辐射特性均一,将各个传感器图像的均值和方差校准到一个参考传感器上,从而去除条带噪声。上述方案的缺点是:1、该方案只适用于进行几何校正前的高光谱图像,另外要求图像地物信息较简单,否则去条带效果较差。2、若图像较小或地物信息较复杂导致灰度分布不均匀,使用矩匹配法会破坏原始图像的光谱信息,且会沿垂直于CCD扫描的方向产生“带状效应”,造成图像失真。
方案二:《基于小波变换的图像条带噪声去除方法》。该方案中提出了基于小波置零方法来消除条带噪声。将图像进行多次二维离散小波变换,并将含有条带信息的高频分量直接置零,之后再利用重构函数将小波分量重构为原始图像达到除噪的目的。但是,该方案的缺点是会在去除条带的同时丢失大量的非噪声图像信息,降低图像清晰度,改变图像光谱特性。
发明内容
本发明的目的是提供一种成像光谱仪条带噪声去除方法,可以在消除条带噪声的同时,最大限度保留图像的原始信息。
本发明的目的是通过以下技术方案实现的:
一种成像光谱仪条带噪声去除方法,包括:
使用小波基函数Haar,结合分解公式对待除噪波段图像进行一定次数的二维离散小波分解;
在长波段选取条带噪声符合要求的图像作为基准图像,对基准图像做与待除噪波段图像相同次数的二维离散小波分解;
对基准图像二维离散小波分解后得到的垂直细节分量进行直方图匹配,再替换至同维度的待除噪波段图像二维离散小波分解后得到的垂直细节分量;
对垂直细节分量替换结果通过小波逆变换重组,完成除噪。
由上述本发明提供的技术方案可以看出,基于二维离散小波变换,通过同一光谱图像不同波段间小波分量互相替代的方法,有效地消除了条带噪声。本发明所提出方法的优点在于算法简单,除噪彻底,非噪声信息损失小。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他附图。
图1为本发明实施例提供的一种成像光谱仪条带噪声去除方法的流程图。
具体实施方式
下面结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明的保护范围。
图1为本发明实施例提供的一种成像光谱仪条带噪声去除方法的流程图,主要过程如下:
步骤1、使用小波基函数Haar,结合分解公式对待除噪波段图像进行一定次数的二维离散小波分解。
本发明实施例中,使用如下分解公式对待除噪波段图像进行二维离散小波分解:
其中,sj、αj、βj、γj分别为分解后(即第j层)的低频小波系数、水平方向上的高频小波系数、垂直方向上的高频小波系数、对角方向上的高频小波系数;sj-1为分解前的第j-1层低频小波系数;h0、h1对应为低通滤波器、高通滤波器;k、m、l与i均为相应尺度下的小波参数。
通过二维离散小波分解后,得到近似分量cA1、水平细节分量cH1、垂直细节分量cV1和对角细节分量cD1。
图像的条带噪声集中于垂直细节分量,而不含噪声的有效信息集中于近似分量cA1。由于一次分解不能将条带噪声与有效信息完全分离,对近似分量cA1进行多次二维离散小波分解,直至得到完全不含条带噪声的近似分量cA1(n)。
步骤2、在长波段选取条带噪声符合要求的图像作为基准图像,对基准图像做与待除噪波段图像相同次数的二维离散小波分解。
本领域人员可以理解,条带噪声符合要求的图像通常是指条带噪声不明显的图像,具体的可以由相关工作人员根据经验或者实际情况来判定。
步骤3、对基准图像二维离散小波分解后得到的垂直细节分量进行直方图匹配,再替换至同维度的待除噪波段图像二维离散小波分解后得到的垂直细节分量。
本发明实施例中,在垂直细节分量替换过程中,若光谱图像所包含波段数量超过一定数值(即波段较多),可分多段进行替代,可最大程度保证图像原始信息不会增添或丢失。
步骤4、对垂直细节分量替换结果通过小波逆变换重组,完成除噪。
本发明实施例上述方案基于二维离散小波变换,通过同一光谱图像不同波段间小波分量互相替代的方法,有效地消除了条带噪声。本发明所提出方法的优点在于算法简单,除噪彻底,非噪声信息损失小。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例可以通过软件实现,也可以借助软件加必要的通用硬件平台的方式来实现。基于这样的理解,上述实施例的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明披露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求书的保护范围为准。
Claims (3)
1.一种成像光谱仪条带噪声去除方法,其特征在于,包括:
使用小波基函数Haar,结合分解公式对待除噪波段图像进行一定次数的二维离散小波分解;
在长波段选取条带噪声符合要求的图像作为基准图像,对基准图像做与待除噪波段图像相同次数的二维离散小波分解;
对基准图像二维离散小波分解后得到的垂直细节分量进行直方图匹配,再替换至同维度的待除噪波段图像二维离散小波分解后得到的垂直细节分量;
对垂直细节分量替换结果通过小波逆变换重组,完成除噪。
2.根据权利要求1所述的一种成像光谱仪条带噪声去除方法,其特征在于,所述二维离散小波分解的公式如下:
其中,sj、αj、βj、γj分别为分解后的低频小波系数、水平方向上的高频小波系数、垂直方向上的高频小波系数、对角方向上的高频小波系数;sj-1为分解前第j-1层的低频小波系数;h0、h1对应为低通滤波器、高通滤波器;k、m、l与i均为相应序列小波参数。
通过二维离散小波分解后,得到近似分量cA1、水平细节分量cH1、垂直细节分量cV1和对角细节分量cD1。
3.根据权利要求1或2所述的一种成像光谱仪条带噪声去除方法,其特征在于,
图像的条带噪声集中于垂直细节分量,而不含噪声的有效信息集中于近似分量cA1;
一次分解不能将条带噪声与有效信息完全分离,对近似分量cA1进行多次二维离散小波分解,直至得到完全不含条带噪声的近似分量cA1(n)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810368422.2A CN108596850A (zh) | 2018-04-23 | 2018-04-23 | 一种成像光谱仪条带噪声去除方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810368422.2A CN108596850A (zh) | 2018-04-23 | 2018-04-23 | 一种成像光谱仪条带噪声去除方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108596850A true CN108596850A (zh) | 2018-09-28 |
Family
ID=63614137
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810368422.2A Pending CN108596850A (zh) | 2018-04-23 | 2018-04-23 | 一种成像光谱仪条带噪声去除方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108596850A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109493295A (zh) * | 2018-10-31 | 2019-03-19 | 泰山学院 | 一种非局部哈尔变换图像去噪方法 |
CN110227968A (zh) * | 2019-05-16 | 2019-09-13 | 中国工程物理研究院激光聚变研究中心 | 基于小波变换的磁流变去除函数寄生条纹消除方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102063622A (zh) * | 2010-12-27 | 2011-05-18 | 天津家宇科技发展有限公司 | 基于小波和大津法的二维条码图像二值化方法 |
US20150316666A1 (en) * | 2014-05-05 | 2015-11-05 | The Board Of Trustees Of The Leland Stanford Junior University | Efficient Similarity Search of Seismic Waveforms |
CN105761231A (zh) * | 2016-03-21 | 2016-07-13 | 昆明理工大学 | 一种用于去除高分辨率天文图像中条纹噪声的方法 |
CN106504208A (zh) * | 2016-10-27 | 2017-03-15 | 西京学院 | 基于有序最小值与小波滤波的高光谱图像宽条带去除方法 |
-
2018
- 2018-04-23 CN CN201810368422.2A patent/CN108596850A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102063622A (zh) * | 2010-12-27 | 2011-05-18 | 天津家宇科技发展有限公司 | 基于小波和大津法的二维条码图像二值化方法 |
US20150316666A1 (en) * | 2014-05-05 | 2015-11-05 | The Board Of Trustees Of The Leland Stanford Junior University | Efficient Similarity Search of Seismic Waveforms |
CN105761231A (zh) * | 2016-03-21 | 2016-07-13 | 昆明理工大学 | 一种用于去除高分辨率天文图像中条纹噪声的方法 |
CN106504208A (zh) * | 2016-10-27 | 2017-03-15 | 西京学院 | 基于有序最小值与小波滤波的高光谱图像宽条带去除方法 |
Non-Patent Citations (3)
Title |
---|
孙蕾 等: "高光谱遥感图像的小波去噪方法", 《光谱学与光谱分析》 * |
张霞 等: "基于小波变换的图像条带噪声去除方法", 《遥感技术与应用》 * |
杨金中 等: "《矿山遥感监测理论方法与实践》", 30 September 2011, 测绘出版社 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109493295A (zh) * | 2018-10-31 | 2019-03-19 | 泰山学院 | 一种非局部哈尔变换图像去噪方法 |
CN109493295B (zh) * | 2018-10-31 | 2022-02-11 | 泰山学院 | 一种非局部哈尔变换图像去噪方法 |
CN110227968A (zh) * | 2019-05-16 | 2019-09-13 | 中国工程物理研究院激光聚变研究中心 | 基于小波变换的磁流变去除函数寄生条纹消除方法及装置 |
CN110227968B (zh) * | 2019-05-16 | 2020-08-21 | 中国工程物理研究院激光聚变研究中心 | 基于小波变换的磁流变去除函数寄生条纹消除方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Othman et al. | The applications of discrete wavelet transform in image processing: A review | |
Pourhadi et al. | A robust digital image watermarking scheme based on bat algorithm optimization and SURF detector in SWT domain | |
Mäkitalo et al. | Denoising of single-look SAR images based on variance stabilization and nonlocal filters | |
JP6387646B2 (ja) | グレースケール画像の処理方法及び装置 | |
CN104182939B (zh) | 一种医疗影像图像细节增强方法 | |
Goyal et al. | Noise Reduction in MR brain image via various transform domain schemes | |
CN108596850A (zh) | 一种成像光谱仪条带噪声去除方法 | |
CN109003233A (zh) | 一种基于自适应权重全变分模型的图像去噪方法 | |
CN107977944A (zh) | 一种估测npp遥感图像数据生成方法 | |
CN109472758A (zh) | 一种地震剖面图像纹理细节增强方法 | |
CN110807255A (zh) | 一种m通道联合时间顶点非下采样滤波器组的优化设计方法 | |
CN113204051B (zh) | 一种基于变分模态分解的低秩张量地震数据去噪方法 | |
CN111461999B (zh) | 一种基于超像素相似性测量的sar图像相干斑抑制方法 | |
Raj et al. | Denoising of medical images using total variational method | |
Ciocoiu | ECG signal compression using 2D wavelet foveation | |
Liang et al. | Wavelet frame based color image demosaicing | |
CN110490819A (zh) | 基于nsst和nlm滤波及硬阈值技术的图像去噪方法 | |
CN108830793B (zh) | 一种高分辨率遥感图像辐射重建方法 | |
CN113160069B (zh) | 一种基于图信号的高光谱图像去噪方法 | |
Bhonsle et al. | Medical Image De-Noising Using Combined Bayes Shrink and Total Variation Techniques | |
Kumar et al. | Analysis of Wavelet Denoising of a Colour ImageWith Different Types of Noises | |
Bhargava et al. | An Effective Method for Image Denoising Using Non-local Means and Statistics based Guided Filter in Nonsubsampled Contourlet Domain. | |
Li et al. | Super-resolution based on noise resistance deep convolutional network | |
Liu et al. | Non-Convex High-Order TV and ℓ 0-Norm Wavelet Frame-Based Speckle Noise Reduction | |
CN108876734B (zh) | 图像去噪方法、装置、电子设备及存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180928 |
|
RJ01 | Rejection of invention patent application after publication |