基于不同小波变换与同态滤波结合的 CBERS-02B卫星CCD图像的薄云去除 (2012年)

卫星CCD图像的去云处理对遥感信息的增强与提取有重要的意义，尤其是在云覆盖严重的低纬度地区。为去除CBERS-02B卫星CCD图像中薄云的影响，分别使用Mallat和àtrous2种小波变换对图像进行分解；利用同态滤波对2种小波分解图像的低频系数进行处理，衰减其低频信息；将处理后的小波低频系数与分解的高频系数进行小波重构，从而达到去云的目的。定量分析基于Mallat和àtrous小波变换结合同态滤波法的去云结果袁明，经àtrous小波变换结合同态滤波法的去云影像所包含信息量大，细节信息丰富，去云效果较好。 ### 基于不同小波变换与同态滤波结合的CBERS-02B卫星CCD图像的薄云去除 #### 知识点一：薄云去除的重要性及背景 - **背景**: 遥感技术是现代地理信息系统的重要组成部分，在环境监测、灾害评估、土地利用等多个领域发挥着关键作用。然而，云层遮挡一直是限制遥感图像质量的主要因素之一，特别是在低纬度地区，由于气候条件的影响，云层覆盖较为严重。 - **重要性**: 去除云层对于提高遥感图像的质量至关重要。它不仅能增强图像的清晰度，还能提高后续信息提取和分析的准确性。 #### 知识点二：小波变换在图像处理中的应用 - **小波变换**: 是一种时间-频率分析工具，它可以将信号分解成不同的频率成分，并在时间和频率两个维度上进行局部化分析。小波变换在图像处理中常用于特征提取、压缩以及噪声去除等任务。 - **Mallat小波变换**与**àtrous小波变换**: Mallat小波变换是一种多分辨率分析方法，适用于图像的分层表示。而àtrous小波变换则是一种非递归的多尺度变换方法，可以更好地保留图像边缘信息。 - **应用**: 在本文中，这两种小波变换被用来对CBERS-02B卫星CCD图像进行分解，通过分离出图像的不同频率成分，为后续的去云处理提供基础。 #### 知识点三：同态滤波及其在去云中的应用 - **同态滤波**: 是一种线性滤波技术，通常用于图像增强。它通过对图像的对数转换，将乘法操作转化为加法操作，从而使图像的亮度分布更加均匀。 - **原理**: 同态滤波首先对图像取对数，然后在频域内进行滤波，最后再进行逆对数转换得到处理后的图像。 - **在去云中的应用**: 本研究中，同态滤波被用来处理由小波变换得到的低频系数，以衰减这些系数中的低频信息。这样做的目的是减少云层的影响，因为云层往往表现为图像中的低频部分。 #### 知识点四：实验方法与结果分析 - **实验步骤**: 1. 使用Mallat和àtrous两种小波变换对CBERS-02B卫星CCD图像进行分解。 2. 对分解出的低频系数应用同态滤波，以衰减低频信息。 3. 将处理后的低频系数与原始的高频系数进行小波重构，以达到去云的效果。 - **结果分析**: - 定量分析表明，采用àtrous小波变换结合同态滤波的方法能够获得更好的去云效果。 - 处理后的图像包含了更多的信息量，细节信息也更加丰富。 - 通过熵和标准差等指标评估，这种方法在保持图像细节的同时有效去除了云层。 #### 结论 通过结合使用àtrous小波变换和同态滤波技术，可以有效地去除CBERS-02B卫星CCD图像中的薄云，进而提高遥感图像的可用性和分析精度。这一方法不仅为低纬度地区的遥感应用提供了有力的技术支持，也为其他类似问题的解决提供了有价值的参考。