论文研究-基于HIS和小波变换的遥感图像云雾去除的研究 .pdf

所需积分/C币:9 2019-08-19 14:02:57 464KB .PDF
27
收藏 收藏
举报

基于HIS和小波变换的遥感图像云雾去除的研究,张晖,袁雪,由于气象条件的不同,在实际的卫星遥感成像过程中,区域性的云雾是经常存在的。它们使得图像模糊不清,降低了图像的理解度和分辨
国武技论文在线 观察含云雾的遥感图像,可以发现相对于其它区域云雾区域的亮度较高,对应于双锥体 的上半锥体的上部。因此可以利用这一特点对图像进行处理。图给出了经过正变换 得到的分量、分量和分量的图。从图中可以看出,云雾的信息主要在分量中体现。 因为 三个分量具有相互独立的特性,因此可以直接对分量进行处理,然后将处理 后得到的新分量与原始的分量和分量一起进行反变换,也即到变换,得 到处理后的图像。 原始图惊的H分量 原始图像的S分量 原始图像的分量 图原始图像的、、三分量图 多层小波变换 维离散小波变换是将维图像在不同的尺度上使用高通滤波器和低通滤波器在水平 和垂直两个方向上分别作用两次滤波,得到的分解结果为:近似分量、水平细节分量、 垂直细节分量和对角细节分量。二维小波分解示意图如图所示 列 Lo D 1↓2 Lo D 241 Hi 水平细节分量 A LO D ↓2 垂直细节分量 Hi D Hi- D ↓2 D 刈角细节分量 图 维小波分解示意图 云雾噪声和地物信息的频率不同。在一幅含有云雾噪声的图像中,图像的背景信息的频 率最低,云雾噪声的频率次之,图像地物的细节信息频率最高。由图可知二维图像作多 层小波变换后,同一层的细节系数比近似系数频率高,低层的近似系数比高层的近似系数频 率高,最高层的近似系数频率最低,高层的细节系数频率低于低层细节系数。对图像进行 层小波分解,根据小波分解系数之间的频率关系:最层近似系数的频率最低,般包含图 像景物的背景信息和少量的云雾信息;较高层的节系数频率次之,含有原始图像中主要的 云噪声和部分景物信息;而低层的细节系数频率较高,主要包含图像景物的细节信息。因此 可以选取合适的分界层数,将其区分为高层细节系数和低层细节系数。若设分界层数为 国武技论文在线 则可以恰当的选取将云雾和景物信息尽量的分廾。这样低层细节系数中主要包含地物信 息,而高层细节系数中主要包含云雾噪声。 为了进一步提高景物的对比度,在将各部分系数重构之前,先对低层细节系数设定一个 大于的权重,对高层细节系数设定一个小于的权重,这样可以使图像的细节更突出,更 好的抑制云雾噪声。对于低频近似系数,可以设定一个小于或等于的权重,以减小可能存 在的小部分云雾噪声的影响。 对的分量进行多层小波变换 通过以上分析可知,遥感图像中的云雾具有以下特点高亮度、低对比度、低频因此 薄云去除的主要方法就是降低云层的亮度増强对比度,滤掉低频信息。所采用的去云流程 读 H 与s对各 H 入 保持,层小 皮系 果 正 里进行数进重反图 图 层小|行处构-变像 换 波分解理 换 图去云流程 )读入遥感图像,进行正变换。得到分量、分量和分量。 )与保持不变,对分量进行层小波分解。选择合适的小波分解层数,以使 厶雾信息与地物细节信息尽量分廾 )对各层小波系数进行处理。通过分析分解后的频率信息的分布情况,选择合适的分 界层数m将小波系数划分为底层细节系数部分和高层细节系数部分。对于近似系数 设置一个稍小于的权重,这样既可以弱化存在的部分云雾信息的影响,又可以较 好的保留背景信息。对于高层细节系数设置小于的权重,以抑制云雾噪声。对低 层细节系数设置大于的权重,以突出地物细节信息。因为各层包含的噪声信息和 细节信息的信息量不同,越是高层噪声信息越多,细节信息却相对较少,越是低层 细节信息越突出,而噪声信息越少。因此对各层系数所设的权重也不尽相同。本文 中使用的方法是对于高层细节系数设置的权重为(其中 ),低层细节 系数设置的权重为 (其中 )小波重构。将处理好的系数进行层小波重构,得到新的分量 反变换。将得到的新分量与原来的分量和分量进行反变换,得到结 果图像。 图像评价指标 本文采用均值、标准差和熵来作为图像质量的客观评价指标。 )均值 均值表示图像中所有像素的平均灰度,均值符号用来表示,计算公式为 ∑∑() 其中, 分别表示图像的行和列, )表示坐标()处的灰度值 国武技论文在线 )标准差 标准差反映了图像的细节信息,佰越大表示图像细节越突出,用符号表示。 ∑∑[()-」 )熵 熵的值反映了图像的信息含量,其值越大信息越丰富,熵的符号用衣示,计算公 式为 其中,为像素灰度级出现的慨率。 实验及结果分析 本文使用的 的 卫星拍摄于年月口的灵顿遭受飓风 艾琳的遥感影像。采用的是小波,小波分解层数分别为,分界层数分别为 实验结果如下表 表小波分解层数为时不同分界层数的评价指标值 原图m=6n=2m=6n=3m=6n=4m=6n=5m=6n=6 均值 标准差 表小波分解层数为时不同分界层数的评价指标值 原图 m=7n=2 m=7,n=3 m=7n=5 m=7n=6 均值 示准差 表小波分解层数为时不同分界层数的评价指标值 原图 8n=2 8n=3 m 8n=5 8n=6 均值 标准差 由上面的三个表可以看出,当 时,处理后的图像的熵最大,表明处理后的图 像信息量丰富,而其标准差乜比较理想,说明图像细节比较突岀ε所有处理后图像的均值都 降低了,这是去云雾后的表现。综合比较当 时去云雾效果最好。去云雾前后的对 比图,如图所示 国武技论文在线 原始囝像 处理后图像 图去云前后对比图 从上图可以看岀,云雾去除的效果较好,薄云基本去除,厚云也变薄,地面细节信息恢 复较好,整幅图像的细芍信息损失较少。 为了验证本文方法的有效性,又分别选择了 卫星拍摄的灵顿遭受飓风艾琳 的遥感影像和资源三号刂星拍摄的福岛核电站的遥感影像进行试验。试验结果如图图 所示。 原始图像1 处理后图像1 图灵顿遭受飓风艾环的遥感影像去云前后对比图 原始囝像2 处理后图像2 图福岛核电站的遥感影像去云前后对比图 表 时处理前后图像的评价指标值 Original New1 Original New2 均值 标准差 结论 本文针对遥感图像中的云雾具有高亮度、低对比度、低频的特点,提出的算法能有效的 去除遥感图像中存在的云雾。通过实验发现,当分解层数为分界层数为时,处理后的图 像的熵最大,说明图像信息比较卡富。而标准差也比较理想,说明图像的细节信息比较突出。 整体来看,处理后的图像,厶雰有效的去除了,厶雾下覆盖的地物信息业能较好的恢复,图 国武技论文在线 像的整体细节损失较少 致谢 感谢教育部博士点基金( )的支持与帮助。 参考文献 李小春王勇陈鲸多光谱图像中厶层及阴影的检测与消除宇航学报, 江兴方遥感图像去云方法的研究及其应用南京:京理工大学, 李刚杨武年翁韬一种基于同态滮波的遥感图像薄云去除算法测绘科学, 数字图像处理(版)阮秋琦,阮宇智等译北京电子工业出版 飞思科技产品研发中心小波分析理论与 实现北京电子工业出版社

...展开详情
试读 7P 论文研究-基于HIS和小波变换的遥感图像云雾去除的研究 .pdf
立即下载 低至0.43元/次 身份认证VIP会员低至7折
一个资源只可评论一次,评论内容不能少于5个字
您会向同学/朋友/同事推荐我们的CSDN下载吗?
谢谢参与!您的真实评价是我们改进的动力~
关注 私信
上传资源赚钱or赚积分
最新推荐
论文研究-基于HIS和小波变换的遥感图像云雾去除的研究 .pdf 9积分/C币 立即下载
1/7
论文研究-基于HIS和小波变换的遥感图像云雾去除的研究 .pdf第1页
论文研究-基于HIS和小波变换的遥感图像云雾去除的研究 .pdf第2页

试读结束, 可继续读1页

9积分/C币 立即下载 >