一种光学遥感图像的快速降噪去霾算法.docx

一种光学遥感图像的快速降噪去霾算法 本文提出了一种快速降噪去霾算法，旨在解决光学遥感图像中的噪声和雾霾问题。该算法将降噪和去霾结合，使用两级粗糙配准来提高配准速度，并使用配准结果直接对配准质量进行评价，代替独立评估函数。同时，算法还使用高斯平滑来代替精细化运算，减少了计算资源的开销。 在现代遥感技术中，光学遥感图像已经在资源勘探、灾害预警、气候变化研究等领域发挥着越来越重要的作用。然而，在传输过程和成像过程中，光学遥感图像都会产生失真，主要原因是噪声和雾霾。噪声主要来自光子噪声、热噪声和量化噪声等，而雾霾会削弱来自地表景物的光线，影响成像质量。 对加性高斯噪声的降噪方法可以分为单帧降噪和多帧降噪。多帧融合降噪效果比单帧降噪更好，因为多帧包含的信息量更大。近年来，去霾算法也有了许多研究进展，例如暗通道先验法、边界约束正则化方法、快速可见性恢复算法等。 本文提出的算法架构分为三部分：预处理、降噪和去霾。预处理阶段，计算图像的离散拉普拉斯结果，截取最大帧的中心部分作为参考帧，其他帧为配对帧。降噪阶段，使用基于权值函数的融合降噪方法，首先依次在全局和局部两个尺度搜索参考帧在匹配帧中的配准结果，再对配准误差、参考帧锐度和匹配帧锐度进行评估，得到权值函数完成融合降噪。去霾阶段，对雾霾模型中的大气亮度和透射强度进行估计，生成透射率模版完成去霾。 本文还讨论了基于块的两级粗糙匹配算法，使用绝对误差和相位相关匹配来提高配准速度和精度。实验结果表明，算法有较好的降噪和去霾效果，运行速度相比其他传统算法有明显的优势。 本文提出的快速降噪去霾算法能够有效地解决光学遥感图像中的噪声和雾霾问题，提高图像质量和计算效率，具有重要的理论和实践价值。