基于小波的同態濾波算法處理太陽耀斑圖像

王鵬雅

摘 ?要：近年來對太陽耀斑的研究受到多數研究人員的青睞，但是在觀測時由于受到云物的遮擋，拍到的耀斑圖片需要經過一定的處理才能被用作研究。該文首先將太陽耀斑圖片轉換為可讀格式，構建了基于小波的同態濾波處理模型，經過處理后的圖像去云效果良好，而且可以較好地保證圖像原有樣貌。

關鍵詞：同態濾波 ?db4小波基函數 ?圖像重構 ?去云處理

中圖分類號：TP391 ? 文獻標識碼：A ? ? ? ? ?文章編號：1672-3791（2019）05（b）-0206-03

1 ?同態濾波法的原理

將太陽耀斑圖像經過傅里葉變換變得到其頻域，挑選需要的濾波器進行提取薄云集中的低頻部分，然后利用濾波器對其設置截止頻率，將云層剔除，將得到的頻率域增強背景，最后通過傅里葉反變換將圖像還原回至空間域，得到去除薄云的圖像[1]。

選用高斯高通濾波器截止頻率D=50時得到圖1。

由圖1可以比較明顯地看出，只做同態濾波處理會產生較為明顯的邊界效應，上圖（b）中太陽的邊界亮度有明顯的變高，并且在逐漸變白，十分影響對圖像的判讀。因此下面采用基于小波的同態濾波法進一步對圖像進行去云處理。

2 ?基于小波的同態濾波法

2.1 原理

小波變換和傅里葉變換比，小波變換的優勢在于，它可以更加深入地去了解圖像的空間域以及頻域的各種特性，它還有空間域以及頻率域的“變焦距”特性，能夠把圖像根據其不同的分辨率、頻率和方向特性等分成一系列的子帶信號，同時還可以提供數據在任意的時間域以及頻率域的局部化特性[2]。其方法步驟如下。

2.2 分界層的選擇

分界層n的選取將直接影響圖像的最終處理效果。若n選擇的太小，會使所處理圖像的一些信息被誤分至高層細節系數中，從而會使最后得到的圖像中失去原本圖像中的多數地物信息;但若n選取的太大，同樣低層細節系數中會保存原本圖像中一些薄云信息，從而致使圖像的去云效果不佳[3]。保證去云效果同時不丟失其中有用信息，可通過多次選取，觀察分界層數n選擇的是否合適，從而最終確定n的值。圖3所示為小波分解層數與云信息的關系。

圖3是對源圖像進行13層小波分解后選取分界層數n=6時得到的圖像。通過選取不同的n值發現，當n為6時去云效果良好，因而選定n=6。

2.3 基于小波的同態濾波法算法流程

改進后算法流程圖如圖4所示。

2.4 實驗效果圖

利用基于小波的同態濾波法對太陽耀斑圖像進行去云處理，得到去云效果圖如圖5所示。

通過圖5的圖像對比可看出，基于小波的同態濾波法有較好的去云效果，可將源圖中大部分的薄云信息去除，更有利于觀察。

3 ?結果分析

采用均值、標準差、熵等指標將原圖圖像與去云后的圖像進行比較。具體指標如表1所示。

表1中圖像的均值表示的是所處理圖像的亮度，即均值大亮度高，源圖中由于存在薄云信息，將亮度提高，而對其進行去云處理后均值自然有所變小。圖像的標準差可以表征圖像信息量的多少，對比源圖和處理后的可看出標準值有所上升，即包含更多細節[5]。從表1中可看出，經過去云處理后的圖像分辨率變高，圖中細節也顯現出來。

4 ?結論

（1）同態濾波法能較好地去除薄云信息，但其會產生較為明顯的邊界效應，邊緣變白，易誤濾除低頻其他信息從而使源圖中的有用信息缺失，不利于觀察。

（2）基于小波的同態濾波算法處理后的太陽耀斑圖像可以較好地去除云霧信息，并保留原有的有用信息，原有細節不會損失。

（3）基于小波的同態濾波算法不僅可以處理為觀察太陽耀斑而進行去云處理的圖像，同樣適用于任何遙感影像的去云處理。

參考文獻

[1] 張新明，沈蘭蓀.基于小波的同態濾波器用于圖像對比度增強[J].電子學報，2001（4）：531-533.

[2] 曹爽.高分辨率遙感影像去云方法研究[D].河海大學，2006.

[3] 張偉.基于小波變換的遙感圖像去云方法研究[D].電子科技大學，2013.

[4] 李剛，楊武年，翁韜.一種基于同態濾波的遙感圖像薄云去除算法[J].測繪科學，2007（3）：47-48，193.

[5] 楊安洪.光學遙感影像云霧處理方法研究[D].解放軍信息工程大學，2010.