基于變分法遙感影像條帶噪聲去除

母建羽

沈陽祺鵬集團有限公司 遼寧沈陽 110000

為了避免去除遙感影像條帶噪聲時丟失影像細節，構建了綜合兩種單向變分模型的組合去噪方法。首先，構建一種條帶去除單向變分模型，通過此模型可以有效去除遙感影像條帶噪聲，從而初步獲得近似遙感影像及條帶噪聲影像，同時避免近似遙感影像出現階梯效應；其次，為了避免條帶噪聲影像中包含的少量細節信息丟失，構建一種條帶保留單向變分模型，通過此模型可以去除條帶噪聲影像中的細節信息而只保留條帶噪聲，從而有效分離出細節信息[1]。最后，把分離出的細節信息與近似遙感影像進行累加得到去噪影像。通過實驗分析發現，本文方法不僅能完全去除條帶噪聲，而且基本沒有破壞影像細節，去噪后的影像質量得到明顯提高。

1 重要性

條帶噪聲是遙感影像中常見的噪聲，它往往是由于傳感器中C CD探測單元響應不一致造成的，包括不同CCD探測單元大小的細微差別、CCD探測單元中微弱暗電流的影響、CCD響應函數校正的不完全性、外界環境和溫度變化對傳感器光電系統的影響，條帶噪聲的存在掩蓋了遙感數據真實的輻射信息，降低了圖像的質量。針對條帶噪聲去除過程中容易丟失影像細節這一問題，本文構建了兩種單向變分模型來去除條帶噪聲。通過構建的條帶去除單向變分模型可以初步獲得去噪后的近似遙感影像及條帶噪聲影像，并且避免去噪后的影像出現階梯效應。為了避免影像細節丟失，通過構建的條帶保留單向變分模型可以從條帶噪聲影像中分離出影像細節[2]。最后，把近似恢復影像與影像細節累加得到去噪影像。

2 條帶噪聲去除方法

2.1 移動窗口矩匹配

矩匹配算法改變了圖像CCD掃描行方向均值和方差的分布，使得圖像在空間上的灰度分布產生了畸變。因此，有學者對矩匹配算法進行了改進，提出了移動窗口矩匹配算法。移動窗口矩匹配算法利用窗口的均值和方差歸一化CCD探測單元的均值和方差，利用增益和偏移量完成對各CCD探測單元的校正，實現條帶噪聲去除。窗口矩匹配算法將條帶噪聲視為傳感器CCD探測單元的增益和偏移變化引起的偏差。

2.2 小波變換

小波分析的多分辨率的特性，能夠有效地將圖像的高頻和低頻信息分離。一般采用基于Mallat算法的離散小波變換，利用低通和高通濾波器對影像處理，并向下進行二抽取，得到具有相同長度的低頻和高頻小波系數；多層小波分解是單層小波分解的重復，將上一層分解得到的低頻小波系數進行高通和低通濾波，并向下進行二抽取，依此類推[3]。影像的重構則與小波分解過程相反，對底層的小波系數向上采樣，再通過高頻和低頻濾波器的共軛濾波器，重構得到上一層低頻小波系數，將其與同一層高頻小波系數循環進行重構，直到獲得最初的圖像。小波變換的關鍵在于小波基的選取，采用雙正交小波基，即采用一個小波函數進行分解，另外一個小波函數進行重構，由此克服了對稱性和重構的精確性之間的矛盾。小波去噪基于小波變換的去相關性，使信號能量對應數值較大的小波系數，噪聲對應數值較小的小波系數。利用小波軟閾值函數對尺度小波系數進行閾值處理，將數值較小的噪聲小波系數置零，將較大的數值進行收縮處理，小波重構得到去噪后圖像。

3 結語

為了避免條帶噪聲去除過程中丟失影像細節，本文構建一種綜合兩種單向變分模型的組合條帶噪聲去除方法。此方法不僅可以有效去除MODIS影像、TM影像及航空影像上的條帶噪聲，而且與其他方法比較來看，在保留影像細節及影像質量提升兩方面都是最優的。本文方法雖然在去除條帶噪聲時能更好的保留影像細節信息，但由于此方法分兩個步驟來去除條帶噪聲的，因此會導致其計算效率較其他方法低。