一种基于小波变换去除遥感图像噪声方法(1).pdf

第 7 卷 第 5 期 遥 　感 　学 　报 Vol. 7 , No. 5 2003 年 9 月 JOURNAL OF REMOTE SENSING Sep. , 2003 　　　文章编号 : (2003) 一种基于小波变换去除遥感图像噪声的方法 1 ,2 1 ,2 2 2 侯　波 ,迟耀斌 ,朱重光 ,赵忠明 ( 1 北京遥感信息研究所 ,北京　100011 ; 2 中国科学院遥感应用研究所,北京　100101) 摘 　要 : 　采用小波系数极大值跟踪法去除图像噪声 ,建立了尺度间小波系数极大值跟踪矩阵 ,标识出小波系 数极大值的信噪属性 ,剔除了噪声部分对应小波系数极大值 ,从而抑制了噪声污染。与常规去噪方法相比 ,该 方法不仅有效地去除了噪声 , 同时保持了图像边沿细节 ,具有良好的消除噪声效果。 关键词 : 　小波变换 ;极大值 ;Lipschitz 指数 ;奇异性 中图分类号: 　TP751. 1 　　　文献标识码 : 　A 把属于噪声的小波系数去除 ,保留并增强属于图像 1 　引　言 的小波系数; (4) 最后反演恢复图像。显而易见 ,其 中关键是用什么方法来区分图像和噪声在小波域中 噪声是影响图像质量的主要因素之一。传统的 对应的小波系数。不同研究者提出过各种不同的方 基于傅里叶变换的去噪方法在去除噪声和边沿保持 法 ,Donoho 、Johnstone [2 ,3 ] ,DeVore 和 Lucier[4 ] 等人认 上存在着矛盾 ,原因是傅里叶变换方法是一种全局 为边沿细节信息在小波域中对应的系数绝对值较 ( ) 变换 ,要么完全在时 空间 域 ,要么完全在频域 , 只 大 ,据此采用阈值法去除图像噪声 ,该方法去除所有 能反映图像的整体特征 ,无法表述图像的时频局部 绝对值小于阈值的小波系数 ,保留所有绝对值大于 化特性[1 ] ,因而 ,基于该方法的去噪处理难以检测到 阈值的小波系数 ,但被保留下来的这部分小波系数 图像边沿特征 ,在去除噪声的同时 ,也损失了图像边 还是有相当数量属于噪声。Sanker 等人[5 ] 采用 沿信息。而小波变换具有时频局部化分析特性 ,能 “Teager 能量算子”方法剔除噪声和增强信号 ,这种 够检测到局部突变的边沿特征 ,而且可将图像的结 方法类似 Donoho ,Johnstone 的“小波收缩”方法 ,只不 构和纹理分别表现在不同分辨率层次上 ,因此 ,基于 过这里进行阈值判别的对象是系数被强化后的局部 小波变换去除噪声的方法可提取并保存对视觉起主 能量 ,而不是系数本身 ,但所得结果已不再是真实的 要作用的图像边沿信息。 信号。Weaver [6 ]通过建立“空间屏蔽滤波器”与各尺 利用小波变换去除图像噪声的基本方法如下 度上小波系数相乘 , 削弱各尺度上属于噪声的小波 ( ) ( ) ( ) ( ) 系数 ,但不能彻底消除噪声影响。 图 1 : 1 图像先经预处理 灰度调整等 ; 2 利用 小波变换把图像分解到多尺度中 ; (3) 在每一尺度下