基于主成分及非局部均值的遥感图像去噪研究-电路与系统专业论文.docxVIP

独创性（或创新性）声明 本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究 成果。尽我所知，除了文中特别加以标注和致谢中所罗列的内容以外，论文中不 包含其他人已经发表或撰写过的研究成果；也不包含为获得西安电子科技大学或 其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做 的任何贡献均已在论文中做了明确的说明并表示了谢意。 申请学位论文与资料若有不实之处，本人承担一切相关责任。 本人签名： 日期： 关于论文使用授权的说明 本人完全了解西安电子科技大学有关保留和使用学位论文的规定，即：研究 生在校攻读学位期间论文工作的知识产权单位属西安电子科技大学。本人保证毕 业离校后，发表论文或使用论文工作成果时署名单位仍然为西安电子科技大学。 学校有权保留送交论文的复印件，允许查阅和借阅论文；学校可以公布的全部或 部分内容，可以允许采用影印、缩印或其它复制手段保存论文。（保密的论文在 解密后遵守此规定） 本人签名： 日期： 导师签名： 日期： 摘 要 摘 要 遥感图像在获取和传输过程中会受到内部和外部环境等因素的干扰，使图像 含有噪声而引起图像质量的下降，给遥感图像的识别和分析带来一定困难，因此 遥感图像在使用前通常都需要先进行降噪处理。图像去噪一直以来都是计算机图 像处理和计算机视觉中的一个研究热点。非局部均值算法是一种当前新兴而又非 常有效的自然图像去噪方法，它利用大多数自然图像内存在很多周期性样式和大 量冗余信息的特点，在图像中搜索灰度值相似的块进行匹配来估计噪声点的值。 然而，非局部均值算法需要逐点匹配计算权值，而图像匹配块通常是一个高 维向量，使得计算复杂度很高。因此，如何降低计算复杂度是非局部均值算法所 要克服的问题。同时非局部均值算法对遥感图像的去噪效果和用于匹配的图像块 的大小有关。如果用于匹配的图像块较大，非局部均值算法可以很好的去除平滑 区域的噪声，但图像的细节也被平滑掉；而小的图像匹配块则可以保留较多的图 像细节。因此，如何结合这两个特征对遥感图像去噪成为我们所关注的问题。 在非局部均值算法的基础上，我们提出了基于高斯主成分分析的非局部均值 算法和多尺度的非局部均值遥感图像去噪方法。在基于高斯主成分分析的非局部 均值算法中，我们引入了高斯预滤波来消除图像块匹配过程中噪声的影响，然后 利用主成分分析将图像匹配块投影到低维的空间上，并在低维空间内完成权值的 计算。实验结果表明此算法相比较非局部均值算法，不仅降低了计算复杂度，同 时提高了去噪准确性。在基于非局部均值算法的多尺度遥感图像去噪方法中，我 们引入 Quadtree 模型将图像块构建成 3 个尺度。对于每一个像素点，在各个尺度 上采用非局部均值算法，并对恢复的多个尺度信息按照这个像素点的所处位置来 进行融合得到此点去噪后的值。通过基于 Riesz 变换的 Feature Similarity metric (RFSIM)作为结构相似性指标，实验结果表明本文提出的方法可以保留较多的图像 细节。此外，我们还采用了主成分分析方法对算法进行加速。主成分分析将非局 部均值算法中用于权值匹配的图像块向量投影到了一个低维的空间上，并在此低 维空间内计算权值，从而实现加速。与单尺度的非局部均值算法以及主邻域字典 的对比实验结果表明本文算法可以更有效的去除遥感图像的噪声，获得较高的 PSNR 值，同时可以保留较多的图像细节。 关键字：遥感图像 图像去噪 非局部均值 高斯滤波 主成分分析 Abstract Abstract The quality of remote sensing images is often degraded by noise during data acquisition and transmission, which make s it difficult to identify and analyze remote sensing images. So it is much necessary to effectively remove noise from remote sensing images before they are being used. Image denoising is one of the widely discussed topics in computer image processing and computer vision. Nonlocal means (NLM) is an emerging and effective image denoising method. It tries to use the natural image?s periodic case a