高分二号卫星影像自适应模糊阈值法小波去噪

doi:10.13474/j.cnki.11-2246.2019.0073

测绘通报 ›› 2019, Vol. 0 ›› Issue (3): 32-35.doi: 10.13474/j.cnki.11-2246.2019.0073

高分二号卫星影像自适应模糊阈值法小波去噪

张宇航¹, 杨武年¹, 任金铜^1,2, 邓晓宇¹

1. 成都理工大学国土资源部地学空间信息技术重点实验室, 四川成都 610059;
2. 贵州工程应用技术学院贵州省教育厅生物资源开发与生态修复特色重点实验室, 贵州毕节 551700

收稿日期:2018-05-15 修回日期:2018-06-27 出版日期:2019-03-25 发布日期:2019-04-02
通讯作者: 杨武年。E-mail:ywn@cdut.edu.cn E-mail:ywn@cdut.edu.cn
作者简介:张宇航(1993-),男,硕士生,研究方向为摄影测量与遥感。E-mail:yh_zhang0779@qq.com
基金资助:
国家自然科学基金（41671432；41372340）

Adaptive fuzzy threshold method wavelet denoising of GF-2 satellite image

ZHANG Yuhang¹, YANG Wunian¹, REN Jintong^1,2, DENG Xiaoyu¹

1. Key Laboratory of Geoscience Spatial Information Technology of Ministry of Land and Resources, Chengdu University of Technology, Chengdu 610059, China;
2. Key Laboratory of Bioresource Development and Ecological Restoration of Guizhou Provincial Department of Education, Guizhou University of Engineering Science, Bijie 551700, China

Received:2018-05-15 Revised:2018-06-27 Online:2019-03-25 Published:2019-04-02

摘要/Abstract

摘要： 高分二号卫星影像提供了丰富的图像信息，高分二号影像数据的发布打破了我国高分辨率对地观测数据长期依赖进口的局面。但是图像在传输和保存过程中会有噪声干扰，如果感兴趣区域受到污染，则会导致该区域内的影像信息不能被充分利用。为了解决高分二号遥感影像去噪这一难题，本文采用自适应模糊阈值法去噪方式，该方法根据各个尺度下噪声方差建立的自适应模糊阈值函数非线性处理后，重新构造作为新的小波系数，经小波逆变换后得到去噪图像。通过与均值滤波器滤波、高斯平滑滤波、中值滤波器滤波、小波全局阈值去噪和Birge-Massart策略阈值法去噪比较，结果表明，自适应模糊阈值去噪法充分结合软硬阈值处理方式的优点，既保留图像细节又使图像更加平滑，图像整体信息完好，去噪效果更为理想。

关键词: 遥感, 高分二号卫星, 小波分析, 自适应阈值, 图像去噪

Abstract: GF-2 satellite images provide abundant image information,and the releasing of high-resolution image data has broken the long-term dependence of China's high resolution data on land observation.However,the image can be disturbed in the process of transmission and preservation,and if the area of interest is polluted,the image information in the region cannot be fully used.In order to solve the difficult problem of the GF-2 remote sensing image denoising,this paper adopts adaptive fuzzy threshold denoising methods,which is based on various scales noise variance adaptive fuzzy threshold function of nonlinear processing,restructuring as a new wavelet coefficients,the denoised image is obtained by inverse transformation of the wavelet.Compared with average filtering,gaussian smoothing filter,median filter,filtering,wavelet threshold denoising and Birge-Massart strategy denoising threshold value method,the results show that the adaptive fuzzy threshold denoising method is fully combined with hard and soft threshold processing method that both retains the image details and makes the image more smooth.The image that is denoised by this method can preserve overall information,the denoising effect is highly desirable.

Key words: remote sensing, GF-2 satellite, wavelet analysis, adaptive threshold, image denoising

中图分类号:

P237

张宇航, 杨武年, 任金铜, 邓晓宇. 高分二号卫星影像自适应模糊阈值法小波去噪[J]. 测绘通报, 2019, 0(3): 32-35.

ZHANG Yuhang, YANG Wunian, REN Jintong, DENG Xiaoyu. Adaptive fuzzy threshold method wavelet denoising of GF-2 satellite image[J]. 测绘通报, 2019, 0(3): 32-35.

参考文献

[1] 潘腾. 高分二号卫星的技术特点[J]. 中国航天, 2015(1):3-9.
[2] 张铮. 精通Matlab数字图像处理与识别[M]. 北京:人民邮电出版社, 2013:85-98.
[3] 李彦军, 苏红旗, 杨峰, 等. 改进的中值滤波图像去噪方法研究[J]. 计算机工程与设计, 2009,30(12):2995-2997.
[4] MALLAT S G. A theory of multiresolution signal decompo-sition:the wavelet representation[J]. IEEE Transactions on Pattern Anal. Machine, 1989,11(7):674-693.
[5] DONOHO D L. De-noising by soft-thresholding[M].[S.l.]:IEEE Press, 1995.
[6] 秦振涛, 杨武年, 潘佩芬. 基于稀疏表示和自适应字典学习的"高分一号"遥感图像去噪[J]. 光电工程, 2013,40(9):16-21.
[7] ADAMS B, DEHAAN P, TABOR R, et al. A novel approach of medical image enhancement based on wavelet transform[J]. Conservation Genetics Resources, 2013,5(2):573-575.
[8] COIFMAN R R, DONOHO D L. Translation-invariant De-noising[J]. Wavelets and Statistics, 1995,103(2):125-150.
[9] VIDAKOVIC B, LOZOYA C B. On time-dependent wavelet denoising[J]. IEEE Transactions on Signal Processing, 1998,46(9):2549-2554.
[10] SI-MINA L I, KUNB H E, LONG H, et al. Image denoising based on structure clustering[J]. Application Research of Computers, 2013,30(4):1234-1236.
[11] 靳士利. 基于小波变换的自适应图像去噪方法的研究[D]. 青岛:青岛大学, 2010.:22-35.
[12] 欧阳春娟, 杨群生, 欧阳迎春. 基于小波变换的自适应模糊阈值去噪算法[J]. 计算机工程与应用, 2006,42(5):82-84.
[13] 王欣. 自适应模糊阈值的图像去噪算法[J]. 计算机仿真, 2011,28(6):296-298.
[14] 钟微宇, 沈汀. 基于NSCT域邻域收缩的SAR图像去噪[J]. 计算机工程与应用, 2014,50(12):188-193.
[15] 倪林. 小波变换与图像处理[M]. 合肥:中国科学技术大学出版社, 2010:15-24.
[16] 张银雪, 贾振红, 刘子建. 基于改进BP神经网络和粒子群优化算法的图像滤波方法的研究[J]. 光电子·激光, 2009(3):127-130.

高分二号卫星影像自适应模糊阈值法小波去噪

Adaptive fuzzy threshold method wavelet denoising of GF-2 satellite image

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	董迪, 魏征, 曾纪胜. 1995—2019年北莉岛人工水产养殖遥感监测[J]. 测绘通报, 2022, 0(7): 1-6.
[2]	胡义强, 杨骥, 荆文龙, 彭小燕, 蓝文陆, 彭梦微, 张雨萌. 茅尾海入海河口池塘养殖污染状况遥感调查[J]. 测绘通报, 2022, 0(7): 12-17,53.
[3]	孔瑞瑶, 谢涛, 马明, 孔瑞林. CatBoost模型在水深反演中的应用[J]. 测绘通报, 2022, 0(7): 33-37.
[4]	温雨笑, 吕杰, 马庆勋, 张鹏, 徐汝岭. 高光谱和LiDAR联合反演森林生物量研究[J]. 测绘通报, 2022, 0(7): 38-42.
[5]	江泽霖, 邓健, 栾海军, 李兰晖. 基于逐日夜间灯光遥感的新冠肺炎疫情变化信息快速提取——以北京市为例[J]. 测绘通报, 2022, 0(7): 43-48.
[6]	刘立, 董先敏, 刘娟, 文学虎. 人机融合智能的遥感解译生产新方法[J]. 测绘通报, 2022, 0(7): 118-123,137.
[7]	艾敏, 景慧, 田禹东, 郭兰勤, 裴渊杰. 近20年哈尔滨市呼兰区土地利用覆盖变化及驱动分析[J]. 测绘通报, 2022, 0(7): 124-128.
[8]	胡义强, 杨骥, 荆文龙, 杨传训, 舒思京, 李勇. 基于无人机遥感的海岸带生态环境监测研究综述[J]. 测绘通报, 2022, 0(6): 18-24.
[9]	李茂林, 闫庆武, 仲晓雅. 一种复合型校正植被信息的方法[J]. 测绘通报, 2022, 0(6): 49-54142.
[10]	刘耀辉, 于祥惠, 范洁洁, 周洁, 程昊, 姚国标, 孟飞, 靳奉祥. 基于无人机影像和面向对象的中国西部地区农村宅基地面积快速估算[J]. 测绘通报, 2022, 0(6): 125-129.
[11]	任超, 邓诗琴, 高懋芳. 一种提取北部湾沿海地区水体信息的动态阈值方法[J]. 测绘通报, 2022, 0(5): 14-19,37.
[12]	赵传武, 吴子若, 张玉环, 郭伟. 基于多时相遥感的鄂尔多斯市不透水面变化分析[J]. 测绘通报, 2022, 0(5): 56-61.
[13]	张龚泉, 岳建平, 刘胜男, 王海龙, 杨智翔, 周航宇. 基于遥感影像的鄱阳湖地形提取方法[J]. 测绘通报, 2022, 0(5): 62-66,73.
[14]	潘建平, 付占宝, 程卫华, 陆世安, 李鑫, 孙博文, 黄桂萍. 基于地表类型的山地海绵城市生态建设评估[J]. 测绘通报, 2022, 0(5): 84-88.
[15]	陈智朗, 付振华, 朱紫阳, 王慧慧, 刘沁雯, 杨钰灵, 许耿然. 基于HRNet的高分辨率遥感影像建筑物变化信息提取[J]. 测绘通报, 2022, 0(5): 126-132.