一种投影滤波式快速光谱去噪方法
【专利摘要】本发明提出一种投影滤波式快速光谱去噪方法。方法包括：(1)将三维噪声光谱数据沿光谱维度加权投影，形成低噪声投影图像；(2)利用二维数据去噪方法进一步抑制投影图像的噪声，得到高信噪比参考图像；(3)以参考图像为先验，对光谱各通道分别进行滤波，得到低噪声光谱数据。本发明充分利用光谱数据的稀疏特性，将去噪过程应用于二维投影图像，能够同时具备高去噪性能和低计算复杂度。同时，本发明可根据实际应用效果，灵活选用最佳的二维投影图像去噪算法。
【专利说明】
-种投影滤波式快速光谱去噪方法
技术领域
[0001] 本发明设及多维信号（图像)处理领域，特别设及一种投影滤波式光谱去噪方法。
【背景技术】
[0002] 真实世界光线通常具有很宽的光谱范围。尽管传统的彩色图像能够满足人类视觉 系统需求，但是光谱图像可W提供更多的光谱维度细节信息，比如说精细农业、遥感成像、 安全监控等。
[0003] 近年来出现了一些光谱图像获取方法，比如说扫描式、滤波式、编码光圈式、断层 扫描式、棱镜掩膜式等。与传统相机相比，运些多光谱采集系统通过单束光线分光到不同成 像单元W得到高维度光谱信息，因此光谱分辨率的提升不可避免地带来成像信噪比的降 低。
[0004] 现有光谱去噪方法主要分为=类：1.通过把光谱数据看成每个波段图像的叠加， 直接应用二维图像方法进行光谱去噪，比如K-SVDU-SVD: K-Singular Value Decomposition)和BM3D(Block-Matching and 3D Filtering)。运类方法的不足在于，没有 充分利用光谱数据不同波段间的内在相关性。2.通过把光谱数据看成=维张量，利用张量 方法进行光谱去噪，比如PARAFAC(F*arallel Factor Analysis)和TDL(Decomposat)Ie Nonlocal Tensor DictionaiT Learning)。3.通过把光谱数据看成S维立体，利用基于S 维立体的方法进行光谱去噪，比如BM4D(Block-Matching and 4D Filtering)。然而，随着 光谱分辨率的提升，运些基于张量和=维立体方法的计算复杂度呈指数级上涨。
【发明内容】
[0005] 本发明目的是旨在提出一种投影滤波式快速光谱去噪方法，解决上述现有方法无 法兼有高去噪性能和低计算复杂度的缺陷。
[0006] 本发明采用的技术方案如下：
[0007] -种投影滤波式快速光谱去噪方法，包括W下步骤：（1)将=维噪声光谱数据沿光 谱维度加权投影，形成低噪声投影图像；（2)利用二维数据去噪方法进一步抑制投影图像的 噪声，得到高信噪比参考图像；（3) W参考图像为先验，对光谱各通道分别进行滤波，得到低 噪声光谱数据。
[000引本发明充分利用光谱数据的稀疏特性，能够同时具备高去噪性能和低计算复杂度 的优点。具体地，步骤(1)的加权投影模型，能够保持每个光谱通道的结构细节，具备0( 1)的 计算复杂度，并且可根据噪声模型选择投影权数W获得最佳降噪效果;步骤(2)可基于实际 需求，灵活选用最佳的二维降噪方法W获得最佳的降噪性能；步骤(3)的滤波算法，对于光 谱各通道之间相互独立，支持并行化编程，具备高时间效率。总体来说，本发明的计算时间 比现有技术低2-3个数量级，同时能够取得高于现有技术的降噪效果。
【附图说明】
[0009] 图I为本发明投影滤波式快速光谱去噪方法的流程图；
[0010] 图2为本发明一个实施例的投影滤波式快速光谱去噪过程示意图。
[0011] 图3为本发明实施例与现有技术去噪方法的去噪数据对比；
[0012] 图4为本发明实施例与现有技术去噪方法的去噪图像效果对比，（a)原图像，（b)噪 声图像，（C) BM3D方法，（d) BM4D方法，（e) PARAFAC方法，（f) TDL方法，（g)本发明方法；
[0013] 图5为本发明实施例与现有技术去噪方法的计算时间对比。
【具体实施方式】
[0014] 图1是根据本发明投影滤波式快速光谱去噪方法的流程图，主要包括W下步骤：
[0015] 步骤一，将=维噪声光谱数据沿光谱维度加权投影，形成低噪声投影图像，=维噪 声光谱数据包括二维空间信息和一维光谱信息。
[0016] 具体地，假设所求低噪声投影图像为Z，Z是MXN维数据;噪声光谱数据为Y= [Yi， Y2，Y3. . .，Yb]，Y是MXNXB维数据，B为光谱通道数，其中Ym(m=l，2,3. . .，B)表示单波段图 像;投影权数表示为向量W = [ Wl，W2，W3，…，WB ]。加权投影公式如下：
[0017] Z = W ? Y = wiYi+W2Y2+W3Y3+---+wbYb
[0018] 该公式的突出优点为：（1)光谱维度投影，能够保持每个光谱通道的结构细节，（2) 计算复杂度低，（3)可根据不同的噪声模型，灵活选择权数W，W获得最佳的降噪效果。
[0019] 各光谱通道投影权数由噪声模型决定，本发明的一个实施例中，对于泊松噪声模 型，例如低照度成像，各通道投影权数相等，推导过程如下：
[0020] 光谱信号X与含噪声光谱数据Y的关系为：
[0021] Y ~化 SSion(X)
[0022] 峰值信噪比数学定义如下：
[0023]
[0024] I是信号的期望(均值），Var(Z)是信号的标准差。因为巧g从独立泊松分布，Z的期 望和方差具有如下性质：
[0025]
[0026]
[0027]
[002引
[0029] 根据柯西不等式，当且仅当Wi = W2 = W3 =…=W巧时，SNR(Z)取得最大值，此时的W 即为所求。
[0030] 步骤二，根据实际应用要求，利用二维数据去噪方法进一步抑制投影图像噪声，提 升加权投影图像的质量，得到高信噪比参考图像。去噪方法可W采用BM3D标准算法，输入为 低噪声投影图像，输出为高信噪比参考图像。
[0031] 步骤=，W参考图像为先验，对光谱各通道进行独立滤波，得到=维低噪声光谱数 据。滤波算法可W采用导向滤波、双边滤波、MP等。
[0032] 在本发明的一个实施例中，滤波算法采用Matlab导向滤波函数，W高信噪比参考 图像为导向图，输入噪声光谱数据的各通道图像，得到各光谱通道低噪声数据。数学公式如 下：
[0033]
[0034] 繫;是m通道低噪声光谱数据，Ym是噪声光谱数据m通道，G是导向图，函数g代表导向 滤波函数。r和e是导向滤波参数，分别表示滤波窗尺寸和平滑程度。滤波参数根据实际情况 选定，本实施例中，导向滤波函数的窗尺寸为[15，15]，平滑系数为2。
[0035] 如图3与图4所示，对公开光谱库（见文献:David H.Foster,Kinjiro Amano,S' ergio M.C.Nascimento,and Michael J.Foster, ''Frequency of metamerism in natural scenes,"J.Opt.Soc.Am.A,VO1.23,no .10,卵.2359-2372,Oct 2006.W及A.Qiakrabarti and T . Zickler , ('Statistics of real-world hyperspectral images /' in IEEE Conference on Computer Vision and Pattern Recognition(CVPR),2011,pp.193-200.) 的合计50组数据添加不同级别的模拟泊松噪声（0代表噪声级别），运用现有技术进行去噪 比较(所有方法中所设及的参数均为最优），本发明（用"Ours"表示）能够获得最佳的PSNR (峰值信噪比）与SSIM(结构相似性)指标，并且能够最好地保留图像细节。
[0036] 如图5所示（曲线横轴为光谱通道数量，纵轴为计算时间），同样是上述50组数据的 实验表明，本发明（用"Ours"表示）的平均计算时间比现有技术低2-3个数量级，并且随着光 谱通道数的增加，差异更加明显。本方法的计算复杂度为O(B)，B为光谱数据的通道数量。因 为通道间滤波过程相互独立，故在本实施例中，可通过并行编程，获得时间复杂度0(1)。利 用NVIDIA K2000显卡的硬件，CUDA编程语言，实现各通道并行处理。
【主权项】
1. 一种投影滤波式快速光谱去噪方法，其特征在于，包括以下步骤： (1) 将三维噪声光谱数据沿光谱维度加权投影，形成低噪声投影图像； (2) 利用二维数据去噪方法进一步抑制投影图像的噪声，得到高信噪比参考图像； (3) 以参考图像为先验，对光谱各通道分别进行滤波，得到低噪声光谱数据。2. 如权利要求1所述的一种投影滤波式快速光谱去噪方法，其特征在于，所述三维噪声 光谱数据包括二维空间信息和一维光谱信息。3. 如权利要求1所述的一种投影滤波式快速光谱去噪方法，其特征在于，所述步骤（1) 中，加权投影的数学公式为： Z = W · Y = WiYi+W2Y2+W3Y3+***+WbYb 其中，Z为所求低噪声投影图像，《^^^，^，…，伪光谱各通道的投影权数油噪声 模型决定;Y=[Yi，Y2，Y3,...，YB]为三维噪声光谱数据，B为光谱通道数。4. 如权利要求3所述的一种投影滤波式快速光谱去噪方法，其特征在于，当噪声模型为 泊松噪声模型时，光谱各通道的投影权数相等。5. 如权利要求1所述的一种投影滤波式快速光谱去噪方法，其特征在于，所述步骤(3) 中，采用基于先验的数值优化方法对光谱各通道分别进行滤波。6. 如权利要求5所述的一种投影滤波式快速光谱去噪方法，其特征在于，所述步骤(3) 中，对光谱各通道分别进行滤波前，先进行各滤波参数选择。
【文档编号】G06T5/00GK105957031SQ201610265498
【公开日】2016年9月21日
【申请日】2016年4月26日
【发明人】曹汛, 陈林森, 岳涛
【申请人】南京大学