高光谱噪声滤波方法、装置、设备和存储介质

1.本发明涉及光学光谱信息和成像高光谱图像处理技术领域，尤其涉及一种高光谱噪声滤波方法、装置、电子设备和非暂态计算机可读存储介质。


背景技术：

2.在高光谱遥感地面定标和快速野外验证中，从地面获取的光谱数据大都含有噪声，这大大降低了目标识别的稳健性和预测精度。因此获取高质量、低噪声的光谱信号对于高光谱特征分析和提取至关重要。针对光谱信息进行优化处理可以提升光谱质量。光谱优化处理主要是滤除光谱中的零均值随机高频白噪。
3.滤波可在时域或频域进行。在时域中可以采用临近点比较法、加权移动平均法、指数平均法、五点三次平滑法或者s-g方法进行滤波。在频域中可以采用傅里叶滤波或者小波滤波进行滤波。基于时域的滤波算法中，滤波器的选择对滤波效果影响显著，同时运算数据量大、运行速度较慢。基于频域的滤波算法中，傅里叶滤波对整体波形有要求，且易引起吉布斯现象；小波滤波则运算比较复杂，并且小波种类较多，不同的小波对滤波效果有较大的影响。
4.如何提高滤波效果是当前亟需解决的技术问题。


技术实现要素：

5.本发明提供一种高光谱噪声滤波方法、装置、电子设备和非暂态计算机可读存储介质，用以解决高光谱滤波过程中的滤波效果不佳的技术问题，提高高光谱滤波的滤波效果。
6.本发明提供一种高光谱噪声滤波方法，包括：采用序列差分算法对光谱序列进行处理以生成所述光谱序列的极大值，所述光谱序列为地物目标的待处理光谱数据的各个波段的光谱反射率组成的序列，所述待处理光谱数据为包括各波段的光谱反射率的二维的高光谱数据；采用极大值端点搜索算法根据所述光谱序列的极大值搜索极大值端点，以生成光谱包络线；对各波段的吸收深度数据进行傅里叶变换和滤波处理，得到目标频域数据，其中，所述各波段的吸收深度数据根据所述光谱包络线获得；将所述目标频域数据进行傅里叶反变换和光谱包络线恢复，得到目标光谱数据。
7.根据本发明提供的一种高光谱噪声滤波方法，所述采用极大值端点搜索算法根据所述光谱序列的极大值搜索极大值端点，以生成光谱包络线，包括：根据所述极大值获取当前序列的最大值端点；分别沿波长增加方向和波长减小方向根据初始端点与极大值端点间连线的斜率搜索极大值端点作为光谱包络线的端点，其中，第一个初始端点为所述最大值端点；根据所述光谱包络线的端点生成光谱包络线。
8.根据本发明提供的一种高光谱噪声滤波方法，分别沿波长增加方向和波长减小方向根据初始端点与极大值端点间连线的斜率搜索极大值端点作为光谱包络线的端点，包括：以所述当前序列的最大值端点作为第一个正向端点，计算所述正向端点与波长增加方
向的极大值端点间连线的斜率，将斜率最大的连线对应的极大值端点作为下一个正向端点；重复执行计算所述正向端点与波长增加方向的极大值端点间连线的斜率，将斜率最大的连线对应的极大值端点作为下一个正向端点的步骤，直至所述当前序列包括的端点遍历结束；以所述当前序列的最大值端点作为第一个反向端点，计算所述反向端点与波长减小方向的极大值端点间连线的斜率，将斜率最小的连线对应的极大值端点作为下一个反向端点；重复执行计算所述反向端点与波长减小方向的极大值端点间连线的斜率，将斜率最小的连线对应的极大值端点作为下一个反向端点的步骤，直至所述当前序列包括的端点遍历结束。
9.根据本发明提供的一种高光谱噪声滤波方法，所述对各波段的吸收深度数据进行傅里叶变换和滤波处理，得到目标频域数据，包括：对所述各波段的吸收深度数据进行傅里叶变换，得到第一频域数据；将所述第一频域数据输入以下任一种滤波器进行滤波处理，得到所述目标频域数据：低通滤波器、高通滤波器和带通滤波器。
10.根据本发明提供的一种高光谱噪声滤波方法，所述将所述目标频域数据进行傅里叶反变换和光谱包络线恢复，得到目标光谱数据，包括：通过所述傅里叶反变换将所述目标频域数据转换为时域特征光谱信息；对所述时域特征光谱信息进行光谱包络线恢复，得到时域内的所述目标光谱数据。
11.根据本发明提供的一种高光谱噪声滤波方法，所述对各波段的吸收深度数据进行傅里叶变换和滤波处理之前，所述方法还包括：通过以下公式根据所述光谱包络线获取各波段的吸收深度数据，：
12.d(i)＝1-r
c(i)13.其中，d(i)为各波段的吸收深度数据，0≤d(i)≤1，rc(i)＝r(i)/c(i)，r(i)为样点数组，c(i)为光谱包络线，i＝(0,1,
…
,n-1)，n为光谱长度。
14.根据本发明提供的一种高光谱噪声滤波方法，所述对所述各波段的吸收深度数据进行傅里叶变换，得到第一频域数据，包括：将所述各波段的吸收深度数据划分为两两一组的傅里叶变换运算单元；对所述傅里叶变换运算单元进行傅里叶变换，得到所述第一频域数据。
15.本发明提供一种高光谱噪声滤波装置，包括：差分单元，用于采用序列差分算法对光谱序列进行处理以生成所述光谱序列的极大值，所述光谱序列为地物目标的待处理光谱数据的各个波段的光谱反射率组成的序列，所述待处理光谱数据为包括各波段的光谱反射率的二维的高光谱数据；搜索单元，用于采用极大值端点搜索算法根据所述光谱序列的极大值搜索极大值端点，以生成光谱包络线；变换和滤波单元，用于对各波段的吸收深度数据进行傅里叶变换和滤波处理，得到目标频域数据，其中，所述各波段的吸收深度数据根据所述光谱包络线获得；恢复单元，用于将所述目标频域数据进行傅里叶反变换和光谱包络线恢复，得到目标光谱数据。
16.根据本发明提供的一种高光谱噪声滤波装置，所述搜索单元还用于：根据所述极大值获取当前序列的最大值端点；分别沿波长增加方向和波长减小方向根据初始端点与极大值端点间连线的斜率搜索极大值端点作为光谱包络线的端点，其中，第一个初始端点为所述最大值端点；根据所述光谱包络线的端点生成光谱包络线。
17.根据本发明提供的一种高光谱噪声滤波装置，所述搜索单元还用于：以所述当前
序列的最大值端点作为第一个正向端点，计算所述正向端点与波长增加方向的极大值端点间连线的斜率，将斜率最大的连线对应的极大值端点作为下一个正向端点；重复执行计算所述正向端点与波长增加方向的极大值端点间连线的斜率，将斜率最大的连线对应的极大值端点作为下一个正向端点的步骤，直至所述当前序列包括的端点遍历结束；以所述当前序列的最大值端点作为第一个反向端点，计算所述反向端点与波长减小方向的极大值端点间连线的斜率，将斜率最小的连线对应的极大值端点作为下一个反向端点；重复执行计算所述反向端点与波长减小方向的极大值端点间连线的斜率，将斜率最小的连线对应的极大值端点作为下一个反向端点的步骤，直至所述当前序列包括的端点遍历结束。
18.根据本发明提供的一种高光谱噪声滤波装置，所述变换和滤波单元还用于：对所述各波段的吸收深度数据进行傅里叶变换，得到第一频域数据；将所述第一频域数据输入以下任一种滤波器进行滤波处理，得到所述目标频域数据：低通滤波器、高通滤波器和带通滤波器。
19.根据本发明提供的一种高光谱噪声滤波装置，所述恢复单元还用于：通过所述傅里叶反变换将所述目标频域数据转换为时域特征光谱信息；对所述时域特征光谱信息进行光谱包络线恢复，得到时域内的所述目标光谱数据。
20.根据本发明提供的一种高光谱噪声滤波装置，所述装置还包括吸收深度计算单元，用于通过以下公式根据所述光谱包络线获取各波段的吸收深度数据，：
21.d(i)＝1-r
c(i)22.其中，d(i)为各波段的吸收深度数据，0≤d(i)≤1，rc(i)＝r(i)/c(i)，r(i)为样点数组，c(i)为光谱包络线，i＝(0,1,
…
,n-1)，n为光谱长度。
23.根据本发明提供的一种高光谱噪声滤波装置，所述变换和滤波单元还用于：将所述各波段的吸收深度数据划分为两两一组的傅里叶变换运算单元；对所述傅里叶变换运算单元进行傅里叶变换，得到所述第一频域数据。
24.本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述高光谱噪声滤波方法的步骤。
25.本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述高光谱噪声滤波方法的步骤。
26.本发明提供的高光谱噪声滤波方法、装置、电子设备和非暂态计算机可读存储介质，通过序列差分算法和极大值端点搜索算法获取光谱数据的光谱包络线，可以提高光谱包络线的精确度，基于该光谱包络线进行噪声滤波，可以提高滤波效果。
附图说明
27.为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
28.图1是本发明提供的高光谱噪声滤波方法的流程示意图；
29.图2是本发明提供的光谱包络线的光谱图；
30.图3是本发明提供的吸收深度数据的光谱图；
31.图4是本发明提供的傅里叶反变换后的光谱图；
32.图5是本发明提供的滤噪前的光谱图；
33.图6是本发明提供的滤噪后的光谱图；
34.图7是本发明提供的高光谱噪声滤波装置的结构示意图；
35.图8是本发明提供的电子设备的结构示意图。
具体实施方式
36.为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
37.在本发明一个或多个实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明一个或多个实施例。在本发明一个或多个实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本发明一个或多个实施例中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
38.应当理解，尽管在本发明一个或多个实施例中可能采用术语第一、第二等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本发明一个或多个实施例范围的情况下，第一也可以被称为第二，类似地，第二也可以被称为第一。取决于语境，如在此所使用的词语“如果”可以被解释成为“在
……
时”或“当
……
时”或“响应于确定”。
39.在相关技术中，在特定的电磁波段范围，遥感传感器可以通过光谱通道捕获地物的光谱信息，进而获得地物独特的光谱特征曲线，因此，可以利用高光谱遥感图像进行定量或半定量的地物识别。
40.光谱识别要求地物具有排他性的光谱特征，并且这种特征在经过遥感处理后可以得到保留。针对矿物等相对稳定的地物目标，可以借助目标标准光谱数据库进行快速准确识别。
41.在对光谱进行滤波时基于时域的滤波算法中，五点三次滤波法的原理是对通过采样信号使用最小二乘法的思想进行三次平滑；s-g滤波法即s-g滤波拟合方法是基于平滑时间序列数据和最小二乘原理的卷积算法，它是一种移动窗口的加权平均算法，但其加权系数不是简单的常数窗口，而是通过在滑动窗口内对给定高阶多项式的最小二乘拟合得出。s-g滤波拟合方法能够保留分析信号中的有用信息，消除随机噪声。以上基于时域的滤波算法中滤波器的选择对滤波效果影响显著，同时运算数据量大、运行速度较慢。基于频域的滤波算法的滤波效果则存在不够稳定的缺点。
42.为解决以上问题，本发明提出一种基于光谱包络线去除和快速傅里叶变换的噪声滤波方法，该方法将光谱包络线去除后的数据进行快速傅里叶变换，将光谱转换到频域进行滤波处理，相较于传统的滤波方法，该方法无需选择滤波器的参数、处理速度快、滤波效果好，同时杜绝了传统傅里叶光谱滤波的吉布斯现象。
43.下面结合附图对本发明示例实施方式进行详细说明。
44.如图1所示的是本发明实施例的一种高光谱噪声滤波方法的流程图。本发明实施例提供的方法可以由任意具备计算机处理能力的电子设备执行，例如终端或服务器。如图1所示，该高光谱噪声滤波方法包括：
45.步骤102，采用序列差分算法对光谱序列进行处理以生成光谱序列的极大值，光谱序列为地物目标的待处理光谱数据的各个波段的光谱反射率组成的序列，待处理光谱数据为包括各波段的光谱反射率的二维的高光谱数据。
46.具体地，序列差分算法中，使用当前值减去上个时刻的值即可得到差分结果。
47.步骤104，采用极大值端点搜索算法根据光谱序列的极大值搜索极大值端点，以生成光谱包络线。
48.步骤106，对各波段的吸收深度数据进行傅里叶变换和滤波处理，得到目标频域数据，其中，各波段的吸收深度数据根据光谱包络线获得。
49.具体地，吸收深度数据是描述相对光谱吸收深度的数据。相对光谱吸收深度即光谱吸收指数，其为吸收位置的光谱值与相应基线值的比值。
50.傅立叶变换可以将满足一定条件的某个函数表示成三角函数或者它们的积分的线性组合。具体地，滤波处理是一种采用数字滤波器将输入数字序列转换为满足频域或时域约束的输出数字序列的计算算法。
51.步骤108，将目标频域数据进行傅里叶反变换和光谱包络线恢复，得到目标光谱数据。
52.具体地，傅里叶反变换是傅里叶变换的反变换，光谱包络线恢复为根据光谱包络线恢复光谱数据的过程。
53.本发明实施例的技术方案对光谱包络线的处理方案中，将地物的光谱信号进行预处理，即进行光谱包络线去除处理。光谱包络线去除可以有效突出光谱曲线的吸收、反射和发射特征，并将其归一到一个一致的光谱背景上，从而有利于和其他光谱曲线进行特征数值的比较。在进行光谱包络线去除之后，将处理后的数据通过快速傅里叶变换算法转换到频域进行滤波处理，再通过傅里叶反变换将滤波后的频谱信息转换为时域光谱信息，并将时域光谱信息通过光谱包络线恢复，即可完成对待处理光谱数据进行滤波处理得到目标光谱数据的滤波过程。
54.在读取高光谱数据后，需要对待地物目标的待处理光谱数据进行预处理，即对待处理光谱数据进行光谱包络线去除。进行光谱包络线去除时，需要先计算光谱包络线c(i)。在步骤102中，计算光谱包络线时，先获取待处理光谱数据中的反射率曲线上的样点数组r(i)，其中，i＝(0,1,
…
,n-1)，i为第i个反射率样点，n为光谱长度。样点数组r(i)即为一个序列。再获取序列后，对r(i)使用前后序列差分计算出序列所有的极大值端点，然后比较极大值端点找到r(i)序列的最大值端点。
55.在步骤104中，可以根据极大值获取当前序列的最大值端点，再分别沿波长增加方向和波长减小方向根据初始端点与极大值端点间连线的斜率搜索极大值端点作为光谱包络线的端点，其中，第一个初始端点为最大值端点，之后，根据光谱包络线的端点生成光谱包络线。
56.具体地，在使用极大值端点搜索算法搜索构成光谱包络线的极大值端点时，分别
沿波长增加方向和波长减小方向根据初始端点与极大值端点搜索极大值端点，搜索得到的极大值端点即构成光谱包络线。
57.其中，以波长增加方向为正向，以波长减小方向为反向。
58.在以正向搜索极大值端点时，以当前序列的最大值端点作为第一个正向端点，计算正向端点与波长增加方向的极大值端点间连线的斜率，将斜率最大的连线对应的极大值端点作为下一个正向端点；重复执行计算正向端点与波长增加方向的极大值端点间连线的斜率，将斜率最大的连线对应的极大值端点作为下一个正向端点的步骤，直至当前序列包括的端点遍历结束。
59.在以反向搜索极大值端点时，以当前序列的最大值端点作为第一个反向端点，计算反向端点与波长减小方向的极大值端点间连线的斜率，将斜率最小的连线对应的极大值端点作为下一个反向端点；重复执行计算反向端点与波长减小方向的极大值端点间连线的斜率，将斜率最小的连线对应的极大值端点作为下一个反向端点的步骤，直至当前序列包括的端点遍历结束。
60.在步骤106之前，通过以下公式根据光谱包络线获取各波段的吸收深度数据d(i)：
61.d(i)＝1-rc(i)，其中，0≤d(i)≤1，rc(i)＝r(i)/c(i)，r(i)为样点数组，c(i)为光谱包络线，i＝(0,1,
…
,n-1)，n为光谱长度。
62.在本发明实施例中，rc(0)＝1，rc(n-1)＝1，d(0)＝0，d(n-1)＝0。
63.波段的吸收深度数据即为波段吸收深度数据，其能够有效突出光谱曲线的吸收特征。
64.在步骤106中，对各波段的吸收深度数据进行快速傅里叶变换，得到第一频域数据，再将第一频域数据输入以下任一种滤波器进行滤波处理，得到目标频域数据：低通滤波器、高通滤波器和带通滤波器。
65.具体地，将各波段的吸收深度数据划分为两两一组的傅里叶变换运算单元；对傅里叶变换运算单元进行傅里叶变换，得到第一频域数据。
66.进一步地，根据吸收深度数据d(i)进行快速傅里叶变换fft，具体地，在快速傅里叶变换中，利用wn(代入单位根)的对称性和周期性，将r(n)序列分为两个n/2的子序列，对每个n/2子序列进一步划分为两个对称的子序列，按这种思想持续划分子序列，直到分成两两一组的傅里叶变换运算单元，即n个点的dft，极大简化了傅里叶变换的计算数据量和复杂度。
67.吸收深度数据d(i)经过快速傅里叶变换后，由时域转换为频域的频谱信号d(i)。
68.在本发明实施例中，可以设计低通滤波器对d(i)滤除高频噪声进行滤波处理。在低通滤波器中，当信号频率高于截止频率时则不能通过。当频域高于这个截止频率时，则全部赋值为0，而对低频信号，则全部通过。d(i)经过低通滤波器后变换为新的频谱信号dt(i)。
69.在步骤110中，通过傅里叶反变换将目标频域数据转换为时域特征光谱信息；对时域特征光谱信息进行光谱包络线恢复，得到时域内的目标光谱数据。
70.具体地，对dt(i)进行傅里叶反变换恢复到时域信号dt(i)，再将dt(i)进行光谱包络线恢复，得到经过滤波处理后的目标光谱数据。其中，目标光谱数据r(i)
′
＝(1-dt(i))*c(i)。
71.在本发明一个实施例中，所用的样本数据为采集某地区的具有孔雀石化的岩石样本，编号为：bw-1。该岩石样本的样本特征包括：
72.钾长石呈半自形粒状嵌布；斜长石呈自形晶嵌布于钾长石粒间，其基本已经绢云母化；角闪石呈它形粒状，绿泥石化现象普遍。金属矿物含量较高，尤其是褐铁矿，约占3％，其呈不规则状嵌布；另外有约1％的孔雀石呈粒状、不规则状、脉状嵌布；还有少量的黄铜矿和黄铁矿呈褐铁矿的交代残余结构嵌布。
73.本发明实施例中数据处理和曲线可视化可由python完成。
74.在进行噪声滤波前，先利用光谱仪收集孔雀石化的岩石样本反射率光谱数据。其中，光谱仪可以为便携式地物光谱仪或者便携式光谱分析仪，且并不局限于此。在得到岩石样本反射率光谱数据后，对岩石样本反射率光谱数据进行光谱包络线计算，得到如图2所示的光谱包络线。根据光谱包络线可以计算得到如图3所示的各波段的吸收深度数据。对吸收深度数据进行傅里叶变换，可以得到如图4所示的第一频域数据。如图5和图6所示的分别是对高光谱噪声滤波前和滤波后的光谱数据。比较如图5和图6所示的光谱数据可知，本发明实施例提供的噪声滤波的效果较好。
75.本发明提供的技术方案采用基于光谱包络线去除和快速傅里叶变换的噪声滤波方法，将光谱包络线c(i)计算引入到高光谱滤波处理中，并将光谱包络线计算后得到的波段吸收深度进行快速傅里叶变换引入到高光谱滤波处理中，避免了传传统快速傅里叶变换光谱滤波的吉布斯现象的出现。
76.本发明提供的高光谱噪声滤波方法，通过序列差分算法和极大值端点搜索算法获取光谱数据的光谱包络线，可以提高光谱包络线的精确度，基于该光谱包络线进行噪声滤波，可以提高滤波效果。
77.下面对本发明提供的高光谱噪声滤波装置进行描述，下文描述的高光谱噪声滤波装置与上文描述的高光谱噪声滤波方法可相互对应参照。
78.如图7所示，本发明实施例的一种高光谱噪声滤波装置，该装置包括：
79.差分单元702，可以用于采用序列差分算法对光谱序列进行处理以生成光谱序列的极大值，光谱序列为地物目标的待处理光谱数据的各个波段的光谱反射率组成的序列，待处理光谱数据为包括各波段的光谱反射率的二维的高光谱数据。
80.搜索单元704，可以用于采用极大值端点搜索算法根据光谱序列的极大值搜索极大值端点，以生成光谱包络线。
81.变换和滤波单元706，可以用于对各波段的吸收深度数据进行傅里叶变换和滤波处理，得到目标频域数据，其中，各波段的吸收深度数据根据光谱包络线获得。
82.恢复单元708，可以用于将目标频域数据进行傅里叶反变换和光谱包络线恢复，得到目标光谱数据。
83.在本发明实施例中，搜索单元还可以用于：根据极大值获取当前序列的最大值端点；分别沿波长增加方向和波长减小方向根据初始端点与极大值端点间连线的斜率搜索极大值端点作为光谱包络线的端点，其中，第一个初始端点为最大值端点；根据光谱包络线的端点生成光谱包络线。
84.在本发明实施例中，搜索单元还可以用于：以当前序列的最大值端点作为第一个正向端点，计算正向端点与波长增加方向的极大值端点间连线的斜率，将斜率最大的连线
对应的极大值端点作为下一个正向端点；重复执行计算正向端点与波长增加方向的极大值端点间连线的斜率，将斜率最大的连线对应的极大值端点作为下一个正向端点的步骤，直至当前序列包括的端点遍历结束；以当前序列的最大值端点作为第一个反向端点，计算反向端点与波长减小方向的极大值端点间连线的斜率，将斜率最小的连线对应的极大值端点作为下一个反向端点；重复执行计算反向端点与波长减小方向的极大值端点间连线的斜率，将斜率最小的连线对应的极大值端点作为下一个反向端点的步骤，直至当前序列包括的端点遍历结束。
85.在本发明实施例中，变换和滤波单元还可以用于：对各波段的吸收深度数据进行傅里叶变换，得到第一频域数据；将第一频域数据输入以下任一种滤波器进行滤波处理，得到目标频域数据：低通滤波器、高通滤波器和带通滤波器。
86.在本发明实施例中，恢复单元还可以用于：通过傅里叶反变换将目标频域数据转换为时域特征光谱信息；对时域特征光谱信息进行光谱包络线恢复，得到时域内的目标光谱数据。
87.在本发明实施例中，装置还包括吸收深度计算单元，可以用于通过以下公式根据光谱包络线获取各波段的吸收深度数据，：
88.d(i)＝1-r
c(i)89.其中，d(i)为各波段的吸收深度数据，0≤d(i)≤1，rc(i)＝r(i)/c(i)，r(i)为样点数组，c(i)为光谱包络线，i＝(0,1,
…
,n-1)，n为光谱长度。
90.在本发明实施例中，变换和滤波单元还可以用于：将各波段的吸收深度数据划分为两两一组的傅里叶变换运算单元；对傅里叶变换运算单元进行傅里叶变换，得到第一频域数据。
91.由于本发明的示例实施例的高光谱噪声滤波装置的各个功能模块与上述高光谱噪声滤波方法的示例实施例的步骤对应，因此对于本发明装置实施例中未披露的细节，请参照本发明上述的高光谱噪声滤波方法的实施例。
92.本发明提供的高光谱噪声滤波装置，通过序列差分算法和极大值端点搜索算法获取光谱数据的光谱包络线，可以提高光谱包络线的精确度，基于该光谱包络线进行噪声滤波，可以提高滤波效果。
93.图8示例了一种电子设备的实体结构示意图，如图8所示，该电子设备可以包括：处理器(processor)810、通信接口(communications interface)820、存储器(memory)830和通信总线880，其中，处理器810，通信接口820，存储器830通过通信总线880完成相互间的通信。处理器810可以调用存储器830中的逻辑指令，以执行高光谱噪声滤波方法，该方法包括：采用序列差分算法对光谱序列进行处理以生成所述光谱序列的极大值，所述光谱序列为地物目标的待处理光谱数据的各个波段的光谱反射率组成的序列，所述待处理光谱数据为包括各波段的光谱反射率的二维的高光谱数据；采用极大值端点搜索算法根据所述光谱序列的极大值搜索极大值端点，以生成光谱包络线；对各波段的吸收深度数据进行傅里叶变换和滤波处理，得到目标频域数据，其中，所述各波段的吸收深度数据根据所述光谱包络线获得；将所述目标频域数据进行傅里叶反变换和光谱包络线恢复，得到目标光谱数据。
94.此外，上述的存储器830中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本
发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
95.另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法所提供的高光谱噪声滤波方法，该方法包括：采用序列差分算法对光谱序列进行处理以生成所述光谱序列的极大值，所述光谱序列为地物目标的待处理光谱数据的各个波段的光谱反射率组成的序列，所述待处理光谱数据为包括各波段的光谱反射率的二维的高光谱数据；采用极大值端点搜索算法根据所述光谱序列的极大值搜索极大值端点，以生成光谱包络线；对各波段的吸收深度数据进行傅里叶变换和滤波处理，得到目标频域数据，其中，所述各波段的吸收深度数据根据所述光谱包络线获得；将所述目标频域数据进行傅里叶反变换和光谱包络线恢复，得到目标光谱数据。
96.又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各提供的高光谱噪声滤波方法，该方法包括：采用序列差分算法对光谱序列进行处理以生成所述光谱序列的极大值，所述光谱序列为地物目标的待处理光谱数据的各个波段的光谱反射率组成的序列，所述待处理光谱数据为包括各波段的光谱反射率的二维的高光谱数据；采用极大值端点搜索算法根据所述光谱序列的极大值搜索极大值端点，以生成光谱包络线；对各波段的吸收深度数据进行傅里叶变换和滤波处理，得到目标频域数据，其中，所述各波段的吸收深度数据根据所述光谱包络线获得；将所述目标频域数据进行傅里叶反变换和光谱包络线恢复，得到目标光谱数据。
97.以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
98.通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
99.最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。