高光谱图像噪声处理方法与流程

本发明涉及遥感，尤其涉及一种用于改善高光谱图像数据质量的高光谱图像噪声处理方法。

背景技术：

1、高光谱图像是一种多波段图像，每个像素点包含了丰富的光谱信息，可用于地质、农业、环境监测等领域。然而，在高光谱图像获取过程中，由于传感器、设备等因素的影响，图像中往往伴随着各种噪声，降低了图像的信噪比，影响了后续数据分析的准确性和可靠性。

2、目前已有的高光谱图像处理方法主要集中在去噪方面，然而现有技术普遍存在以下问题：一方面，现有的方法在去噪过程中，往往不能有效提升图像的信噪比，导致数据的可用性和分析结果的精确性下降。另一方面，现有方法通常采用单一的去噪策略，不考虑不同波段之间、不同噪声范围内的差异，无法全面兼顾不同情况下的处理需求。

3、因此，为了克服上述问题，需要提出一种高光谱图像噪声处理方法用以改善高光谱图像的质量，从而为后续的数据分析和应用提供更可靠的基础。

技术实现思路

1、为了实现上述目标，本发明旨在提供一种高光谱图像噪声处理方法，该方法利用先进的图像处理技术和噪声评估算法，结合多重处理策略，以提高高光谱图像数据的质量。通过综合考虑不同噪声范围内的波段特点，本发明旨在去除噪声且保留有价值的信息，从而显著提升图像的信噪比，并为后续的数据分析和应用提供更可靠的基础。通过解决现有技术中存在的信噪比不足、处理策略单一等问题，本发明将极大地改进高光谱图像噪声处理领域的现状，为相关领域的研究和应用提供一种新的、高效的解决方案。

2、根据本发明的一方面，提供了一种高光谱图像噪声处理方法，该方法包括以下步骤：

3、步骤1:对高光谱图像的全波段进行噪声计算，根据噪声评估公式将所有波段由大到小划分为三个阈值范围；其中，对高光谱图像的全波段进行噪声计算包括计算全波段的均值和标准差，定义均值为m，标准差为sd，根据噪声评估公式e1 = log(m) + log(sd)计算噪声e，并设定两个固定阈值将波段划分为三个阈值范围；

4、步骤2:滤除第一个阈值范围的不满足阈值条件的噪声多的波段；

5、步骤3:对第二阈值范围的每一个波段采用分块评估方法单独进行处理；其中，将单波段图像划分成5*5的块，最后划分不足5*5的块则以块内元素的均值填充边界，对于噪声比较多的块，均值与标准差相比较小，取对数后会得到较小的负值，而对于噪声比较小的块，均值与标准差相比较大，取对数后会取得较大的正值，对每一个块使用e2=log(m/sd）评估噪声，对于取负值的块，将块内元素按升序排序，计算其在排序后的像素值所处的位置，找到对应的像素值，将像素值作为阈值t，大于该阈值的像素点为噪声点，将其滤除，反之保留，完成滤除操作后使用双线性插值方法填充滤除掉的像素点，最后将所有块重新组合成单波段图像；其中，所述将块内元素按升序排序，计算其在排序后的像素值所处的位置包括：根据百分位数p=0.9计算其在排序后的像素值所处的位置；

6、步骤4:对第三阈值范围的每一个波段使用前向逆向小波变换进行去噪；

7、步骤5:将处理后的波段组合重新形成高光谱图像。

8、上述高光谱图像噪声处理方法还包括：所述步骤4包括：

9、选择haar小波函数，进行3级前向小波变换，将原始波段分解为近似系数a和细节系数d，重复分解直到3级分解级数；

10、进行逆向小波变换，将分解后的小波系数重构为波段，从最高级别开始，合并每个级别的近似系数和细节系数，重复以上步骤直到得到最终的重构波段；

11、进行前向逆向校正，将逆向重构的信号与原始信号比较，计算校正因子并进行校正。

12、上述高光谱图像噪声处理方法还包括：采用以下分解公式进行分解：

13、a_i=x*phi_i

14、d_i=x*psi_i

15、a_i-1=down(a_i)

16、d_i-1=up(down(d_i))*psi_i-1

17、其中x是原始波段，phi是低通滤波器，psi是高通滤波器，i和i-1分别是当前级别的分解级数和下一级别的分解级数，up是上采样，down是下采样。

18、上述高光谱图像噪声处理方法还包括：采用以下重构公式进行重构：

19、xi=a_i+d_i

20、a_i-1=up(a_i)

21、d_i-1=up(d_i)*psi_i-1

22、其中a是近似系数，d是细节系数，x是重构波段，psi是高通滤波器，i和i-1分别是当前级别的重构级数和上一级别的重构级数，up是上采样。

23、上述高光谱图像噪声处理方法还包括：采用以下校正公式进行校正：

24、r_i=a_i/a_i-1

25、a_finally_i=r_i*a_i-1

26、x_finally_i=a_i_finally+d_i

27、其中r是校正因子，a是近似系数，a_finally是校正后的近似系数，d是细节系数，x_finally是校正波段，psi是高通滤波器，i和i-1分别是当前级别的校正级数和上一级别的校正级数。

28、上述高光谱图像噪声处理方法还包括：将所述处理后的高光谱图像应用于生态学调查和环境监测、农业、渔业和水产养殖、地质勘探领域。

29、综上所述，本发明提供的高光谱图像噪声处理方法通过创新性的噪声评估和处理策略，有效地解决了高光谱图像中噪声问题，提升了图像数据的质量和准确性。该方法充分利用了多种技术手段，包括噪声评估、分块评估、前向逆向小波变换等，使得处理后的高光谱图像在保留重要信息的同时有效去除了噪声干扰，为后续的数据分析和应用提供了更可靠的基础。本发明不仅在处理高光谱图像的过程中具备高效性和自动化特点，还为各种应用领域提供了更准确的数据支持，从而在生态学调查和环境监测、农业、渔业和水产养殖、地质勘探等领域等多个领域具有广阔的应用前景。本发明的创新性和实用性将有效促进相关领域的发展，为科学研究和实际应用带来积极的影响。

技术特征：

1.一种高光谱图像噪声处理方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的高光谱图像噪声处理方法，其特征在于，所述步骤4包括：

3. 根据权利要求2所述的高光谱图像噪声处理方法，其特征在于，采用以下分解公式进行分解：

4.根据权利要求2所述的高光谱图像噪声处理方法，其特征在于，采用以下重构公式进行重构：

5.根据权利要求2所述的高光谱图像噪声处理方法，其特征在于，采用以下校正公式进行校正：

6.根据权利要求1所述的高光谱图像噪声处理方法，其特征在于，将所述处理后高光谱图像应用于生态学调查和环境监测、农业、渔业和水产养殖、地质勘探领域。

技术总结
本发明提出了一种高光谱图像噪声处理方法，该方法至少包括以下步骤：步骤1:对高光谱图像的全波段进行噪声计算，根据噪声评估公式将所有波段由大到小划分为三个阈值范围；步骤2:滤除第一个阈值范围的不满足阈值条件的噪声多的波段；步骤3:对第二阈值范围的每一个波段采用分块评估方法单独进行处理；步骤4:对第三阈值范围的每一个波段使用前向逆向小波变换进行去噪；步骤5:将处理后的波段组合重新形成高光谱图像。本发明的方法可以改善高光谱图像的质量，从而为后续的数据分析和应用提供更可靠的基础，有助于提高高光谱图像的清晰度、信噪比和准确性，从而推动了本发明在多个领域的广泛实际应用价值。

技术研发人员：刘鸿飞,何智超
受保护的技术使用者：奥谱天成（湖南）信息科技有限公司
技术研发日：
技术公布日：2024/1/15