多時(shí)相遙感圖像融合去噪方法研究.pdf

1、遙感技術(shù)的出現(xiàn)，使我們能不與研究對(duì)象直接接觸，通過(guò)傳感設(shè)備來(lái)獲取觀察對(duì)象的基本信息。這就避免了一些偏遠(yuǎn)或險(xiǎn)峻的地區(qū)信息無(wú)法取得的情況，成為至今為止全球范圍內(nèi)動(dòng)態(tài)觀測(cè)數(shù)據(jù)的唯一方式，被廣泛應(yīng)用到多個(gè)領(lǐng)域，對(duì)經(jīng)濟(jì)的增長(zhǎng)和社會(huì)的發(fā)展起著很大的催化作用。
　　然而，由于受天氣、遙感設(shè)備及傳輸介質(zhì)的影響，遙感圖像在成像和傳輸?shù)倪^(guò)程中，往往會(huì)受到很多噪聲的影響，其中最為常見(jiàn)的噪聲為高斯噪聲、云噪聲和霧噪聲等。這些噪聲的存在，將直接影響遙感圖像

2、的進(jìn)一步處理、分析及應(yīng)用，影響數(shù)據(jù)的使用價(jià)值。遙感圖像去噪的目標(biāo)在于在保護(hù)圖像細(xì)節(jié)信息的前提下，最大限度地去除噪聲，提高數(shù)據(jù)的可讀性與有效性。
　　目前，對(duì)于熱噪聲、散粒噪聲等高斯噪聲的處理，主要是針對(duì)單幅遙感圖像，利用噪聲在空間域或頻域的特征，對(duì)遙感圖像進(jìn)行降噪處理。但這類(lèi)去噪方法存在一個(gè)問(wèn)題，即保留圖像邊緣與去除噪聲的矛盾，往往會(huì)出現(xiàn)圖像邊緣信息被過(guò)度扼殺，造成邊緣模糊或去除噪聲不理想現(xiàn)象。針對(duì)云噪聲，對(duì)于薄云，由于它不僅包含

3、了與云相關(guān)的信息，還包含了地物等有效信息，對(duì)它的研究也比較多，常用的處理方式是削弱云信息，同時(shí)增強(qiáng)地物信息，使地物清晰。而對(duì)于厚云，由于地物信息被完全遮蓋，幾乎不含有用信息，使用單幅遙感圖像去除厚云往往會(huì)引起信息空洞。這說(shuō)明單幅遙感圖像的信息量不足，需要將不同時(shí)間同一地區(qū)具有互補(bǔ)信息的多時(shí)相遙感數(shù)據(jù)根據(jù)一定的方法，有效的結(jié)合起來(lái)，得到一幅信息量更多的遙感圖像。
　　針對(duì)以上分析，本文研究了基于DS(Dempster-Shafer)

4、證據(jù)理論的多時(shí)相遙感圖像融合去噪方法，主要從以下3個(gè)方面展開(kāi)：
　?。?）分析了遙感圖像中多類(lèi)噪聲的特點(diǎn)與研究現(xiàn)狀，并分析了DS證據(jù)理論在多時(shí)相遙感圖像融合去噪的可行性：DS證據(jù)理論作為一種推理理論，屬于人工智能的范疇，它能融合多個(gè)證據(jù)并做出決策，對(duì)推理給出合理的闡釋?zhuān)梢杂行Ы鉀Q由于對(duì)研究對(duì)象認(rèn)知的不準(zhǔn)確或認(rèn)知缺失所造成的不確定性問(wèn)題。遙感圖像中，噪聲具有隨機(jī)性與不確定性，而 DS證據(jù)理論能綜合考慮來(lái)自多源的不確定信息，同樣適合

5、用在多時(shí)相遙感圖像融合去噪過(guò)程中。
　　（2）提出了基于 DS證據(jù)理論的多時(shí)相遙感圖像融合去除高斯噪聲的方法，根據(jù) DS證據(jù)理論的基本原理，為獲取證據(jù)的基本概率分配，設(shè)計(jì)四個(gè)高斯噪聲檢測(cè)模型，即兩狀態(tài)高斯混合模型、均值檢測(cè)模型、中值檢測(cè)模型、邊緣分析模型，用于分析每個(gè)灰度值與噪聲相關(guān)還是與地物相關(guān)。然后根據(jù) DS證據(jù)理論融合規(guī)則，將各幅遙感圖像四個(gè)證據(jù)融合成一個(gè)整體，得到每幅遙感圖像各像素與噪聲相關(guān)或與地物相關(guān)總的證據(jù)。接著利用

6、DS證據(jù)理論將多時(shí)相遙感圖像的多個(gè)證據(jù)合成，得到最終結(jié)論。最后根據(jù)所得的結(jié)論與決策規(guī)則，對(duì)遙感圖像進(jìn)行去噪處理。實(shí)驗(yàn)結(jié)果表明，該算法在高斯噪聲去除、圖像邊緣保持等方面優(yōu)于傳統(tǒng)的單幅遙感圖像去噪算法，圖像方差、信噪比和視覺(jué)效果方面都有所改進(jìn)。
　?。?）提出了基于DS證據(jù)理論的多時(shí)相遙感圖像融合去除云噪聲的方法，根據(jù) DS證據(jù)理論的基本原理，為獲取證據(jù)的基本概率分配，設(shè)計(jì)兩個(gè)云噪聲檢測(cè)模型，分別依據(jù)灰度統(tǒng)計(jì)值變化和頻域信息變化。首先

7、將多時(shí)相遙感圖像按同樣的標(biāo)準(zhǔn)分割成若干小區(qū)域，每個(gè)小區(qū)域按照以上兩個(gè)模型，判斷每個(gè)區(qū)域與云相關(guān)還是與地物相關(guān)。然后根據(jù) DS證據(jù)理論合成規(guī)則，將各幅遙感圖像兩個(gè)證據(jù)融合成一個(gè)整體，得到每幅遙感圖像各小區(qū)域與云相關(guān)或與地物相關(guān)總的證據(jù)。接著利用 DS證據(jù)理論將多時(shí)相遙感圖像的多個(gè)證據(jù)合并，得到最終結(jié)論。最后根據(jù)所得的結(jié)論與決策規(guī)則，對(duì)遙感圖像進(jìn)行融合去云。實(shí)驗(yàn)結(jié)果表明，該算法在云噪聲去除方面，通過(guò)利用有效互補(bǔ)信息，得到了信息更加豐富的圖像