基于数学形态学的遥感图像条带噪声去除方法.pdf

收稿日期:基金项目:安徽省省教育厅自然科学研究重点项目()安徽省省教育厅自然科学研究重点项目()安徽省教育厅教学研究项目()作者简介:王 安()男安徽桐城人讲师硕士生文章编号:()基于数学形态学的遥感图像条带噪声去除方法王 安(桐城师范高等专科学校 商贸与电子信息系安徽 桐城)摘要:遥感图像对于了解地球特征信息具有重要作用噪声去除效果亟待加强因此设计基于数学形态学的遥感图像条带噪声去除方法 分析遥感图像条带噪声来源设置遥感图像特征参数基于数学形态学提取图像条带噪声的结构元素提高数学形态学对图像处理的准确性计算条带噪声信噪比进一步提高条带噪声去除效果进而实现遥感图像条带噪声的有效去除 实验结果表明:设计方法的噪声去除效果更佳极具推广价值关键词:数学形态学遥感图像条带噪声去除方法中图分类号:.文献标志码:遥感图像可以通过传感器接收实时画面客观地反映出资源利用的真实状态 但是遥感技术的发展还不完善在遥感成像的过程中会受到来自信息采集、数据存储、图像传输方面的影响形成各种不同的噪声 其中最为主要的是条带噪声的影响 条带噪声是指在图像中以横向或纵向的形式掩盖图像实际数据信息对于图像质量具有不利影响 因此遥感图像噪声去除方法亟待改进 传统遥感图像噪声去除方法采用均值去噪的形式对于图像的细节不能很好地把控影响图像的还原效果 数学形态学是生物学的分支可以用来处理生物体的形态结构在使用的过程中涉及微分、积分、几何等严谨的推理逻辑知识面较广可以作为处理方法来使用 因此本文将数学形态学应用到遥感图像条带噪声去除方法中通过图像中存在的几何关系可以选择出相应的结构元素用一定形状的结构元素度量出图像中对应的形状从而达成图像噪声去除的处理 由于不同的形态学运算可以得到图像不同的特性因此使用数学形态学可以完成图像去噪的处理任务对于还原遥感图像实际面貌具有重要作用 遥感图像条带噪声来源分析遥感图像条带噪声由于生产工艺、表面密度、感光有效面积等因素不同噪声探测器的响应具有不均匀性此种不均匀性在遥感图像中表现为一种固定模式的噪声不会服从于任何周期性分布 因此使用传统去噪方法很难去除遥感图像条带噪声 一般情况下图像的随机噪声是以点状或是脉冲形式分布而成很容易得出噪声的排列方式 由于条带噪声的产生机理不同条带噪声的宽度也不同可能是 个或多个像素宽也可能是多种宽窄不一的条纹 每种条带噪声具有不同的明暗度如果灰度值高于图像中相邻灰度值则表现为明条纹与之相反如果灰度值低于相邻灰度值则表现为暗条纹如图 所示 图 所示是具有明显条带噪声的遥感图像条带噪声的特征是横向噪声 对于图像色度学而言图像仅存在红、绿、蓝三个基本颜色每个基本颜色都具有独立性不能通过其他颜色混合得到而且每种颜色的亮度、色度、饱和度混合后为三基第 卷 第 期 年 月兰州工业学院学报 .色之和对于彩色而言加入白色越多颜色就越明亮加入黑色越多就越暗沉 在此基础上本文将遥感图像的特征参数进行分析如表 所示 在使用数学形态学去除噪声的情况下对于遥感图像的细节需要牢牢把控去噪时也需要尽量不损害图像的细节保证图像的原始效果图 图像条带噪声模式表 遥感图像的特征参数特征参数实际意义空间分辨率反映遥感图像中地面目标空间几何信息的性能几何分辨率传感器能观察到的最小地面距离或大小辐射分辨率接收光谱信号可以分辨出的最小辐射度差值光谱分辨率遥感器接收目标辐射时能分辨的最小波长间隔 基于数学形态学提取图像条带噪声结构元素数学形态学在进行图像噪声去除的过程中会分为两方面一方面是根据不同图像噪声情况选择出较为适合的形态学算法另一方面是根据图像的特点与噪声来源情况选择出合适的结构元素进一步消除条带噪声 如果选取出了合适的形态学算法但是没有合适的结构元素那么得出的图像去噪效果仍然不佳如果选取了合适的结构元素但是没有合适的形态学算法得出的图像仍然不能显示全貌 也就是说数学形态学在去除噪声时需要将结构元素与形态学算法相结合保证最终图像去噪结果 结构元素在图像去噪处理中占据重要作用其本身包含着大小、粗细、方向的局部滤波器在滤波的过程中通过提取图像条带噪声的结构元素即可为图像还原提供条件 图像条带噪声结构元素提取的过程中需要将图像中含有结构元素特征的部分留下将不相关的结构元素去除掉由此完成一次结构元素的提取图像条带噪声的结构元素较为灵活使用传统图像去噪方法很难还原出图像的原貌 数学形态学可以利用生物学原理将图像条带噪声的各种形态还原出来与图像中原本的条带形态融合甚至是取代原本的条带形态进而实现图像噪声的去除 由于条带噪声每个结构元素位置上会出现相对应的膨胀最大值灰度膨胀处理是噪声去除的有效手段 因此在条带形态被取代后图像中虚拟的条带形态需要用到形态学算法进行去除具体运算公式如式()所示 .()式中:为结构元素的几何特性 为虚拟条带噪声形态、分别为 的多次膨胀结果、为常数 由于条带噪声的结构元素具有平移不变性、对偶性等特质在特征提取的过程中需要较强的分辨能力 本文将结构元素的几何特性 作为图像噪声去除的关键通过多次膨胀虚拟条带噪声形态 可以将结构元素的几何形态组成一串形态学滤波器对图像条带噪声作出覆盖面更广的去除进而提高数学形态学对图像处理的准确性 计算条带噪声信噪比由于环境条件的限制遥感图像在获取或传输的途中会出现较多的干扰图像也会出现条带噪声 同时遥感技术使用的电子元器件同样会产生较多的干扰影响图像传输效果形成较大的条带噪声 此外光照条件与拍摄环境均会影响图像还原图像中的模糊与对比度差的现象同样会影响条带噪声的处理效果 因此本文在信噪比计算之前首先将图像条带噪声与灰度特征之间的相关系数进行计算分析此时图像噪声的特点计算公式如式()所示 ()()()()()式中:为图像条带噪声与灰度特征之间的相关系数 为图像初始灰度值、为常数与 为图像条带噪声的结构元素均值与像元灰度值与为提取结构元素后的图像结构元素均值与像元灰度值 由于条带噪声是不可预测的随机性较强需要将图像噪声看作随机信号利用随机信号第 期 王 安:基于数学形态学的遥感图像条带噪声去除方法描述噪声可以更加便于使用数学形态学进行后续噪声去除 对于图像条带噪声而言随机信号不能仅存在一个需要同时计算多个信号之间的结构相似度更有利于对图像噪声结构元素的分析 本文设定随机信号为 与 得出的结构相似度公式如式()所示()()()()式中:()为随机信号 与 的相似度特征()为噪声密度函数()为噪声去除的数学期望 当条带噪声中结构相似度为 时说明与 的结构相同当条带噪声结构相似度时说明 与 结构不同需要继续计算其他噪声结构 在计算出图像条带噪声与灰度特征之间的相关系数 与随机信号 与 的相似度特征()后本文对条带噪声的信噪比进行计算公式如式()所示()().()式中:为条带噪声的信噪比()为图像灰度处理的信号值 在去除遥感图像条带噪声的过程中信噪比计算至关重要 初始图像的信噪比需要作出计算图像去噪后还需要计算出信噪比信噪比越高说明图像还原度越佳相反信噪比越低说明图像还原度越差 遥感图像条带噪声的有效去除为了实现遥感图像条带噪声的有效去除本文首先对条带噪声的来源作出分析并根据标准条带噪声的图像作出判断分析出遥感图像特征参数的实际意义为后续噪声去除提供条件 其次利用数学形态学提取出图像结构元素将符合图像特点的结构元素留下再将不符合图像特点的结构元素去除既可以达成噪声一次去除的效果在此过程之后通过多次膨胀虚拟条带噪声形态的形式对图像条带噪声进行二次去除两次噪声去除之后既可以保留图像的真实效果又可以加强噪声去除效果 最后通过计算条带噪声的信噪比将初始图像的信噪比与去除后图像的信噪比进行对比信噪比越高说明图像的还原效果越好 仿真实验分析为了验证本文设计的方法是否具有实用效果本文搭建出一个仿真平台对上述方法进行仿真实验分析 首先随机选取出部分图像分析图像中的噪声来源与颜色基础其次提取出图像噪声的结构元素在保证图像色彩强度的基础上强化图像细节与对比度最后将噪声信噪比计算出来分析噪声去除效果 实验结果以传统遥感图像条带噪声去除方法与本文设计的遥感图像条带噪声去除方法对比的形式呈现.实验过程本文在进行实验之前随机选取出部分遥感图像作为实验样本 在仿真平台中将遥感图像条带噪声分为空间噪声与表征噪声 种 将空间噪声延伸到时间域内可以展示出空间噪声与时空之间的关系 利用空间噪声与表征噪声相结合的分析方法更加有利于得出表征噪声的时空特性进而找出具体去噪方式 在仿真平台中图像处于理想状态非均匀性的像元相应处于线性函数范围并且具有平移不变形可以凸显出图像条带噪声的特征 但是在实际情况下图像受到各种因素的影响使得像元对应的取值也不同相应灰度同样出现差异 本文在保证仿真平台具有图像真实效果的基础上考虑到实际情况的影响因子将遥感图像进行仿真并在仿真的图像中加入随机变量使图像去噪效果更加真实有效 由于实际中的遥感图像具有较多的细节采用传统去噪方式会出现图像的细节偏差本文采用数学形态学去噪后结果如图 所示图 去噪处理前后效果对比 图()是存在条带噪声的图()是消除噪声后的图像 从图 可以看出使用数学形态学消除的噪声对图像细节把握得很好没有出现细节错误可以还原出图像本身的样貌对于图像去噪 兰州工业学院学报 第 卷具有重要作用.实验结果分析在上述实验条件下本文选取.、.、.、.、.、.、.、.、.等 个图像质量等级作为实验图像每一个等级的原始图像均具有一个初始信噪比 利用式()计算出遥感图像条带噪声的信噪比并将传统遥感图像条带噪声去除方法的信噪比与本文设计的遥感图像条带噪声去除方法的信噪比进行对比具体实验结果如表 所示表 实验结果对比图像质量等级 原始图像的信噪比/传统遥感图像条带噪声去除方法的信噪比/本文设计的遥感图像条带噪声去除方法的信噪比/.表 中将图像质量等级划分为.其中 图像为劣质等级 图像为差等级 图像为中等等级 图像为良好等级 图像为优质等级 在相同实验条件下传统遥感图像条带噪声去除方法的信噪比与原始图像信噪比相差较小劣质等级与差质等级的图像甚至会低于原始图像的信噪比噪声去除效果不佳中等、良好以及优质等级的图像信噪比较高噪声去除效果较强 因此传统去噪方法对于质量等级高的图像噪声去除效果较好等级低的图像噪声去除效果不佳不具有图像去噪大众性 而本文设计的遥感图像条带噪声去除方法的信噪比较高与原始图像信噪比相差约 去噪效果更佳 并且不会受到图像质量等级的影响去噪水平较为稳定可以适用于绝大多数的图像符合本文研究目的 结语近些年遥感技术发展迅速遥感图像成为了解卫星、飞机以及其他飞行目标信息的关键性技术为掌握地球资源信息提供了更加有效的方法但是由于遥感技术在图像采集、存储、传输的过程中会出现不同的噪声干扰而条带噪声是其中较难去除的噪声 因此本文利用数学形态学设计了遥感图像条带噪声去除方法 首先对条带噪声来源作出分析并提取出图像噪声的结构元素其次计算出噪声的信噪比并得出影响信噪比的因素最后通过仿真实验验证的方式得出本文设计的方法信噪比更高去噪效果更佳的结论参考文献:桂团福邓居智李广等.数学形态学和 字典学习在大地电磁数据去噪中的应用.中国有色金属学报():.古一灿唐文虎辛妍丽等.基于多尺度数学形态学和高低频能量比值的海上风电场内部瞬态过电压特征分析.中国电机工程学报():.谢清林陶功权刘孟奇等.数学形态学滤波在钢轨波磨波长识别中的应用.中南大学学报:自然科学版():.宋金涛于晗潘振宽.基于欧拉弹性能变分图像恢复模型的快速对偶投影算法.福州大学学报:自然科学版():.林懿龙伟李炎炎等.基于数学形态学分形理论与 的轴承状态监测与故障诊断.四川大学学报:自然科学版():.樊甫江时国栋吴升清等.基于数学形态学的表面原子熔融相的 图像识别算法.原子与分子物理学报():.王全义王新环卢彩霞等.基于数学形态学的电压暂降扰动定位中的应用.传感器与微系统():.何安良程兴保廖龙长等.耦合 与数学形态学的分水岭遥感图像分割方法.东华理工大学学报:自然科学版():.陆可郑伯桢卢春盛等.基于数学形态学改进的无人机影像配准算法.合肥工业大学学报:自然科学版():.段永平安远英.基于非局部均值算法的图像高密度混合噪声去除研究.信息与电脑:理论版():.第 期 王 安:基于数学形态学的遥感图像条带噪声去除方法 (.):.:(责任编辑:曾贤灏)(上接第 页)./.谭刚王志亮.聚丙烯纤维掺量对混凝土抗压强度影响分析.散装水泥():.陈积光祝新念胡文峰.水泥混凝土直接拉伸试验研究.湖南文理学院学报:自然科学版():.金龙李玲燕.高延性纤维混凝土抗压性能试验研究.商品与质量():.丁聪.高延性水泥基复合材料的细观力学修正模型及其调控机制.南京:东南大学.齐麟.缝高比、加载速率对/复合型断裂性能影响.天津:河北工业大学.:.():.:(责任编辑:曾贤灏)兰州工业学院学报 第 卷