一種遙感影像混合噪聲的去噪方法

鄧開(kāi)元，任 超，梁月吉，于志文

(1.桂林理工大學(xué)測(cè)繪地理信息學(xué)院，廣西 桂林 541004； 2. 廣西空間信息與測(cè)繪重點(diǎn)實(shí)驗(yàn)室，廣西 桂林 541004)

遙感圖像噪聲產(chǎn)生的原因存在于圖像獲取的各個(gè)環(huán)節(jié)，目前對(duì)遙感圖像的處理主要考慮脈沖噪聲[1-2]和高斯噪聲[3-6]。在實(shí)際中，圖像的噪聲往往不是單一的，大多可能為脈沖噪聲和高斯噪聲的混合噪聲，因?yàn)閭鹘y(tǒng)的均值、中值去噪方法的效果不佳，因此文獻(xiàn)[7]提出了將小波閾值方法與自適應(yīng)Wiener濾波相結(jié)合的去噪方法。文獻(xiàn)[8]等提出了將Bayes小波閾值濾波、自適應(yīng)Wiener濾波和自適應(yīng)中值濾波相結(jié)合的3層組合濾波去噪方法，效果雖然優(yōu)于傳統(tǒng)的兩層組合濾波，但最終還會(huì)殘留部分噪聲。

以上的濾波方法針對(duì)影像中常見(jiàn)的脈沖噪聲和高斯噪聲依次通過(guò)閾值判別進(jìn)行去噪，由于不同維度的濾波相互影響，即使有針對(duì)性地進(jìn)行組合濾波去噪也會(huì)導(dǎo)致影像殘留部分噪聲。本文提出一種基于三維塊匹配[9]與自適應(yīng)中值濾波[10]相結(jié)合的新組合濾波方法。

1 組合濾波除去混合噪聲方法

影像中常見(jiàn)混合噪聲是由脈沖噪聲和高斯白噪聲組合而成。混合噪聲中大部分是加性的高斯噪聲

X(m,n)=S(m,n)+N(m,n)

(1)

式中，X為觀測(cè)信號(hào)；S為原始信號(hào)；N為高斯噪聲，其均值為0，方差為δ。

由于合成孔徑雷達(dá)影像所含乘性噪聲的特殊性，本文將在以后的研究中對(duì)其進(jìn)行分析。

1.1 三維塊匹配方法

由于圖像中信息的噪聲位于高頻區(qū)域，消除噪聲與保存細(xì)節(jié)二者之間自相矛盾，因此傳統(tǒng)低通濾波方法無(wú)法獲得良好的去噪效果。三維塊匹配方法采用塊匹配原理，三維塊匹配有兩個(gè)相同的步驟。第一步，它使用硬閾值生成噪聲圖像的基本估計(jì)。第二步，利用維納濾波器對(duì)噪聲圖像進(jìn)行去噪處理。

1.1.1 分 組

分組是一種收集相似圖像區(qū)域的過(guò)程。假設(shè)Z為含噪圖像，ZXR為參考?jí)K，ZX為當(dāng)前處理的圖像塊。組中的塊數(shù)為N,那么ZXR與ZX之間的距離可以表示為

(2)

(3)

1.1.2 協(xié)同濾波

為了實(shí)現(xiàn)協(xié)同濾波，必須首先對(duì)ZS1進(jìn)行三維變換，然后利用硬閾值進(jìn)行收縮處理，最后通過(guò)逆變換得到逐塊估計(jì)的三維數(shù)組。

(4)

1.1.3 重新組合

重組是在第一次估計(jì)圖像的基礎(chǔ)上，利用塊匹配方法再次確定分組結(jié)果。

(5)

1.1.4 協(xié)同維納濾波

維納濾波收縮系數(shù)大小由第一次估計(jì)的三維變換系數(shù)的能量決定

(6)

(7)

1.2 自適應(yīng)中值濾波

自適應(yīng)中值濾波是一種非線性濾波，能夠很好地去除噪聲，并且保留邊緣信息。其方法可分為兩個(gè)層次，可定義為A層和B層。設(shè)Xx,y表示中心像素點(diǎn)(x,y)在進(jìn)行濾波時(shí)對(duì)應(yīng)的窗口(窗口允許的最大尺寸為Xmax)，Zmin為Xx,y中灰度級(jí)的最小值，Zmax

為Xx,y中灰度級(jí)的最大值，Zmed為Xx,y中灰度級(jí)的中值，Z(x,y)為坐標(biāo)(x,y)上的灰度值。

ZA1=Zmed-Zmin

(8)

ZA2=Zmax-Zmed

(9)

ZB1=Zx,y-Zmin

(10)

ZB2=Zmax-Zx,y

(11)

A層：當(dāng)ZA1>0且ZA2>0時(shí)，轉(zhuǎn)入B層；否則，增大窗口尺寸。如果窗口尺寸等于或小于Xmax，則重復(fù)A層，否則輸出Z(x,y)。

B層：當(dāng)ZB1>0且ZB2>0時(shí)，輸出Zx,y；否則，輸出Zmed。

2 新的組合濾波方法

本文方法是在傳統(tǒng)空間域和小波域的基礎(chǔ)上提出的,方法流程如圖1所示。

本文方法分為3步，具體實(shí)現(xiàn)步驟如下：

3 試驗(yàn)與評(píng)價(jià)質(zhì)量

為了比較自適應(yīng)中值、三維塊匹配、3層組合濾波、本文方法在圖像去除混合噪聲中處理的精度，通過(guò)Matlab 2017b進(jìn)行了兩個(gè)仿真試驗(yàn)及一個(gè)真實(shí)遙感圖像去噪試驗(yàn)。

3.1 試驗(yàn)1

為了驗(yàn)證本文方法的有效性與優(yōu)越性，仿真試驗(yàn)1用256×256像素Lena灰度影像，根據(jù)遙感影像中常見(jiàn)的混合噪聲類(lèi)型對(duì)各種組合濾波方法進(jìn)行對(duì)比試驗(yàn)，其中遙感影像常見(jiàn)的混合噪聲主要包含25/0.005、30/0.01、35/0.03、40/0.05這4種，每組數(shù)據(jù)的前者代表高斯噪聲的標(biāo)準(zhǔn)差，后者代表脈沖噪聲的密度。采用自適應(yīng)中值、三維塊匹配、3層組合濾波、本文方法來(lái)進(jìn)行試驗(yàn)。在噪聲強(qiáng)度為40/0.05

時(shí)本文去噪方法的效果如圖2所示,各種去噪方法評(píng)價(jià)指標(biāo)結(jié)果見(jiàn)表1。從表1看出，就去除影像的混合噪聲而言，本文方法比傳統(tǒng)去噪方法具有更好的去噪效果。

去噪方法噪聲污染25/0.00530/0.0135/0.0340/0.05自適應(yīng)中值131.76/26.93/0.58181.21/25.55/0.51246.17/24.22/0.45329.42/22.95/0.38三維塊匹配42.93/31.84/0.8754.16/30.72/0.8485.63/28.20/0.78143.43/26.56/0.693層濾波方法106.22/27.87/0.79124.87/27.17/0.76160.46/26.08/0.72194.79/25.24/0.68本文方法44.89/31.60/0.8754.24/30.79/0.8571.63/29.56/0.8297.63/28.23/0.79

3.2 試驗(yàn)2

試驗(yàn)圖像為截取某地區(qū)上空的遙感圖像。利用不同混合噪聲大小進(jìn)行試驗(yàn)，其結(jié)果見(jiàn)表2,各去噪方法在混合噪聲大小為35/0.03的結(jié)果如圖3所示。經(jīng)過(guò)對(duì)比分析，本文提出的組合濾波方法就去除遙感圖像混合噪聲而言，其效果優(yōu)于傳統(tǒng)方法，可應(yīng)用在實(shí)際遙感影像去噪。

表2 各種組合濾波方法去噪評(píng)價(jià)指標(biāo)(MSE/PSNR/MSSIM)

從表2和圖3中看出，本文方法均優(yōu)于自適應(yīng)中值濾波方法、三維塊匹配、3層濾波方法。從表2還可以看出，各方法在影像所含混合噪聲較小時(shí)相對(duì)于混合噪聲較大時(shí)，后者的去噪效果差，說(shuō)明去噪效果還受到噪聲大小影響。為了進(jìn)一步比較三維塊匹配與本文算法優(yōu)劣，三維塊匹配去噪與本文方法去噪在40/0.05噪聲類(lèi)型下最終結(jié)果的放大如圖4所示。經(jīng)過(guò)對(duì)比分析，本文提出的組合濾波方法在去除遙感圖像中各類(lèi)常見(jiàn)的混合噪聲時(shí)，其效果優(yōu)于傳統(tǒng)各方法，去噪后圖像的MSE、PSNR、MSSIM也都最優(yōu)，可應(yīng)用于實(shí)際遙感影像去噪。

3.3 試驗(yàn)3

為了驗(yàn)證方法的可行性，采用真實(shí)遙感圖像進(jìn)行去噪，選取資源三號(hào)衛(wèi)星在某地區(qū)上空的拍攝遙感圖像，所截取圖像尺寸為112×157。原始圖像及各種方法去噪圖像如圖5所示。

通過(guò)以上真實(shí)遙感圖像的試驗(yàn)結(jié)果觀察可知，本文方法在去噪的定性視覺(jué)效果上優(yōu)于傳統(tǒng)方法，可以有效去除遙感圖像中的混合噪聲。

4 結(jié) 語(yǔ)

針對(duì)遙感圖像中存在的混合噪聲，本文提出了一種新的組合濾波方法。該方法與目前常見(jiàn)濾波方法相對(duì)比，從去噪的數(shù)據(jù)質(zhì)量和人眼的視覺(jué)效果比較上有一定的優(yōu)勢(shì)。該去噪方法，在有效地去除遙感圖像中常見(jiàn)的脈沖和高斯混合噪聲的同時(shí)，能夠更好地保護(hù)圖像有用的信息，保留圖像的邊緣細(xì)節(jié)，適用于遙感圖像常見(jiàn)類(lèi)型混合噪聲的去除，可以推廣應(yīng)用在實(shí)際工程中。