一种提高遥感图像质量的方法

摘要

本发明实施例提供了一种提高遥感图像质量的方法，其包括：S1、利用非下采样剪切波变换对原始遥感图像和直方图均衡化后的遥感图像进行分解，得到各自的低频子带和高频子带；S2、对直方图均衡化后的低频子带进行PM滤波；对原始图像的高频子带进行旋转阈值去噪，然后进行引导滤波；S3、对处理后的低频子带和高频子带进行非下采样剪切波逆变换。本发明的技术方案具有以下有益效果是：将PM滤波用于低频子带，引导滤波用于高频子带，提出一种基于非下采样shearlet变换的遥感图像新算法。通过对非下采样剪切波变换阈值的处理，对大程度的滤除噪声，再经引导滤波过程，增强图像的细节信息，提高图像清晰度，增强图像的抗噪性。

权利要求

1.一种提高遥感图像质量的方法，其包括：S1、利用非下采样剪切波变换对原始遥感图像和直方图均衡化后的遥感图像进行分解，得到各自的低频子带和高频子带；

S2、对直方图均衡化后的遥感图像分解得到的低频子带进行PM滤波；对原始遥感图像分解得到的高频子带进行旋转阈值去噪，然后对阈值去噪后的高频子带进行引导滤波；

S3、对处理后的低频子带和高频子带进行非下采样剪切波逆变换；

所述的引导滤波的增强函数如下：

EI＝ε(P-Q)+Q

其中，P是待滤波图像；Q为滤波后图像，即平滑图像；ε是增强参数，其值的大小决定细节部分的清晰度，但同时也对噪声有影响；引导滤波增强参数选取ε＝2.2。

2.如权利要求1所述的方法，其特征在于，低频子带PM滤波选取的迭代次数为2次。

说明书

一种提高遥感图像质量的方法

技术领域

[0001] 本发明涉及图像处理技术领域，具体的说涉及一种利用非下采样剪切波变换及引导滤波技术提高遥感图像质量的方法。

背景技术

[0002] 随着遥感图像的广泛的应用在各个领域，如军事、地质和天文学等，高质量遥感图像的需求迅速增加。但遥感图像的获取中，受传感器和环境等因素的干扰，部分图像会出现视觉效果差、纹理信息不明显、对比度低等问题。严重影响了人们获取信息的快速性和准确性。所以图像增强作为图像预处理的主要步骤之一尤为重要。

发明内容

[0003] 鉴于以上所述的技术问题，本发明实施例提供了一种提高遥感图像质量的方法，利用非下采样剪切波变换及引导滤波，实现了提高遥感图像质量和去噪的目的。

[0004] 本发明实施例提供了一种提高遥感图像质量的方法，其包括：

[0005] S1、利用非下采样剪切波变换对原始遥感图像和直方图均衡化后的遥感图像进行分解，得到各自的低频子带和高频子带；

[0006] S2、对直方图均衡化后的遥感图像分解得到的低频子带进行PM滤波；对原始遥感图像分解得到的高频子带进行旋转阈值去噪，然后对阈值去噪后的高频子带进行引导滤波；

[0007] S3、对处理后的低频子带和高频子带进行非下采样剪切波逆变换。

[0008] 优选地，低频子带PM滤波选取的迭代次数为2次。

[0009] 优选地，引导滤波的增强函数如下：

[0010] EI＝ε(P-Q)+Q

[0011] 其中P是待滤波图像；Q为滤波后图像，即平滑图像；ε是增强参数，其值的大小决定细节部分的清晰度，但同时也对噪声有影响。因此ε的取值很重要。

[0012] 引导滤波增强参数选取ε＝2.2。

[0013] 本发明的技术方案具有以下有益效果是：将PM滤波用于低频子带，引导滤波用于高频子带，提出一种基于非下采样shearlet变换的遥感图像新算法。通过对非下采样剪切波变换阈值的处理，对大程度的滤除噪声，再经引导滤波过程，增强图像的细节信息，提高图像清晰度，增强图像的抗噪性。

具体实施方式

[0014] 下面将详细描述本发明的各个方面的特征和示例性实施例。在下面的详细描述中，提出了许多具体细节，以便提供对本发明的全面理解。但是，对于本领域技术人员来说很明显的是，本发明可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本发明的示例来提供对本发明的更好的理解。本发明决不限于下面所提出的任何具体配置和算法，而是在不脱离本发明的精神的前提下覆盖了元素、部件和算法的任何修改、替换和改进。在下面的描述中，没有示出公知的结构和技术，以便避免对本发明造成不必要的模糊。

[0015] 然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的实施方式；相反，提供这些实施方式使得本发明更全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。

[0016] 此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本发明的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本发明的技术方案而没有所述特定细节中的一个或更多，或者可以采用其它的方法、组元、材料等。在其它情况下，不详细示出或描述公知结构、材料或者操作以避免模糊本发明的主要技术创意。

[0017] 图像增强分为两大类：空域变化和频域变换。基于空域的增强方法是直接对图像的整体像素值进行处理，虽然提升了图像的整体亮度，但降低了图像的对比度，放大图像中的噪声，淹没了细节。空域变换有：直方图均衡化、多尺度Retinex等。小波变换是经典算法之一，具有很好的时域特性和多分辨率的特点，但其不能很好的表达方向信息。为了克服小波的有限方向性的缺点，提出了很多基于小波的多尺度变换，例如：曲波(curvelet)变换，轮廓波(contourlet)变换和Shearlet变换。非下采样shearlet变换解决了shearlet变换不具有平移不变性的问题，避免伪吉普斯现象。非下采样shearlet变换数学结构简单，具有更高的计算效率。非下采样剪切波变换具有多尺度、多方向和平移不变性，在高频中逐层细分，对高维几何结构具有接近最优的稀疏表示。

[0018] 图像引导滤波是一种局部线性图像滤波器，在其实现平滑滤波的同时还能具有良好的边缘保持性能。滤波过程包含引导图像I,待处理图像P和处理后图像Q。其中I和P是可以相同的，二者都是灰度图像。引导滤波的关键是对于引导图像I和待处理图像P关于呈局部线性关系的假设。以像素点k为中心，r为半径的方形局部窗wk中，P是I的线性变换，即：

[0019]

[0020] 式中ak,bk是变换的系数，在局部窗口wk中为常值。 (a为常系数)，此局部线性模型保证滤波输出图像和引导图像保持相同的边缘性，所以此滤波后的图像边缘保持很好。

[0021] 引导滤波的增强如下：

[0022] EI＝ε(P-Q)+Q

[0023] 其中P是待滤波图像；Q为滤波后图像，即平滑图像；ε是增强参数，其值得大小决定细节部分的清晰度，但同时也对噪声有影响。因此ε的取值很重要。

[0024] 本发明实施例提供了一种提高遥感图像质量的方法，其包括：

[0025] S1、利用非下采样剪切波变换对原始遥感图像和直方图均衡化后的遥感图像进行分解，得到各自的低频子带和高频子带；

[0026] S2、对直方图均衡化后的遥感图像分解得到的低频子带进行PM滤波；对原始遥感图像分解得到的高频子带进行旋转阈值去噪，然后对阈值去噪后的高频子带进行引导滤波；

[0027] S3、对处理后的低频子带和高频子带进行非下采样剪切波逆变换。

[0028] 优选地，低频子带PM滤波选取的迭代次数为2次。

[0029] 优选地，引导滤波的增强函数如下：

[0030] EI＝ε(P-Q)+Q

[0031] 其中P是待滤波图像；Q为滤波后图像，即平滑图像；ε是增强参数，其值的大小决定细节部分的清晰度，但同时也对噪声有影响。因此ε的取值很重要。

[0032] 引导滤波增强参数选取ε＝2.2。

[0033] 本发明的技术方案具有以下有益效果是：将PM滤波用于低频子带，引导滤波用于高频子带，提出一种基于非下采样shearlet变换的遥感图像新算法。通过对非下采样剪切波变换阈值的处理，对大程度的滤除噪声，再经引导滤波过程，增强图像的细节信息，提高图像清晰度，增强图像的抗噪性。

[0034] 本领域技术人员应能理解，上述实施例均是示例性而非限制性的。在不同实施例中出现的不同技术特征可以进行组合，以取得有益效果。本领域技术人员在研究说明书及权利要求书的基础上，应能理解并实现所揭示的实施例的其他变化的实施例。