遙感圖像在礦區(qū)生態(tài)修復(fù)、地質(zhì)災(zāi)害監(jiān)測與防治等方面發(fā)揮了重要作用,但由于礦區(qū)環(huán)境復(fù)雜,導(dǎo)致獲取的遙感圖像存在噪聲,在很大程度上影響了后續(xù)的圖像解譯與分析。為此,融合圖像邊緣檢測與噪聲抑制思路,提出了一種基于提升小波閾值（lifting wavelet thresholding,LWT）與改進Prewitt算子邊緣檢測（improved edge dectction of Prewitt operator,IEDPO）的礦區(qū)遙感圖像去噪算法（LWT-IEDPO）。首先,對原始遙感圖像進行提升小波變換,在保留低頻小波子帶不作處理的情況下,設(shè)計了一種雙參數(shù)閾值函數(shù)模型對高頻子帶進行自適應(yīng)噪聲抑制,經(jīng)過小波逆變換獲得初步去噪后的遙感圖像;其次,為有效增強濾波后圖像的細節(jié)信息,將經(jīng)典Prewitt算子的檢測模板擴展到0°,30°,60°,90°,120°和150°這6個方向,并設(shè)計了相應(yīng)的檢測結(jié)果融合規(guī)則,提出了改進的Prewitt算子來提取圖像邊緣輪廓,獲得輪廓圖像和非輪廓圖像;然后,為了進一步改善視覺效果,針對非輪廓圖像采用改進的PalKing模糊算法提升對比度;最后,將增強后的非輪廓圖像和輪... 

【文章來源】：國土資源遙感. 2020,32(04)北大核心CSCD

【文章頁數(shù)】：7 頁

【部分圖文】：

圖像2實驗結(jié)果對比

在上述實驗的基礎(chǔ)上，采用遼寧某露天采場的一幅視覺效果較差的航拍圖像進一步對本文方法(LWT-IEDPO)性能進行檢驗，并與經(jīng)典小波硬閾值、軟閾值函數(shù)模型以及文獻[22]、文獻[7]分別提出的改進小波閾值方法進行去噪效果對比分析，實驗結(jié)果如圖4所示。分析圖4可知:文獻[22]和文獻[7]分別提出的改進小波閾值函數(shù)去噪模型對于露天采場航拍圖像的處理效果明顯優(yōu)于經(jīng)典小波硬閾值、軟閾值模型;采用LWT-IEDPO算法處理后，圖中采場臺階邊緣清晰可辨，圖像視覺效果總體上優(yōu)于其余4種方法，與實驗一結(jié)果基本吻合。由此可以認為，LWT-IEDPO算法對于遙感噪聲圖像的處理，相對于同類算法而言有一定的優(yōu)勢。

本研究將經(jīng)典的Prewitt算子的檢測模板由0°和90°方向擴展到6個方向:0°，30°，60°，90°，120°和150°方向，如圖1所示。采用此6個方向模板對圖像進行邊緣信息檢測后，需要對各個方向的檢測信息進行有機融合，方可獲得最終的檢測結(jié)果。以圖像中任一5×5區(qū)域為例，分別采用本研究擴展后的Prewitt算子6方向模板對圖像進行卷積運算，得到6個方向上的邊緣檢測結(jié)果F，即針對集合F，首先提取其極大值Fmax和極小值Fmin，然后對剩余元素組成的集合F"中的元素求取平均值，得到即為最終的邊緣信息檢測結(jié)果。


本文編號：3102832