【摘要】：礦山遙感圖像在獲取、壓縮、傳輸、解碼的過(guò)程中易混入大量隨機(jī)噪聲,導(dǎo)致圖像清晰度較低,難以直接進(jìn)行分析研究。為此,將小波變換與非局部均值濾波算法(Non-local means filtering algorithm,NLM)相結(jié)合提出了一種基于小波閾值法的礦山遙感圖像非局部均值去噪算法。該算法首先結(jié)合小波硬閾值、軟閾值去噪模型以及現(xiàn)有的改進(jìn)型小波閾值去噪模型的特點(diǎn),建立一種改進(jìn)型小波閾值去噪模型并用于去除遙感圖像中的隨機(jī)噪聲;然后將原始遙感圖像與小波去噪后的圖像作差運(yùn)算,得到原始差值圖像,再對(duì)原始差值圖像進(jìn)行非局部均值濾波,得到濾波后的差值圖像;最后將小波去噪后的圖像與濾波后的差值圖像進(jìn)行融合。采用MATLAB語(yǔ)言編寫程序,試驗(yàn)數(shù)據(jù)為白云鄂博礦區(qū)的2幅遙感圖像,采用峰值信噪比(Peak signal noise to ratio,PSNR)和算法耗時(shí)等指標(biāo)對(duì)算法去噪效果進(jìn)行評(píng)價(jià)。試驗(yàn)結(jié)果表明:所提算法的去噪結(jié)果明顯優(yōu)于小波軟閾值去噪模型及非局部均值濾波,此外,該算法耗時(shí)相對(duì)于其余2類算法而言也有一定的優(yōu)勢(shì),對(duì)于提高礦山遙感圖像的判讀精度有一定的參考價(jià)值。
[Abstract]:In the process of acquisition, compression, transmission and decoding of mine remote sensing images, it is easy to mix in a large number of random noises, which leads to the low definition of the images, which makes it difficult to analyze and study them directly. In this paper, a non-local mean denoising algorithm based on wavelet threshold method for mine remote sensing images is proposed by combining wavelet transform with non-local mean filtering (Non-local means filtering algorithm,NLM) algorithm. Firstly, combining the characteristics of wavelet hard threshold, soft threshold de-noising model and existing improved wavelet threshold denoising model, an improved wavelet threshold de-noising model is established and used to remove random noise in remote sensing image. Then the difference operation between the original remote sensing image and the wavelet denoised image is done to get the original difference image, and then the non-local mean filtering of the original difference image is carried out to get the filtered difference image. Finally, the wavelet denoised image is fused with the filtered difference image. Two remote sensing images from Baiyun Obo mining area were tested with MATLAB language. The peak signal-to-noise ratio (Peak signal noise to ratio,PSNR) and the time consuming of the algorithm were used to evaluate the denoising effect of the algorithm. The experimental results show that the proposed algorithm is superior to the wavelet soft threshold de-noising model and non-local mean filtering. In addition, the proposed algorithm has some advantages over the other two kinds of algorithms in terms of time-consuming. It has certain reference value for improving the interpretation precision of mine remote sensing image.
【作者單位】： 唐山廣播電視大學(xué)遠(yuǎn)程教育中心;唐山師范學(xué)院繼續(xù)教育學(xué)院;
【分類號(hào)】：TP751

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李偉;;遙感圖像中的道路提取[J];自動(dòng)化博覽;2006年05期

2 李傳龍;李穎;馬龍;;一種新的遙感圖像海岸線檢測(cè)方法[J];計(jì)算機(jī)仿真;2010年08期

3 張學(xué)良;肖鵬峰;馮學(xué)智;;基于圖像內(nèi)容層次表征的遙感圖像分割方法[J];中國(guó)圖象圖形學(xué)報(bào);2012年01期

4 秦其明;遙感圖像自動(dòng)解譯面臨的問(wèn)題與解決的途徑[J];測(cè)繪科學(xué);2000年02期

5 陳小琪;現(xiàn)代計(jì)算機(jī)印前制版技術(shù)在遙感圖像印制中的應(yīng)用研究——以《長(zhǎng)江經(jīng)濟(jì)帶可持續(xù)發(fā)展地圖集》為例[J];地球信息科學(xué);2000年02期

6 鄧湘金,彭海良;一種基于遙感圖像的機(jī)場(chǎng)檢測(cè)方法[J];測(cè)試技術(shù)學(xué)報(bào);2002年02期

7 余杰千,方濤,陳雍業(yè);一種有效的遙感圖像無(wú)縫分割方法[J];計(jì)算機(jī)應(yīng)用;2003年12期

8 吳為祿;遙感圖像中的云層消除處理[J];鐵路航測(cè);2003年01期

9 于輝,徐軍;彩色遙感圖像目標(biāo)提取方法研究[J];遙感技術(shù)與應(yīng)用;2003年06期

10 黃勇杰,王樹國(guó),劉俊義,陳東;遙感圖像去云算法研究[J];儀器儀表學(xué)報(bào);2003年S2期

相關(guān)會(huì)議論文 前10條

1 張鳳春;董增壽;劉明君;;基于局部方差均衡的遙感圖像增強(qiáng)方法[A];第六屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集（2）[C];2008年

2 鄧冰;林宗堅(jiān);彭曉東;;遙感圖像信息度量的原理與方法[A];《測(cè)繪通報(bào)》測(cè)繪科學(xué)前沿技術(shù)論壇摘要集[C];2008年

3 江興方;江鴻;何賢強(qiáng);;遙感圖像兩種半自動(dòng)拼接方法的研究[A];全國(guó)農(nóng)業(yè)遙感技術(shù)研討會(huì)論文集[C];2009年

4 羅睿;張永生;范永弘;鄧雪清;;遙感圖像基于內(nèi)容查詢的研究與實(shí)踐[A];第十三屆全國(guó)遙感技術(shù)學(xué)術(shù)交流會(huì)論文摘要集[C];2001年

5 陳東;龐怡杰;黃勇杰;;大傾斜航空遙感圖像快速自動(dòng)鑲嵌技術(shù)[A];圖像 仿真 信息技術(shù)——第二屆聯(lián)合學(xué)術(shù)會(huì)議論文集[C];2002年

6 黃勇杰;王樹國(guó);劉俊義;陳東;;遙感圖像去云算法研究[A];首屆信息獲取與處理學(xué)術(shù)會(huì)議論文集[C];2003年

7 謝建春;趙榮椿;;遙感圖像中的軍用機(jī)場(chǎng)識(shí)別算法研究[A];信號(hào)與信息處理技術(shù)第三屆信號(hào)與信息處理全國(guó)聯(lián)合學(xué)術(shù)會(huì)議論文集[C];2004年

8 陳姚;王金亮;李石華;;遙感圖像中云層遮擋影響消除處理方法研究述評(píng)[A];第十五屆全國(guó)遙感技術(shù)學(xué)術(shù)交流會(huì)論文摘要集[C];2005年

9 張磊;朱磊;;遙感圖像中直線目標(biāo)的檢測(cè)[A];第十五屆全國(guó)遙感技術(shù)學(xué)術(shù)交流會(huì)論文摘要集[C];2005年

10 邱磊;李國(guó)輝;衡祥安;;一種基于交互學(xué)習(xí)的遙感圖像挖掘方法[A];第一屆建立和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議（HHME2005）論文集[C];2005年

相關(guān)重要報(bào)紙文章 前5條

1 蔣建科邋孫宏金 陳樹琛;傳回清晰遙感圖像[N];人民日?qǐng)?bào);2008年

2 記者 鄭千里;北京地區(qū)有了航空遙感圖像[N];科技日?qǐng)?bào);2000年

3 本報(bào)通訊員;煤航遙感院獲美國(guó)快鳥遙感圖像西部代理權(quán)[N];中煤地質(zhì)報(bào);2005年

4 王石;印度通過(guò)“快鳥”影像發(fā)現(xiàn)古墓地[N];中國(guó)測(cè)繪報(bào);2010年

5 記者 馬彥平 張桂敏;澳大利亞鉀礦鉆探啟動(dòng)[N];農(nóng)資導(dǎo)報(bào);2011年

相關(guān)博士學(xué)位論文 前10條

1 朱光;基于遙感圖像的交通道路目標(biāo)識(shí)別方法研究[D];吉林大學(xué);2015年

2 祁友杰;基于SoC技術(shù)的遙感圖像快速匹配方法研究[D];東南大學(xué);2016年

3 江興方;遙感圖像去云方法的研究及其應(yīng)用[D];南京理工大學(xué);2007年

4 滕鑫鵬;遙感圖像道路提取研究[D];江蘇大學(xué);2014年

5 劉春紅;超光譜遙感圖像降維及分類方法研究[D];哈爾濱工程大學(xué);2005年

6 劉哲;基于信息融合的遙感圖像處理方法研究[D];西北工業(yè)大學(xué);2002年

7 強(qiáng)贊霞;遙感圖像的融合及應(yīng)用[D];華中科技大學(xué);2005年

8 杜根遠(yuǎn);海量遙感圖像內(nèi)容檢索關(guān)鍵技術(shù)研究[D];成都理工大學(xué);2011年

9 陶午沙;基于結(jié)構(gòu)模型的遙感圖像軍事陣地目標(biāo)特征分析及其識(shí)別技術(shù)研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2004年

10 林劍;基于模糊理論的遙感圖像分割方法研究[D];中南大學(xué);2003年

相關(guān)碩士學(xué)位論文 前10條

1 邱磊;基于內(nèi)容的遙感圖像挖掘方法研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2005年

2 陳浩;高分辨遙感圖像災(zāi)區(qū)建筑檢測(cè)[D];南京理工大學(xué);2015年

3 朱然;大數(shù)據(jù)量復(fù)雜背景下橋梁水壩目標(biāo)快速識(shí)別[D];電子科技大學(xué);2015年

4 王靜靜;基于NSCT和Shearlet變換的遙感圖像增強(qiáng)研究[D];新疆大學(xué);2014年

5 柴宏磊;基于知識(shí)的遙感圖像港口目標(biāo)識(shí)別[D];電子科技大學(xué);2015年

6 馮一鳴;基于遙感圖像中港口目標(biāo)的分割算法研究與實(shí)現(xiàn)[D];西安電子科技大學(xué);2014年

7 吳云坤;遙感圖像變化檢測(cè)技術(shù)研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2013年

8 王旭;無(wú)參考遙感圖像質(zhì)量綜合評(píng)價(jià)算法研究[D];西安電子科技大學(xué);2015年

9 宋玉梅;基于遙感圖像的內(nèi)河航道識(shí)別研究[D];重慶交通大學(xué);2015年

10 張少輝;基于刃邊法的遙感圖像重建方法研究[D];西安電子科技大學(xué);2014年

，

本文編號(hào)：2456461