遥感图像统计特性分析及其在图像复原中的应用

作     者：彭霓 

作者单位：国防科学技术大学 

学位级别：硕士

导师姓名：钟平

授予年度：2015年

学科分类：0810[工学-信息与通信工程] 08[工学] 081002[工学-信号与信息处理] 

主      题：可见光遥感图像 统计特性 图像复原 主成分分析 上下文信息 回归树场 

摘      要：遥感图像因其内容丰富、幅面较宽,要对其去噪面临诸多挑战。利用图像块的统计特性是提高图像去噪性能的一条重要途径。图像块统计特性有两类:基于待处理图像相似块上的内部统计特性,和基于外部图像相似块上的外部统计特性,不同类别的统计特性在图像去噪上的应用各有优劣。为了充分利用它们各自的优点,本文针对遥感图像的特点,在组合内部统计特性和外部统计特性的遥感图像去噪方面开展了研究工作。本文首先研究在变换域处理是否可以获得更好的去噪性能,并提出了一种PCA域组合内外统计特性的遥感图像去噪方法。这个方法沿用基于变换域PCA自然图像去噪算法的处理流程,同时利用了图像内部和外部的局部统计特性。前期的研究和初步的实验结果表明,这个组合利用图像内外局部统计特性的方法,对遥感图像去噪有一定的可行性,但还需要做进一步深入研究。其次,本文研究了如何依据图像内容选择内部和外部统计特性,并提出了一种训练自适应模型组合内外统计特性的遥感图像去噪方法。该方法依据图像块在图像一定邻域内是否具有合适的相似图像块数目,自适应选择利用内部或者外部局部统计特性。实验结果表明,该方法对遥感图像的去噪性能优于采用单类局部统计特性的去噪方法和基于Patch-SNR的组合方法。最后,为了更好地利用图像中的信息,本文提出了一种训练RTF模型组合内外统计特性的遥感图像去噪方法。利用RTF模型融合多种利用不同统计特性的处理结果、训练回归最优的复原结果,形成新的基于RTF组合内外统计特性的遥感图像去噪方法。由于有效的利用了图像的多元多层次关联信息,该方法的去噪性能不仅优于采用单类局部统计特性的去噪方法,同时也优于训练自适应模型组合内外统计特性的遥感图像去噪方法。