论文部分内容阅读
随着探测器分辨率的不断提高,高光谱遥感已广泛服务于经济、军事、环保等领域。但在获取或传输高光谱图像过程中,不可避免的受到噪声的影响。噪声同时存在于空间域和光谱域,需要对其均进行去噪处理。利用波段图像间和像元光谱间的相关性可以取得较好的去噪效果。在空间域去噪时,部分去噪算法已开始关注波段间的相关性;而在光谱域去噪时,像元光谱间的相关性则被忽略。本文提出一种利用高光谱图像像元光谱间的相关性的光谱域去噪算法。使用主成分分析来去除光谱间的相关性。引入同质区域分割,来避免数据过多时主成分分析的有偏估计并更加精确的划分光谱相关性极高的区域,同时,为了避免噪声的影响并使分割参数过小时算法具有鲁棒性,对其进行了改进,即过小的区域合并。以此为基础,本文给出完整的高光谱图像小波去噪算法。分别在模拟和真实的高光谱图像上进行实验,并与四种算法比较。对于模拟高光谱图像,在三种初始信噪比下,从整体信噪比、空间域视觉效果和MSSIM、光谱域MRMSE和MNCC进行评价,本文推荐的算法均可以得到最优的去噪效果;对于真实高光谱图像,采用分类结果来衡量去噪效果,本文提出的算法OA达到92.46%,效果最好,并比含噪数据提高了近8%,Kappa达到0.9141。最后,分析了算法中参数对去噪性能的影响。对于小波基和阈值选择函数,算法均能取得较好的去噪效果,最大差别仅为0.1db。对于分割参数,改进的同质区域分割算法在分割参数过小时,比不进行小区域合并的提高0.8db左右,单纯的光谱域主成分分析去噪结果也好于其他比较的四种算法。