一種遙感影像混合噪聲的去噪方法

鄧開元，任 超，梁月吉，于志文

(1.桂林理工大學測繪地理信息學院，廣西 桂林 541004； 2. 廣西空間信息與測繪重點實驗室，廣西 桂林 541004)

遙感圖像噪聲產生的原因存在于圖像獲取的各個環節，目前對遙感圖像的處理主要考慮脈沖噪聲[1-2]和高斯噪聲[3-6]。在實際中，圖像的噪聲往往不是單一的，大多可能為脈沖噪聲和高斯噪聲的混合噪聲，因為傳統的均值、中值去噪方法的效果不佳，因此文獻[7]提出了將小波閾值方法與自適應Wiener濾波相結合的去噪方法。文獻[8]等提出了將Bayes小波閾值濾波、自適應Wiener濾波和自適應中值濾波相結合的3層組合濾波去噪方法，效果雖然優于傳統的兩層組合濾波，但最終還會殘留部分噪聲。

以上的濾波方法針對影像中常見的脈沖噪聲和高斯噪聲依次通過閾值判別進行去噪，由于不同維度的濾波相互影響，即使有針對性地進行組合濾波去噪也會導致影像殘留部分噪聲。本文提出一種基于三維塊匹配[9]與自適應中值濾波[10]相結合的新組合濾波方法。

1 組合濾波除去混合噪聲方法

影像中常見混合噪聲是由脈沖噪聲和高斯白噪聲組合而成。混合噪聲中大部分是加性的高斯噪聲

X(m,n)=S(m,n)+N(m,n)

(1)

式中，X為觀測信號；S為原始信號；N為高斯噪聲，其均值為0，方差為δ。

由于合成孔徑雷達影像所含乘性噪聲的特殊性，本文將在以后的研究中對其進行分析。

1.1 三維塊匹配方法

由于圖像中信息的噪聲位于高頻區域，消除噪聲與保存細節二者之間自相矛盾，因此傳統低通濾波方法無法獲得良好的去噪效果。三維塊匹配方法采用塊匹配原理，三維塊匹配有兩個相同的步驟。第一步，它使用硬閾值生成噪聲圖像的基本估計。第二步，利用維納濾波器對噪聲圖像進行去噪處理。

1.1.1 分 組

分組是一種收集相似圖像區域的過程。假設Z為含噪圖像，ZXR為參考塊，ZX為當前處理的圖像塊。組中的塊數為N,那么ZXR與ZX之間的距離可以表示為

(2)

(3)

1.1.2 協同濾波

為了實現協同濾波，必須首先對ZS1進行三維變換，然后利用硬閾值進行收縮處理，最后通過逆變換得到逐塊估計的三維數組。

(4)

1.1.3 重新組合

重組是在第一次估計圖像的基礎上，利用塊匹配方法再次確定分組結果。

(5)

1.1.4 協同維納濾波

維納濾波收縮系數大小由第一次估計的三維變換系數的能量決定

(6)

(7)

1.2 自適應中值濾波

自適應中值濾波是一種非線性濾波，能夠很好地去除噪聲，并且保留邊緣信息。其方法可分為兩個層次，可定義為A層和B層。設Xx,y表示中心像素點(x,y)在進行濾波時對應的窗口(窗口允許的最大尺寸為Xmax)，Zmin為Xx,y中灰度級的最小值，Zmax

為Xx,y中灰度級的最大值，Zmed為Xx,y中灰度級的中值，Z(x,y)為坐標(x,y)上的灰度值。

ZA1=Zmed-Zmin

(8)

ZA2=Zmax-Zmed

(9)

ZB1=Zx,y-Zmin

(10)

ZB2=Zmax-Zx,y

(11)

A層：當ZA1>0且ZA2>0時，轉入B層；否則，增大窗口尺寸。如果窗口尺寸等于或小于Xmax，則重復A層，否則輸出Z(x,y)。

B層：當ZB1>0且ZB2>0時，輸出Zx,y；否則，輸出Zmed。

2 新的組合濾波方法

本文方法是在傳統空間域和小波域的基礎上提出的,方法流程如圖1所示。

本文方法分為3步，具體實現步驟如下：

3 試驗與評價質量

為了比較自適應中值、三維塊匹配、3層組合濾波、本文方法在圖像去除混合噪聲中處理的精度，通過Matlab 2017b進行了兩個仿真試驗及一個真實遙感圖像去噪試驗。

3.1 試驗1

為了驗證本文方法的有效性與優越性，仿真試驗1用256×256像素Lena灰度影像，根據遙感影像中常見的混合噪聲類型對各種組合濾波方法進行對比試驗，其中遙感影像常見的混合噪聲主要包含25/0.005、30/0.01、35/0.03、40/0.05這4種，每組數據的前者代表高斯噪聲的標準差，后者代表脈沖噪聲的密度。采用自適應中值、三維塊匹配、3層組合濾波、本文方法來進行試驗。在噪聲強度為40/0.05

時本文去噪方法的效果如圖2所示,各種去噪方法評價指標結果見表1。從表1看出，就去除影像的混合噪聲而言，本文方法比傳統去噪方法具有更好的去噪效果。

去噪方法噪聲污染25/0.00530/0.0135/0.0340/0.05自適應中值131.76/26.93/0.58181.21/25.55/0.51246.17/24.22/0.45329.42/22.95/0.38三維塊匹配42.93/31.84/0.8754.16/30.72/0.8485.63/28.20/0.78143.43/26.56/0.693層濾波方法106.22/27.87/0.79124.87/27.17/0.76160.46/26.08/0.72194.79/25.24/0.68本文方法44.89/31.60/0.8754.24/30.79/0.8571.63/29.56/0.8297.63/28.23/0.79

3.2 試驗2

試驗圖像為截取某地區上空的遙感圖像。利用不同混合噪聲大小進行試驗，其結果見表2,各去噪方法在混合噪聲大小為35/0.03的結果如圖3所示。經過對比分析，本文提出的組合濾波方法就去除遙感圖像混合噪聲而言，其效果優于傳統方法，可應用在實際遙感影像去噪。

表2 各種組合濾波方法去噪評價指標(MSE/PSNR/MSSIM)

從表2和圖3中看出，本文方法均優于自適應中值濾波方法、三維塊匹配、3層濾波方法。從表2還可以看出，各方法在影像所含混合噪聲較小時相對于混合噪聲較大時，后者的去噪效果差，說明去噪效果還受到噪聲大小影響。為了進一步比較三維塊匹配與本文算法優劣，三維塊匹配去噪與本文方法去噪在40/0.05噪聲類型下最終結果的放大如圖4所示。經過對比分析，本文提出的組合濾波方法在去除遙感圖像中各類常見的混合噪聲時，其效果優于傳統各方法，去噪后圖像的MSE、PSNR、MSSIM也都最優，可應用于實際遙感影像去噪。

3.3 試驗3

為了驗證方法的可行性，采用真實遙感圖像進行去噪，選取資源三號衛星在某地區上空的拍攝遙感圖像，所截取圖像尺寸為112×157。原始圖像及各種方法去噪圖像如圖5所示。

通過以上真實遙感圖像的試驗結果觀察可知，本文方法在去噪的定性視覺效果上優于傳統方法，可以有效去除遙感圖像中的混合噪聲。

4 結 語

針對遙感圖像中存在的混合噪聲，本文提出了一種新的組合濾波方法。該方法與目前常見濾波方法相對比，從去噪的數據質量和人眼的視覺效果比較上有一定的優勢。該去噪方法，在有效地去除遙感圖像中常見的脈沖和高斯混合噪聲的同時，能夠更好地保護圖像有用的信息，保留圖像的邊緣細節，適用于遙感圖像常見類型混合噪聲的去除，可以推廣應用在實際工程中。