融合提升小波阈值与多方向边缘检测的矿区遥感图像去噪

• 作者: 王小兵
• 来源期刊: 国土资源遥感
• 学科: 工学
• 关键词: 图像处理 遥感图像 提升小波变换 Prewitt算子 图像增强
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 技术方法
• 页码范围: 46-52
• 页数: 7页
• 分类号: TP751
• 语种: 中文
• DOI: 10.6046/gtzyyg.2020.04.07

摘要

遥感图像在矿区生态修复、地质灾害监测与防治等方面发挥了重要作用,但由于矿区环境复杂,导致获取的遥感图像存在噪声,在很大程度上影响了后续的图像解译与分析.为此,融合图像边缘检测与噪声抑制思路,提出了一种基于提升小波阈值(lifting wavelet thresholding,LWT)与改进Prewitt算子边缘检测(improved edge dectction of Prewitt operator,IEDPO)的矿区遥感图像去噪算法(LWT-IEDPO).首先,对原始遥感图像进行提升小波变换,在保留低频小波子带不作处理的情况下,设计了一种双参数阈值函数模型对高频子带进行自适应噪声抑制,经过小波逆变换获得初步去噪后的遥感图像;其次,为有效增强滤波后图像的细节信息,将经典Prewitt算子的检测模板扩展到0°,30°,60°,90°,120°和150°这6个方向,并设计了相应的检测结果融合规则,提出了改进的Prewitt算子来提取图像边缘轮廓,获得轮廓图像和非轮廓图像;然后,为了进一步改善视觉效果,针对非轮廓图像采用改进的Pal-King模糊算法提升对比度;最后,将增强后的非轮廓图像和轮廓图像进行叠加,实现对遥感图像的高清晰度复原.在MATLAB平台上,将所提出的遥感图像处理方法与经典硬阈值、软阈值模型以及2种已有的改进小波阈值算法进行对比,并引入峰值信噪比(peak signal to noise ratio,PSNR)和边缘保持指数(edge protection index,EPI)对各算法的噪声抑制性能进行定量分析和比较.研究表明所提方法能够有效实现遥感图像去噪,其总体性能优于其余4种算法.