论文部分内容阅读
遥感图像在获取和传输过程中会受到内部和外部环境等因素的干扰,使图像含有噪声而引起图像质量的下降,给遥感图像的识别和分析带来一定困难,因此遥感图像在使用前通常需要先进行降噪处理。近年来,基于偏微分方程的图像处理方法因其所具有的良好的边缘保持特性而受到越来越多人的关注,并成为继小波之后的另一新型的图像处理工具。本文首先对遥感图像及其噪声进行了简单的分析;然后介绍了偏微分方程图像去噪方法的发展,并介绍了它们各自的特点,着重对P-M方程和四阶偏微分方程去噪方法进行了介绍;最后提出了三种基于PDE的图像去噪模型:(1)结合PDE中的纯各向异性扩散模型和四阶PDE模型在图像去噪中各自的优势,提出了一种基于区域分割的混合PDE模型遥感图像去噪算法。该算法克服了传统的纯各向异性扩散模型在平滑区域过度扩散、产生阶梯效应和四阶PDE模型在去噪的同时过多损失边缘信息的弱点。(2)结合小波分形与偏微分方程在图像去噪中的优点,提出了一种基于小波分形与偏微分方程相结合的遥感图像去噪算法,并通过分形常数来选择了最优的小波基。(3)结合NSCT与纯各向异性扩散模型在图像去噪中的优点,提出了一种NSCT变换下纯各向异性扩散模型和巴特沃斯高通滤波器结合的遥感图像去噪算法。上述三种去噪方法在有效去除遥感图像噪声的同时,能够较好的保持图像的边缘和纹理细节信息。实验验证了所提出模型的稳定性和有效性。