论文部分内容阅读
高光谱图像是最近几十年发展起来的一种新型遥感图像,它能更为全面、更为详细地描述地物特征。然而,高光谱图像在成像及传输过程中因多种因素的影响受到了大量噪声污染,从而对高光谱图像的后续分析与应用带来了极大的困难。因此亟需研究高光谱图像去噪算法。四维块匹配滤波(Block-Matching 4D filtering,BM4D)算法是目前最新的三维图像去噪算法,去噪效果非常好。由于高光谱图像是由二维空间信息和一维光谱信息组成的三维图像,因此BM4D算法适用于高光谱图像去噪处理。然而,BM4D算法对高光谱图像进行去噪时,并未考虑高光谱图像不同波段间噪声分布不一致及相邻波段间存在很大相关性等特性,使得该算法仍有许多改进之处。本文基于高光谱图像的数据特性,对BM4D算法处理高光谱图像时存在的不足进行了改进。主要工作如下:(1)基于高光谱图像不同波段间噪声分布不一致的特点,提出了一种基于高光谱图像噪声特性的BM4D改进算法。该算法首先将高光谱图像中的噪声波段与干净波段分离;然后利用干净波段中图像块的分组信息代替噪声波段中的图像块分组信息;最后对分组后的噪声数据进行联合维纳滤波达到去噪的目的。实验结果显示,该改进算法不仅提高了高光谱图像去噪质量,减少了光谱失真度,而且使得处理速度提升了大约1.5倍。(2)基于高光谱图像光谱维数多,波段间相关性大的特点,提出了一种基于最小噪声分离变换的BM4D改进算法。该算法首先利用最小噪声分离变换来有效降低高光谱图像的维数;然后对降维后的数据进行BM4D降噪处理;最后对处理后的数据进行最小噪声反变换得到去噪后的高光谱图像。实验结果显示,该改进算法不仅提高了高光谱图像去噪质量,减少了光谱失真度,而且使得处理速度提升了大约1.9倍。(3)对本文提出的两种BM4D改进算法在TILERA多核处理平台上进行了并行实现。首先对这两种改进算法的可并行性进行了分析,提出依据参考块对总任务进行划分的方法;然后结合TILERA平台核数众多的特点,设计了基于任务池模型的并行框架。实验结果显示,与普通PC处理速度相比,本文提出的基于TILERA平台的并行算法处理速度提高了7倍以上。