基于形态学滤波的最小噪声分离及其应用

来源 :成都理工大学 | 被引量 : 5次 | 上传用户:naonao7949
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
高光谱遥感数据当中含有大量的地物反射光谱信息,由于受到包括大气传感器传输数据等等在内带来的影响,原始数据图像在很大程度上被噪声污染,这严重干扰了反射光谱的吸收,不仅仅使得高光谱遥感图像的精度降低,还使它们随后的处理非常不方便因而,对高光谱遥感图像进行噪声分析消除是其预处理当中必不可少的关键步骤同时,高光谱遥感图像当中包含了丰富的信息,但大量冗余信息对图像的研究并无实际意义,反而占据部分存储空间,影响其处理效率因而,考虑到要降低图像数据的维数或提取其有效波段,并且这些操作对后续处理并不会产生太大影响,且会在很大程度上降低数据的计算量因此,降维也是非常必要的对高光谱遥感图像进行降维处理的手段及其众多,依据其降维的结果大致可以分为两类:特征提取的降维方法及波段选择的降维方法最小噪声分离法就是基于特征提取的降维方法,它能够将高光谱图像的信息快速有效地压缩到较低的维数最小噪声分离法是一种以最大化信噪比为衡量准则的线性变换它在实现降维的过程中也对噪声进行了分离它实质上是进行两次主成分变换第一步是利用高通滤波模板对整幅影像或具有同一性质的影像数据进行滤波处理,得到噪声协方差矩阵第二步是对原始影像的协方差矩阵进行主成分分析最后,结合第一步得到的噪声协方差矩阵,完成整个MNF降维过程本文选取江西德兴铜矿的高光谱遥感数据进行最小噪声分离降维处理,第一步采用数学形态学的方法,构造全方位结构元素加权多级形态学滤波器,利用梯度算子来得到噪声协方差矩阵,在这里对比分析其与理想高通滤波器的滤波效果第二步同样是对原始影像的协方差矩阵进行主成分分析通过以上两个步骤完成最小噪声分离此时以贡献率为准则,对比发现基于全方位结构元素加权多级形态学最小噪声分离的降维效果比原始最小噪声分离的降维效果要好说明将数学形态学滤波应用于最小噪声分离其效果是比较好的,并且结构元的选择影响最终降维效果
其他文献
该篇文章共分为两大部分.第一部分主要讨论了关于K-极大图的若干性质结构及其边连通度给出了k-极大图G的阶数固定时G的边数,并着重刻划了当k-极大图G的阶数固定时其 边数分别
近年来,人们尝试从不同角度研究余代数理论。本论文的研究内容主要分为两部分:第一部分利用余代数变换的性质研究Gorcnstein-余代数上投射余模、内射余模、余平坦余模的相关性
本文主要是对无穷维动力系统中关于吸引子存在性的一些最新研究成果及结合有关的能量估计方法进行了应用,研究了如下的两种形式非经典NaVier_Stokes方程的初边值问题  解的
计算机和网络的普及使得信息安全面临前所未有的挑战,图像作为信息的一种,其安全性也越来越受到人们的重视.随之出现了很多数字图像加密算法.但传统的加密算法如: AES、DES等已
为了研究多体量子系统量子态的可分性,利用厄密观测量构造Bell算子,通过讨论算子平均值的绝对值的上限,给出多体量子系统可分态的所有分类.首先讨论利用Pauli矩阵构造的Bell算子
Pawlak在1982年提出了粗糙集理论.粗糙集理论是一种处理不完备信息系统的强大工具,也是处理不确定知识的有效工具,它已经被成功的应用于模式识别、数据挖掘、机器学习等领域.随