激光遙感圖像乘性噪聲降噪技術(shù)

唐彩虹　張贊波

摘 要： 激光遙感圖像乘性噪聲的降噪處理中，傳統(tǒng)解決乘性噪聲的圖像降噪技術(shù)存在較多的缺陷，故根據(jù)乘性噪聲的非線性和時變性，提出基于TV模型的激光遙感圖像乘性噪聲綜合降噪方法，在不破壞圖像基本結(jié)構(gòu)的情況下進行降噪。該方法使用TV模型針對乘性噪聲的非線性和時變性進行能量變分，獲取乘性噪聲能量極限，綜合使用規(guī)則化方法和邊界約束法對能量極限進行迭代求解，從激光遙感圖像的邊緣處開始向內(nèi)進行乘性噪聲平滑降噪，很好地保留了圖像邊緣信息。實驗對不同降噪方法進行了對比分析，結(jié)果顯示，所提降噪方法具備良好的降噪性能。

關(guān)鍵詞： 激光遙感圖像； 乘性噪聲； TV模型； 迭代求解； 圖像降噪

中圖分類號： TN249?34； TP391 文獻標識碼： A 文章編號： 1004?373X（2017）20?0098?03

Abstract： The traditional image noise reduction technology of the multiplicative noise has various disadvantages in multiplicative noise reduction of laser remote sensing image. According to the nonlinear and time?varying characteristics of multiplicative noise， the multiplicative noise comprehensive denoising method based on TV model is proposed for laser remote sensing image， which can denoise the image while maintaining the basic structure of the image. In the method， the TV model is used to conduct energy variation for nonlinear and time?varying characteristics of multiplicative noise to obtain the energy limitation of multiplicative noise， the regularization method and boundary constraint method are comprehensively used to conduct iterative solution for energy limitation， and the multiplicative noise is smoothly denoised from the edge of the laser remote sensing image to its interior to preserve the image edge information better. The contrastive analysis of different denoising methods is performed in experiment. The results show that the proposed method has perfect performance of noise reduction.

Keywords： laser remote sensing image； multiplicative noise； TV model； iterative solution； image noise reduction

0 引 言

乘性噪聲一般由信道特征的不規(guī)則變化所產(chǎn)生，是制約圖像質(zhì)量的首要問題。激光遙感圖像所用的無線電信道中乘性噪聲尤其嚴重，具備非線性和時變性。傳統(tǒng)解決乘性噪聲的圖像降噪技術(shù)存在較多的缺陷，如噪聲源頭檢測技術(shù)采用結(jié)構(gòu)缺陷檢測方法對激光發(fā)射源的設(shè)備結(jié)構(gòu)進行預(yù)判，列舉幾項源頭特征以指導(dǎo)激光遙感圖像的生成，卻對激光質(zhì)量造成了一定影響，甚至導(dǎo)致出現(xiàn)新型噪聲[1]。時域平均濾波方法只能緩解激光遙感圖像的局部乘性噪聲，自適應(yīng)濾波方法在時變性信號的處理中作用不大，故需要新的激光遙感圖像乘性噪聲降噪技術(shù)為日后各行業(yè)的應(yīng)用做出正確指引。

1 激光遙感圖像乘性噪聲降噪技術(shù)

1.1 激光遙感圖像乘性噪聲描述模型

乘性噪聲并非全部是激光遙感圖像的有害信息，從數(shù)據(jù)挖掘的辯證方向來講，乘性噪聲可以被提取出圖像有效信息。非線性和時變性致使乘性噪聲內(nèi)的有效信息只能借助概率論和統(tǒng)計學進行提取，所以，提出基于TV模型的激光遙感圖像乘性噪聲綜合降噪方法，利用概率統(tǒng)計公式描述乘性噪聲特征及其產(chǎn)生過程，以便進行更精準的圖像降噪。

激光遙感圖像乘性噪聲的理想降噪結(jié)果是將降噪圖像[u]與乘性噪聲[v]完全分離?？紤]到乘性噪聲[v]中包含部分圖像有效信息，基于TV模型的激光遙感圖像乘性噪聲綜合降噪方法通過控制激光能量變化斜率[λ]減少乘性噪聲[v]中的有效信息[2]，其關(guān)系為：[λ]反比于乘性噪聲[v]中有效信息容量，[λ]越大，降噪圖像[u]越理想。

TV模型的規(guī)則化求解方法的最大優(yōu)點表現(xiàn)在激光能量變化斜率[λ]為一個常數(shù)，穩(wěn)定可靠并可減少計算量[3]，該方法修正了以往將乘性噪聲能量的極限值[E（u）]作為TV模型最大[λ]值的約定原則，轉(zhuǎn)為對降噪圖像[u]進行虛擬分解，在虛擬分解項中找尋最大[λ]值，用其來修正[E（u）]，如下：

1.2 基于邊界約束法的迭代求解

考慮到TV模型的范數(shù)是非線性且不可微的，在進行乘性噪聲降噪的迭代求解時，計算速度是一個很大的問題，其將直接影響到激光遙感圖像的降噪效率[4]?；谶吔缂s束法的迭代求解方法在TV模型兩個假設(shè)條件下對乘性噪聲計算范圍進行了約束，如下：

1.3 激光遙感圖像乘性噪聲綜合降噪方法

整個基于TV模型的激光遙感圖像乘性噪聲綜合降噪方法的處理流程如圖1所示。

如圖1所示，初始化激光遙感圖像乘性噪聲綜合降噪方法后，令[k=0]，同時提出一個迭代求解因子[b]，設(shè)[b=w=0]且[u0=f]，以[（Ek+1-Ek）Ek≥δ]為約束指令構(gòu)建基于TV模型的激光遙感圖像乘性噪聲描述模型。迭代過程中用[bk+1=bk+?uk-wk]進行迭代求解控制。對于TV模型的迭代求解，將綜合使用規(guī)則化和邊界約束兩種方法。規(guī)則化求解方法能夠獲取TV模型中的最優(yōu)乘性噪聲能量極限，合理利用乘性噪聲中的有效信息[5]。邊界約束求解方法則通過約束求解區(qū)間提高降噪效率。迭代后利用式（1）、式（4）求解局部降噪結(jié)果。令[k=k+1]，循環(huán)進行迭代求解直到約束條件被打破，通過匯總局部降噪結(jié)果，獲取最終的降噪激光遙感圖像[u]。

2 實驗分析

實驗利用計算機模擬激光遙感圖像乘性噪聲降噪過程，對自適應(yīng)降噪方法、復(fù)原模型降噪方法以及本文所提出的基于TV模型的激光遙感圖像乘性噪聲綜合降噪方法的乘性噪聲降噪性能進行對比分析。實驗所用計算機的處理器為因特爾4.5 GHz，內(nèi)存高達3 GB，可高度匹配以上三種方法的處理資源。

圖2是兩幅含有乘性噪聲的激光遙感圖像，圖2（a）是條碼圖，圖2（b）是Lenna圖。這兩幅圖像具有足量的像素細節(jié)、平滑區(qū)域、陰影以及紋理，均為標準的數(shù)字圖像處理媒介[6?7]。圖3～圖5分別對自適應(yīng)降噪方法、復(fù)原模型降噪方法以及本文方法的處理結(jié)果進行了描述。

通過對比圖2～圖5的激光遙感圖像像素細節(jié)可以看出：自適應(yīng)降噪方法僅能描述出原圖像的大致輪廓，整體提升圖像清晰度和對比度，像素細節(jié)的降噪結(jié)果卻并不理想；復(fù)原模型降噪方法的降噪結(jié)果要強于自適應(yīng)降噪方法，但對乘性噪聲的降噪力度過大，存在局部模糊情況；本文方法可以準確描述出激光遙感圖像像素結(jié)構(gòu)，獲取了優(yōu)異的視覺體驗，對邊緣、局部和整體的降噪性能均很好。

3 結(jié) 論

本文提出一種新型方法用于進行激光遙感圖像乘性噪聲降噪，使用TV模型描述乘性噪聲特征，通過規(guī)則化求解法合理利用乘性噪聲中的有效信息，利用邊界約束求解方法約束求解區(qū)間提高降噪效率。實驗采用兩幅標準的數(shù)字圖像處理媒介將本文方法與自適應(yīng)降噪方法、復(fù)原模型降噪方法進行了對比分析，驗證出本文方法具有優(yōu)異的降噪性能。

參考文獻

[1] 傅鵬，孫權(quán)森，紀則軒.基于光譜?空間信息的高光譜遙感圖像混合噪聲評估[J].紅外與毫米波學報，2015，34（2）：236?242.

[2] 傅鵬，孫權(quán)森，紀則軒.結(jié)合分形理論和自適應(yīng)圖像塊劃分的遙感圖像噪聲估計[J].測繪學報，2015，44（11）：1235?1245.

[3] 崔西希，吳成茂.核空間中智模糊聚類及圖像分割應(yīng)用[J].中國圖象圖形學報，2016，21（10）：1316?1327.

[4] 周萬勇，陳五一，劉華東，等.基于6SPS并聯(lián)機構(gòu)標定新方法[J].航空制造技術(shù)，2014（21）：144?146.

[5] 符喜優(yōu)，張風麗，王國軍，等.結(jié)合張量投票和Snakes模型的SAR圖像道路提取[J].中國圖象圖形學報，2015，20（10）：1403?1411.

[6] 時文俊，周麗雅，郭從洲，等.乘性噪聲圖像的偏微分方程復(fù)原模型[J].測繪科學技術(shù)學報，2015，32（6）：594?599.

[7] 高紅霞，吳麗璇，徐寒，等.微焦點X射線圖像乘性加性混合噪聲的去除[J].光學精密工程，2014，22（11）：3100?3113.