基于空間相關性的高光譜數(shù)據(jù)降噪方法及系統(tǒng)的制作方法
【專利摘要】本發(fā)明提供了一種基于空間相關性的高光譜數(shù)據(jù)降噪方法及系統(tǒng)，進行投影變換，求解高光譜數(shù)據(jù)中各個波段所成圖像的平均圖像，計算高光譜數(shù)據(jù)的協(xié)方差矩陣并進行特征值分解得到變換矩陣和特征值矩陣，利用變換矩陣將高光譜數(shù)據(jù)進行線性投影，得到變換域中的三維數(shù)據(jù)；根據(jù)特征值矩陣選擇降噪閾值；降噪，包括對降噪閾值以內(nèi)的變換域中的三維數(shù)據(jù)進行保留，對閾值以外的變換域中的三維數(shù)據(jù)進行降噪處理；投影反變換，包括利用所述變換矩陣的逆矩陣對降噪后的變換域中的三維數(shù)據(jù)進行線性投影，重構得到降噪后的高光譜數(shù)據(jù)。本發(fā)明在降噪處理過程中，對于空間域的相關性充分保護，很好地降低了高光譜數(shù)據(jù)的噪聲量級，提高了高光譜數(shù)據(jù)的信噪比。
【專利說明】基于空間相關性的高光譜數(shù)據(jù)降噪方法及系統(tǒng)

【技術領域】
[0001] 本發(fā)明屬于高光譜數(shù)據(jù)處理【技術領域】，具體涉及一種高光譜數(shù)據(jù)的降噪方法，用 于將傳感器采集的高光譜數(shù)據(jù)降低噪聲量級，提升高光譜數(shù)據(jù)質(zhì)量。

【背景技術】
[0002] 高光譜數(shù)據(jù)是使用高光譜遙感技術獲得的多維信號，包括目標區(qū)域的二維圖像數(shù) 據(jù)和一維光譜數(shù)據(jù)。高光譜數(shù)據(jù)一般包括上百個光譜信息，波段范圍包括紫外，可見光，紅 外等，所以在每個采樣點上，形成了連續(xù)的光譜信息。近年來，高光譜數(shù)據(jù)已應用于如目標 識別，農(nóng)林業(yè)監(jiān)測、地圖填圖等領域。但是由于在采集和傳輸過程中，儀器和外部的原因使 得高光譜圖像收到不同程度、不同性質(zhì)的噪聲干擾，如儀器內(nèi)部的機械抖動，電磁波干擾等 引起的噪聲；光路中水氣、懸浮粒子的吸收與散射等引起的噪聲等。這些噪聲的干擾降低了 高光譜數(shù)據(jù)的分辨率，限制了高光譜數(shù)據(jù)的使用。
[0003] 目前，高光譜數(shù)據(jù)降噪的方法主要分為傳統(tǒng)的對每一波段的圖像進行圖像降噪方 法和將高光譜數(shù)據(jù)視為三維數(shù)據(jù)的降噪方法。將每一波段上的圖像進行分別降噪，即將每 個波段上的圖像作為圖像，使用經(jīng)典的方法或者改進的經(jīng)典方法來進行圖像降噪，忽略了 高光譜數(shù)據(jù)的屬性，即每個波段間的圖像是有相關性的，單純的對圖像降噪會割裂這種相 關性。將高光譜數(shù)據(jù)視為三維數(shù)據(jù)的降噪方法簡單的將高光譜數(shù)據(jù)作為普通三維數(shù)據(jù)處 理，這同樣忽視了各個維度之間的相關性。近年來考慮各個維度之間的相關性的降噪方法 成為研究的熱點，而且已經(jīng)提出了在圖像降噪時考慮光譜相關性的幾種方法，如主成分分 解加雙變量小波變換的降噪方法和平行因子分析等，但都忽視了在光譜降噪時空間的相關 性。因此降噪效果有一定的局限性，達不到更高的信噪比。


【發(fā)明內(nèi)容】

[0004] 本發(fā)明提供一種基于空間相關性的高光譜數(shù)據(jù)降噪技術方案，目的是降低高光譜 數(shù)據(jù)的噪聲量級，提高高光譜數(shù)據(jù)的信噪比。
[0005] 本發(fā)明所采用的技術方案包括一種基于空間相關性的高光譜數(shù)據(jù)降噪方法，包括 以下步驟：
[0006] 步驟1，投影變換，包括下述子步驟，
[0007] 步驟1. 1，求解高光譜數(shù)據(jù)中各個波段所成圖像的平均圖像，由平均圖像計算高光 譜數(shù)據(jù)的協(xié)方差矩陣，實現(xiàn)如下，
[0008] 設高光譜數(shù)據(jù)X，大小為M X N X P，總波段數(shù)為P，各個波段的圖像Ik包含M X N個 像素點，波段標號k的取值為1，2,…，P，用所有波段上的圖像Ik計算出平均圖像?如下

【權利要求】
1. 一種基于空間相關性的高光譜數(shù)據(jù)降噪方法，其特征在于，包括以下步驟： 步驟1，投影變換，包括下述子步驟， 步驟1. 1，求解高光譜數(shù)據(jù)中各個波段所成圖像的平均圖像，由平均圖像計算高光譜數(shù) 據(jù)的協(xié)方差矩陣，實現(xiàn)如下， 設高光譜數(shù)據(jù)X，大小為MXNXP，總波段數(shù)為P，各個波段的圖像Ik包含MXN個像素 點，波段標號k的取值為1，2,…，P，用所有波段上的圖像Ik計算出平均圖像I如下
由如下公式
得到高光譜數(shù)據(jù)的協(xié)方差矩陣Gt; 步驟1. 2,將協(xié)方差矩陣進行特征值分解得到變換矩陣和特征值矩陣，利用特征值分解 得到的變換矩陣將高光譜數(shù)據(jù)進行線性投影，得到變換域中的三維數(shù)據(jù)，實現(xiàn)如下， 對協(xié)方差矩陣Gt進行特征值分解如下， Gt=UAUt 得到變換矩陣U和特征值矩陣Λ=diag(λi，λ2，…，λp)，λk為Gt的特征值； 用變換矩陣U對高光譜數(shù)據(jù)X進行投影變換，得到變換域中的三維數(shù)據(jù)Z= [Z1,Z2，··· ，Zp]，其中Zk為第k波段圖像變換后的數(shù)據(jù)，變換公式如下， Zk =IkU 步驟2,降噪閾值估計，包括根據(jù)步驟1.2所得特征值矩陣Λ=diag(λ1;λ2，…，λp) 選擇降噪閾值，選擇原則為，對λ1;λ2，…，λρ從前往后逐個進行累加，當前ds個特征值的 和與所有特征值的和的比例達到預設的百分比閾值時，確定ds為降噪閾值； 步驟3,降噪，包括對降噪閾值以內(nèi)的變換域中的三維數(shù)據(jù)進行保留，對閾值以外的變 換域中的三維數(shù)據(jù)進行降噪處理，得到降噪后的變換域中的三維數(shù)據(jù)，實現(xiàn)如下， 將變換域中的三維數(shù)據(jù)Z上每個波段的數(shù)據(jù)Zk前ds列保留，剩余部分為Z(m，n，k)，m=1，2, · ··，M;n=ds+l，· ··，N;k= 1，2, · · ·，P,大小為MX(N-ds)XP,令 v(m,n) ={Z(m,n,I),Z(m,n, 2), ···,Z(m,n,P)} 貝1Jv(m,n)為大小為IXP的向量，對每個v(m,n)進行一維小波去噪得到Vi (m,η) =[V(m，n，l)，Z^ (m,η, 2), ···,Zi (m,η,Ρ)} 其中，m= 1,2，···，Μ;η=ds+1, · ··，N; 去噪結果與保留的前ds列重新組成新的三維數(shù)據(jù)Z'，大小為ΜΧΝΧΡ，則在波段k上 去噪后的數(shù)據(jù)Zik如下，
步驟4,投影反變換，包括利用所述變換矩陣的逆矩陣對降噪后的變換域中的三維數(shù)據(jù) 進行線性投影，重構得到降噪后的高光譜數(shù)據(jù)，實現(xiàn)如下， 對波段k上去噪后的數(shù)據(jù)Z'k，使用變換矩陣U的逆矩陣Γ1進行逆投影變換如下， I，k = z，kU-1 Γk為降噪后波段k上的圖像，將各波段的圖像I' k按照波段順序組合得到降噪后 的高光譜數(shù)據(jù)Γ。
2. 根據(jù)權利要求1所述基于空間相關性的高光譜數(shù)據(jù)降噪方法，其特征在于：步驟2 中，預設的百分比閾值為90%，由步驟1.2所得特征值矩陣Λ=diag(A1，λ2，…，λρ)，建 立得到降噪閾值估計式
當逐個累加到滿足以上公式時，確定當前的ds為降噪閾值，前ds個特征值所占比例達 到所有特征值的和的90%以上。
3. -種基于空間相關性的高光譜數(shù)據(jù)降噪系統(tǒng)，其特征在于，包括以下模塊： 投影變換模塊，包括下述子模塊， 協(xié)方差矩陣提取子模塊，用于求解高光譜數(shù)據(jù)中各個波段所成圖像的平均圖像，由平 均圖像計算高光譜數(shù)據(jù)的協(xié)方差矩陣，實現(xiàn)如下， 設高光譜數(shù)據(jù)X，大小為MXNXP，總波段數(shù)為P，各個波段的圖像Ik包含MXN個像素 點，波段標號k的取值為1，2,…，P，用所有波段上的圖像Ik計算出平均圖像I如下
得到高光譜數(shù)據(jù)的協(xié)方差矩陣Gt; 投影子模塊，用于將協(xié)方差矩陣進行特征值分解得到變換矩陣和特征值矩陣，利用特 征值分解得到的變換矩陣將高光譜數(shù)據(jù)進行線性投影，得到變換域中的三維數(shù)據(jù)，實現(xiàn)如 下， 對協(xié)方差矩陣Gt進行特征值分解如下， Gt=UAUt 得到變換矩陣U和特征值矩陣Λ=diag(λi，λ2，…，λp)，λk為Gt的特征值； 用變換矩陣U對高光譜數(shù)據(jù)X進行投影變換，得到變換域中的三維數(shù)據(jù)Z= [Z1,Z2，··· ，Zp]，其中Zk為第k波段圖像變換后的數(shù)據(jù)，變換公式如下， Zk =IkU 降噪閾值估計模塊，用于根據(jù)投影子模塊所得特征值矩陣Λλ2，…，λρ) 選擇降噪閾值，選擇原則為，對λ1;λ2，…，λρ從前往后逐個進行累加，當前ds個特征值的 和與所有特征值的和的比例達到預設的百分比閾值時，確定ds為降噪閾值； 降噪模塊，用于對降噪閾值以內(nèi)的變換域中的三維數(shù)據(jù)進行保留，對閾值以外的變換 域中的三維數(shù)據(jù)進行降噪處理，得到降噪后的變換域中的三維數(shù)據(jù)，實現(xiàn)如下， 將變換域中的三維數(shù)據(jù)Z上每個波段的數(shù)據(jù)Zk前ds列保留，剩余部分為Z(m，n，k),m=1，2, · ··，M;n=ds+l，· ··，N;k= 1，2, · · ·，P，大小為MX(N-ds)XP，令 v(m,n) ={Z(m,n,I),Z(m,n, 2), ···,Z(m,n,P)} 貝1Jv(m,n)為大小為IXP的向量，對每個v(m,n)進行一維小波去噪得到Vi (m,η) =[V(m，n，l)，Z^ (m,η, 2), ···,Zi (m,η,Ρ)} 其中，m= 1,2，···，Μ;η=ds+1, · ··，N; 去噪結果與保留的前ds列重新組成新的三維數(shù)據(jù)Z'，大小為ΜΧΝΧΡ，則在波段k上 去噪后的數(shù)據(jù)Zik如下，
投影反變換模塊，用于利用所述變換矩陣的逆矩陣對降噪后的變換域中的三維數(shù)據(jù)進 行線性投影，重構得到降噪后的高光譜數(shù)據(jù)，實現(xiàn)如下， 對波段k上去噪后的數(shù)據(jù)Z'k，使用變換矩陣U的逆矩陣Γ1進行逆投影變換如下， I，k =Z，礦 Γk為降噪后波段k上的圖像，將各波段的圖像I' k按照波段順序組合得到降噪后 的高光譜數(shù)據(jù)Γ。
4.根據(jù)權利要求3所述基于空間相關性的高光譜數(shù)據(jù)降噪系統(tǒng)，其特征在于：降 噪閾值估計模塊中，預設的百分比閾值為90%，由投影子模塊所得特征值矩陣Λ= CliagU1,λ2，…，λρ)，建立得到降噪閾值估計式
當逐個累加到滿足以上公式時，確定當前的ds為降噪閾值，前ds個特征值所占比例達 到所有特征值的和的90%以上。
【文檔編號】G06T5/00GK104463808SQ201410821313
【公開日】2015年3月25日 申請日期:2014年12月25日 優(yōu)先權日:2014年12月25日
【發(fā)明者】馬佳義, 馬泳, 黃珺 申請人:武漢大學