基于图形小波变换的遥感图像表示与去噪

发布时间：2024-06-30 01:00

　　离散小波变换(Discrete Wavelet Transform,DWT)通常用于图像的表示。然而,对于具有不规则形状边缘的图像,尤其是对于纹理和细节信息较多的遥感图像,DWT却很难有效表示,进而影响后续去噪效果。针对该问题,提出了一种基于图形小波变换(Graphic Wavelet Transform,GWT)的图像去噪方法。首先,将图像表示为图形信号,并通过该图形信号的谱表示构造相应的变换矩阵;然后,设计了一种改进自适应阈值的图像去噪方法,在GWT变换域内对图像去噪。实验结果表明,与常用的图像去噪方法相比,所提算法能够提供更好的图像主观质量。采用均方根误差(Root Mean Square Error,RMSE)和峰值信噪比(Peak Signal-to-Noise Ratio,PSNR)作为客观指标,结果表明,采用所提方法得到的重建图像客观质量更优。

【文章页数】：5 页

【部分图文】：

图1图像的GWT表示过程

本文采用了基于GWT的图像表示方法。与小波变换类似，GWT也有时频局域性特点，且具有较好的去相关特性[8-9]。此外，GWT采用了一种图表示方法，图中的每个节点表示一个像素，且将像素相似性编码成无向图的权重，每个边缘权重表示为边缘末端两个像素的“相似性”[10]。图1为图像的GW....

图2图的变换矩阵

式中:矩阵U的行代表特征向量，矩阵Λ对角线上的元素代表特征值。这里要说明的是，构图边界坐标信息可以用二值图像来概括。1.2基于GWT的图像去噪

图3SanFrancisco图像采用不同去噪方法的结果

为了验证本文提出的方法，这里采用两幅遥感图像作为测试图像，分别采用基于DWT的硬阈值、软阈值、改进的半软阈值[13]以及本文方法(GWT+改进的去噪算法)进行图像去噪。图3和图4分别给出了测试图像采用不同去噪方法得到的主观结果。图4SanDiego图像采用不同去噪方法的结果

图4SanDiego图像采用不同去噪方法的结果

图3SanFrancisco图像采用不同去噪方法的结果由图3和图4的结果可见，采用本文方法得到的重构图像具有更好的视觉质量。这是由于硬阈值去噪仅采用了简单的阈值判别方法，容易产生吉布斯效应，带来较大误差;软阈值则容易使图像产生过平滑现象，使图像的部分细节变得模糊。在现有半软阈....

本文编号：3998157