空-谱维联合Savitzky-Golay高光谱滤波算法及其应用

发布时间：2020-12-15 17:37

　　针对目前应用Savitzky-Golay（SG）滤波器进行高光谱图像滤波过程中空间信息无法利用,造成小麦赤霉病高光谱分类识别模型精度仅能达到87.088 9%的问题,提出高光谱图像空-谱维联合SG滤波（TSG滤波）的方法,使模型精度相比采用SG滤波提升了12.066 7%。该算法将一维的SG卷积核按四个方向扩展成二维的SG卷积核,根据卷积定理利用快速傅里叶变换对高光谱图像数据进行空间及光谱维联合快速滤波。设置TSG滤波核窗口系数m=2～4,阶数n=3～5,滤波后图像信噪比提升了10%以上、峰值信噪比高于30 db、结构相似度大于96%, TSG滤波能保持原图特征并显著提升图像信噪比。对比Pavia University高光谱图像经TSG滤波（m=3,n=4）、 SG滤波（m=7,n=3）后的灰度图像与光谱图,可以看出TSG滤波后图像条带噪声得到了抑制、特征峰相对峰值高度最高提升31.68%、特征波段平均强度提升41.83%,而SG滤波后图像条带噪声依然清晰且特征峰相对峰值高度至少降低了13.40%。构建基于TSG-PCA-SVM算法的小麦赤霉病高光谱分类识别模型,训练集包含500个样本... 

【文章来源】：光谱学与光谱分析. 2020年12期 北大核心

【文章页数】：6 页

【部分图文】：

将一维SG卷积核按四个方向扩展成二维的卷积核

式(3)中, f为某一像元的DN值, fmin为高光谱图像暗噪声, 通常通过关闭镜头盖测得, fref为标准反射率板对应像元的DN值, R为标准反射率板的反射率, ref为该像元对应的反射率。设置SG滤波窗口系数m在3～15之间, TSG滤波窗口系数m在1～10之间, 阶数n均在2～6之间, 对归一化后的图像进行滤波, 求滤波后图像的SNR, PSNR和SSIM, 如图3所示为滤波后图像信噪比改善量、 峰值信噪比、 结构相似度等高线图(核参数满足n<2m+1, 图中空白部分无值)。

设置SG滤波窗口系数m在3～15之间, TSG滤波窗口系数m在1～10之间, 阶数n均在2～6之间, 对归一化后的图像进行滤波, 求滤波后图像的SNR, PSNR和SSIM, 如图3所示为滤波后图像信噪比改善量、 峰值信噪比、 结构相似度等高线图(核参数满足n<2m+1, 图中空白部分无值)。信噪比作为图像噪声评价的关键指标, 其数值往往是图像滤波算法所必须的[7], 对比图3(a)和(d)可知TSG滤波后图像信噪比较原图提升了10%以上, 而SG滤波最高提升不到1%。 一般图像滤波或压缩过程中PSNR大于30 db, 为了尽可能多的提升图像信噪比, TSG滤波窗口系数m在2～4、 阶数n在3～5较为合适。 SG滤波窗口系数m与阶数n可选择区间范围相对较广, 一般针对不同数据须多次迭代对比才能找到最优的核参数区间。

【参考文献】：
期刊论文
[1]基于Savitzky-Golay加权拟合的红外图像非均匀性条带校正方法[J]. 张一舟,许廷发,刘子伟,申子宜,郭巳秋.  中国光学. 2015(01)



本文编号：2918635