![](https://csdnimg.cn/release/download_crawler_static/19593176/bg1.jpg)
第40卷 第2期
2012年 2月
华 中 科 技 大 学 学 报 (自 然 科 学 版)
J .Huazhong Univ .of Sci .& Tech .(Natural Science Edition)
Vol .40 No .2
Feb . 2012
收稿日期 2011‐03‐07 .
作者简介 曾 武(1970‐) ,男 ,博士研究生 ,E‐mail :zengw ude@
y
ahoo .com .cn .
基金项目 国家自然科学基金资助项目 (61075015) .
基 于 SU RE‐LET 和 非 张 量 积 小 波 的 遥 感 图 像 去 噪
曾 武
1 ,2
徐正全
1
周 龙
2
(1 武汉大学测绘遥感信息工程国家重点实验室 ,湖北 武汉 430079 ;
2 武汉工业学院电气信息工程系 ,湖北 武汉 430023)
摘要 针对遥感图像中的高斯噪声 ,提出了基于 SURE‐LET 和非张量积小波的去噪方法 ,主要包括图像在非
张量积小波下的分解 、各个子带在不同阈值函数下的处理以及它们最优的线性组合 3 个步骤 .通过选择合适
的非张量积小波滤波器参数 ,使无噪遥感图像和噪声在变换分解中得到的小波系数分离较好 ,去除噪声对应
的小波系数时被去除的无噪图像对应的小波系数较少 ,从而取得更好的去噪效果 .实验结果表明 :此方法用于
高斯噪声的遥感图像的去噪不仅速度很快 ,而且去噪效果优于传统基于张量积小波的 SURE‐LET 方法 .
关键词 遥感图像 ;高斯噪声 ;图像去噪 ;Stein 无偏风险估计 ;非张量积小波
中图分类号 TP393 文献标志码 A 文章编号 1671‐4512(2012)02‐0097‐04
SURE‐LET and non‐tensor wavelets based remote sensing image denoising
Zen
g
W u
1 ,2
X u Zhen
gq
uan
1
Zhou Lon
g
2
(1 State Key Laboratory of Information Engineering in Surveying ,Mapping and Remote Sensing ,
Wuhan University ,Wuhan 430079 ,China ;2 Department of Electric Information Engineering ,
Wuhan Polytechnic University ,Wuhan 430023 ,China)
Abstract A novel method to address the Gaussian noise of remote sensing image using non‐tensor
wavelet and SURE‐LET was presented ,which mainly contained three parts :the non‐tensor wavelet
decomposition ,coefficients shrinkage of each subbands using the threshold functions ,and estimating
the optimal combination weights of the processed subbands .The non‐tensor wavelet filters could be
represented in the parametric form ,by using appropriate ,the non‐tensor wavelet coefficients of noise
free remote sensing images and noise were separated better than the traditional tensor wavelet coeffi‐
cients .As a result ,when using coefficient shrinkage technique to remove the noise ,more noise free
image coefficients could be reserved .Consequently ,better denoising performance could be obtained .
Experimental results show that by combining non‐tensor wavelet and SURE‐LET ,the denoising pro‐
cedure is very fast and denoising performance in sense of PSNR is prior to tensor w avelet and SURE‐
LET .
Key words remote sensing image ;Gaussian noise ;image denoising ;Stein unbiased risk estimation ;
non‐tensor wavelet
遥感图像在获取和传输的过程中通常会受到
噪声的干扰 ,引起图像质量的下降 ,因此遥感图像
去噪就显得尤为重要 .遥感图像的去噪
[1‐7]
通常包
括 2 方面的内容 :一是有效去除图像的噪声 ;二是
保留或增强遥感图像的边缘 、纹理等固有特征 .图
像去噪的经典方法主要分为图像域的去噪和变换
域的去噪 .图像域去噪包括基于回归的 bilateral
filter 去噪
[8]
、PDE 的方法
[9]
和 nonlocal 方法
[10 ]
等 .SURE‐LET 是 文献 [3‐4 ]提 出 的 一 种 基 于
SURE 准则选择非线性变换函数的方法 .SURE
是均方误差的无偏估计 ,其基本思想是选取一些
基本的去噪函数 T
k
,对这些去噪函数进行线性组