CBERS-02B卫星图像薄云去除：小波变换与同态滤波结合方法

"基于不同小波变换与同态滤波结合的 CBERS-02B卫星CCD图像的薄云去除 (2012年)" 在遥感领域，卫星CCD图像的去云处理是一项关键的技术，它对于提高图像质量和提取地表信息至关重要，特别是在低纬度地区，由于频繁的云覆盖，这一任务显得尤为迫切。本文主要探讨了一种针对CBERS-02B卫星CCD图像的薄云去除方法，该方法结合了Mallat小波变换和àtrous小波变换，并辅以同态滤波技术。 首先，作者通过Mallat和àtrous两种不同的小波变换对卫星图像进行分解。小波变换是一种多分辨率分析工具，能够将图像在空间和频率上同时进行细致分析，从而分离出图像的不同特征。Mallat小波变换是经典的小波分解方法，它提供了多尺度、多方向的图像表示，而àtrous小波变换（也称为多孔小波）则通过滤波器的嵌套结构来实现，具有较高的空间局部性和良好的频谱特性。 接下来，研究中应用了同态滤波来处理这两种小波变换得到的低频系数。同态滤波是一种非线性滤波方法，它可以对图像的幅度和相位分别进行处理，尤其适用于处理具有复杂光照变化和大气影响的图像。在这里，同态滤波用于衰减云层带来的低频信息，目的是保留地表特征，同时减少云层的干扰。 然后，经过同态滤波处理的低频系数与小波分解得到的高频系数重新组合，进行小波重构。小波重构的过程可以看作是将处理过的系数重新组合成图像，这样可以有效地去除云层的影响，同时尽可能保持图像的地表细节。 通过定量分析，研究发现àtrous小波变换结合同态滤波的去云效果优于Mallat小波变换的方法。去云后的图像包含了更多的信息，细节信息丰富，地表特征清晰，这表明该方法在薄云去除方面具有较好的性能。 这项研究提出了一种有效的方法来处理CBERS-02B卫星图像中的薄云问题，结合了小波变换的多尺度分析能力和同态滤波的非线性处理优势。这种方法对于提高遥感图像的分析质量，特别是在云覆盖区域的信息提取，具有重要的实际应用价值。