基于梯度倒數(shù)的無(wú)人機(jī)遙感圖像融合濾波方法

無(wú)人機(jī)遙感具有快速、低成本、高影像分辨率等優(yōu)點(diǎn)，能夠彌補(bǔ)衛(wèi)星遙感不足、適用范圍廣泛。遙感圖像是用于描述地表信息的重要數(shù)據(jù)源，但在圖像采集過(guò)程中受傳感器自身和大氣環(huán)境等因素影響，使得遙感圖像在采集、傳輸和存儲(chǔ)過(guò)程中受到各類(lèi)噪聲的干擾。這對(duì)進(jìn)一步處理、分析遙感圖像中的有用信息十分不利。因此，為了獲取清晰、高質(zhì)量的遙感圖像，對(duì)遙感圖像進(jìn)行一定的濾波去噪處理是十分必要的。

傳統(tǒng)的遙感圖像濾波方法靈活性較差，往往不能得到理想的去噪效果，不能很好地滿(mǎn)足無(wú)人機(jī)遙感圖像的去噪要求。這些問(wèn)題對(duì)無(wú)人機(jī)遙感圖像濾波去噪方法提出了更高的要求。基于此，本文提出一種基于梯度倒數(shù)的無(wú)人機(jī)遙感圖像融合濾波方法，將梯度倒數(shù)與自適應(yīng)開(kāi)關(guān)均中值濾波融合設(shè)計(jì)新的濾波方法，并應(yīng)用到遙感圖像濾波處理中，提高圖像的質(zhì)量。

基于梯度倒數(shù)的無(wú)人機(jī)遙感圖像融合濾波方法

結(jié)合梯度倒數(shù)與自適應(yīng)開(kāi)關(guān)均中值濾波提出了一種基于梯度倒的無(wú)人機(jī)遙感圖像融合濾波方法———梯度倒數(shù)自適應(yīng)開(kāi)關(guān)均中值濾波，并將其應(yīng)用到遙感圖像濾波處理中。根據(jù)圖像的連通性原理，相鄰像素點(diǎn)的灰度值相近。對(duì)于n×n的平滑模板，分別計(jì)算出（x，y）與模板內(nèi)其余像素點(diǎn)（x＋i，y＋j）之間的梯度值并設(shè)定閾值T。本文算法規(guī)定：若中心像素點(diǎn)周?chē)辽俅嬖谝粋€(gè)像素點(diǎn)使得梯度值的絕對(duì)值小于等于T，則認(rèn)為像素點(diǎn)f（x，y）不是由隨機(jī)噪聲引起。此時(shí)，采用傳統(tǒng)的梯度倒數(shù)加權(quán)算法對(duì)其進(jìn)行平滑；若模板內(nèi)所有像素點(diǎn)的梯度值的絕對(duì)值都大于T，則認(rèn)為像素點(diǎn)f（x，y）被隨機(jī)噪聲污染，此時(shí)根據(jù)自適應(yīng)開(kāi)關(guān)均中值方法對(duì)該像素點(diǎn)進(jìn)行濾波處理。具體實(shí)現(xiàn)方法如下：

（１）選取n×n的模板，計(jì)算出模板內(nèi)中心像素點(diǎn)（x，y）與鄰近像素點(diǎn)（x＋i，y＋j）的梯度絕對(duì)值的導(dǎo)數(shù)并保存在g數(shù)組中。

（２）根據(jù)當(dāng)前濾波點(diǎn)的 f （ x， y）灰度值， 設(shè)定閾值 T 的大小。其中 T 的取值滿(mǎn)足 T ＝f（x， y）μ，μ為調(diào)整因子，本文取值為０.１。

（３）設(shè)置標(biāo)志數(shù)組g′，用于標(biāo)記模板內(nèi)各點(diǎn)與中心點(diǎn)的梯度值是大于閾值 T。若超過(guò)，則置為１；否則置為０。為便于判斷，標(biāo)志數(shù)組中中心點(diǎn)（ x，y）處的值也置為 １。

（４）如果當(dāng)前像素點(diǎn)滿(mǎn)足 g′（x，y） ＝１， 則采用自適應(yīng)開(kāi)關(guān)均中值濾波方法，如式（４）中所示。

此時(shí)，q（x，y）為當(dāng)前模板內(nèi)中心像素點(diǎn)（即噪聲點(diǎn)）的輸出；否則，按照文獻(xiàn)所述方法對(duì)模板內(nèi)各點(diǎn)進(jìn)行處理，將q（x，y）作為非噪聲點(diǎn)的輸出，如式（５）所示。

（５）用濾波模板對(duì)整幅含噪圖像進(jìn)行遍歷，重復(fù)步驟（２）步驟（４），如果濾波后像素的灰度值超出［０，１］范圍，則將灰度值小于０的像素點(diǎn)置０，超出１的置１。

結(jié)果與分析

實(shí)驗(yàn)中選取了由無(wú)人機(jī)拍攝的大小為３４６×３００的遙感圖像。分別采用傳統(tǒng)的梯度倒數(shù)加權(quán)平滑方法、開(kāi)關(guān)均中值濾波方法、自適應(yīng)開(kāi)關(guān)均中值濾波方法、本文提出的基于梯度倒數(shù)的無(wú)人機(jī)遙感圖像融合濾波方法對(duì)遙感圖像進(jìn)行濾波去噪處理，實(shí)驗(yàn)結(jié)果如圖１和表１中所示。

結(jié)合表 １，觀察分析這幾種方法的實(shí)驗(yàn)結(jié)果可以發(fā)現(xiàn)：對(duì)比圖１（ｃ）和圖１（ｄ），開(kāi)關(guān)均中值濾波方法較傳統(tǒng)的梯度倒數(shù)加權(quán)平滑方法去噪效果好，濾波后圖像的峰值信噪比和信息熵均比較高，但圖像的邊緣保持效果比較差；對(duì)比圖１（ｄ）和圖１（ｅ），由于自適應(yīng)開(kāi)關(guān)均中值濾波方法的閾值會(huì)隨著圖像中局部區(qū)域受到噪聲污染的程度自適應(yīng)變化，因此濾波后 PSNR、MSE、信息熵等幾項(xiàng)指標(biāo)均有一定的提升；對(duì)比圖１（ｆ）和圖１（ｃ）、圖１（ｄ）、圖１（ｅ），可以看出本文提出的基于梯度倒數(shù)的無(wú)人機(jī)遙感圖像融合濾波方法濾波后各項(xiàng)評(píng)價(jià)指標(biāo)均優(yōu)于其他傳統(tǒng)對(duì)照方法，不僅可以較好地保持遙感圖像的邊緣細(xì)節(jié)信息，而且針對(duì)高斯噪聲和脈沖噪聲等不同類(lèi)型的混合噪聲有著顯著的濾波去噪效果。

結(jié)論

針對(duì)現(xiàn)有無(wú)人機(jī)遙感圖像濾波去噪處理時(shí)存在無(wú)法兼顧濾波效果與邊緣細(xì)節(jié)保持效果的問(wèn)題，本文提出了一種基于梯度倒數(shù)的無(wú)人機(jī)遙感圖像融合濾波方法———梯度倒數(shù)自適應(yīng)均中值濾波，根據(jù)實(shí)驗(yàn)結(jié)果得到以下結(jié)論。

（１）該方法結(jié)合了梯度倒數(shù)加權(quán)平滑方法和自適應(yīng)開(kāi)關(guān)均中值濾波方法的優(yōu)點(diǎn)，在保證濾波效果的同時(shí)較好的保持了圖像邊緣等細(xì)節(jié)信息。

（２）從主觀視覺(jué)方面，本文方法能夠較好的濾除高斯、椒鹽噪聲等混合噪聲，濾波效果明顯。

從客觀實(shí)驗(yàn)數(shù)據(jù)方面，使用本文方法濾波后圖像的 MSE、PSNR、平均梯度、信息熵等參數(shù)均有一定幅度的提升，其中平均梯度提升了約３.５％，能夠滿(mǎn)足對(duì)遙感圖像的濾波降噪處理要求。

歡迎關(guān)注公眾號(hào)：萊森光學(xué)，了解更多光譜知識(shí)。

萊森光學(xué)（深圳）有限公司是一家提供光機(jī)電一體化集成解決方案的高科技公司，我們專(zhuān)注于光譜傳感和光電應(yīng)用系統(tǒng)的研發(fā)、生產(chǎn)和銷(xiāo)售。

審核編輯黃宇