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?；诖耍疚奶岢鲆环N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)周圍至少存在一個(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，我們專注于光譜傳感和光電應(yīng)用系統(tǒng)的研發(fā)、生產(chǎn)和銷售。

審核編輯黃宇