[发明专利]一种无人机遥感图像改进多边滤波去噪方法

说明书

本发明公开了一种无人机遥感图像改进多边滤波去噪方法，首先获取待滤波的遥感图像；接着将获取到的遥感图像由RGB颜色空间转换到Lab颜色空间；再对得到的Lab颜色空间的遥感图像分别计算脉冲权值、空间相似度、亮度相似度、梯度相似度和局部均值等滤波器系数；而后按照本发明提出的多边滤波器进行滤波处理；最后将去噪处理后的Lab颜色空间的遥感图像转换到RGB颜色空间并输出。本发明能够较好地滤除遥感图像中的脉冲噪声，与双边滤波相比去噪后图像的信噪比有显著提升，算法实用性较强，对提高遥感图像质量和提取有用信息有着积极的意义。

技术领域

本发明属于图像处理技术领域，具体涉及一种无人机遥感图像改进多边滤波去噪方法。

背景技术

数字图像处理是指将图像信号转换成数字信号并利用计算机对其进行处理的过程。图像处理技术通过有针对性地抑制或者去除图像中的无关信息，改善图像质量。

近年来，随着图像处理技术和遥感技术的发展，遥感图像在农业、工业和军事领域的应用越来越广。高质量的遥感图像是完整提取遥感图像中所需信息的基础，特别是在地理测绘、海洋观测、军事侦查等领域有着重要的应用价值。然而遥感图像从采集到传输的过程中，受各种干扰因素的影响，不可避免的会引入各种噪声。因而在实际中往往都需要对遥感图像进行滤波预处理，进而提高图像的信噪比，改善图像质量。分析遥感图像的特征可以发现，遥感图像含有大量的重要纹理信息，同时又散布着各类噪声。这些纹理信息中可以获取到图像中的大多数有效信息，在对遥感图像进行滤波时，既要滤除掉绝大多数的噪声信息，又要保持遥感图像的边缘等细节信息，因而对遥感图像去噪是一项十分有挑战性的工作。

目前，图像的去噪滤波处理有很多方法，大致可以分为频域滤波和空域滤波两大类。频域滤波大多是通过傅立叶变换或余弦变换将图像从空域变换到频域，由于噪声在频域中主要集中在高频部分，频域滤波器就是基于这一先验知识，对频域图像进行低通滤波，而后再将图像转换到空间域输出，实现去噪的目的。这类方法由于要经过频域与空间域的变换，算法复杂度较高。相对频域滤波方法，空域滤波易于实现、复杂度较低，如均值滤波、中值滤波、维纳滤波等。但这类方法存在着滤波后的图像虽然去除了噪声，但使得边缘模糊，对于要求较高的遥感图像处理来说这是难以接受的。所以，各种去噪方法的研究实际是在去噪和保留高频信息之间进行的权衡。

对于上述问题，有人提出应用双边滤波。它不仅采取传统滤波方法的策略，考虑了空间位置信息，还加入了值域相似度的影响，因此，在图像变化平缓的区域，邻域内像素亮度值相差不大，双边滤波转化为高斯低通滤波器；在图像变化剧烈的区域，滤波器利用边缘点附近亮度值相近的像素点的亮度值平均替代原亮度值。因此，双边滤波不仅可以消除图像噪声而且保留了图像边缘信息。但传统的双边滤波算法对椒盐等脉冲等噪声滤波效果较差，滤波后图像的信噪比不够高，仍具有较大的提升空间。

发明内容

本发明的目的在于提供一种无人机遥感图像改进多边滤波去噪方法，以克服上述现有技术存在的缺陷，本发明既满足了有效滤除遥感图像中脉冲噪声的要求，又有效地保持了图像中的边缘等细节信息，实用性较强，具有极高的应用价值。

为达到上述目的，本发明采用如下技术方案：

一种无人机遥感图像改进多边滤波去噪方法，包括以下步骤：

步骤1：获取待处理的遥感图像；

步骤2：将步骤1得到遥感图像从RGB颜色空间转换到Lab颜色空间；

步骤3：对步骤2得到的遥感图像计算脉冲权值；

步骤4：对步骤2得到的遥感图像计算空间相似度、亮度相似度、梯度相似度和滤波窗口内像素点亮度中值；

步骤5：根据多边滤波器公式，并按照步骤3、4中计算所得的结果，对步骤2中转换到Lab颜色空间的遥感图像进行多边滤波；