[发明专利]一种基于特征曲线指导的遥感图像去噪方法

说明书

本发明提供了一种基于特征曲线指导的遥感图像去噪方法，包括：获取包含噪音的遥感图像；在包含噪音的遥感图像中使用凸先验约束的CV模型获得特征曲线的距离符号函数φ(f)；根据所述距离符号函数构建遥感图像去噪的变分模型；所述变分模型的正则项为一个二阶项和一个一阶项；求解所述变分模型，获得求解完毕的变分模型；输入包含噪音的遥感图像，利用所述求解完毕的变分模型去噪，得到去噪后的遥感图像。本发明通过特征曲线的指导，其可以使遥感图像很好的保持特征的同时又可以较好的恢复光滑区域。

技术领域

本发明涉及遥感像去噪领域，尤其涉及一种基于特征曲线指导的遥感图像去噪方法。

背景技术

遥感图像是一种通过在飞机、卫星等移动平台上布置传感器获得的对地表观测的影像。作为对地表观测的主要形式之一，遥感图像有着很多的优点。遥感图像可以直观形象的表明地表上信息的位置属性、类别属性和状态属性等，从而在各行各业中有着广泛的应用。例如：农业、军事、救灾等行业。近些年，随着成像技术的提升，遥感图像的空间分辨率大幅度的提升，应用场景也愈加广泛。但是，在遥感图像的获取过程中，不可避免地出现了一些噪音。这些噪音极大的影响了遥感图像的可视化效果和图像处理算法的表现。因此，在对遥感图像的信息进行提取一些有意义的特征(如区域分割、边界提取和目标检测等)之前，遥感图像的去噪工作是必不可少的。但是在去噪的同时，需要保持其空间分辨率的同时，还需要保持住边界特征和纹理特征，而且还不能引入一些严重的人造现象，要达到这一目标在目前仍然是一项具有挑战性的研究工作。遥感图像的噪音去除是遥感图像后处理的基础，对于遥感图像的信息的提取有着重要的意义。所以遥感图像的噪音去除问题受到了各国研究者的广泛关注，一直都为研究的热点问题。因此，开展遥感图像的噪音去除的研究对于促进遥感技术的发展具有重要意义。

目前遥感图像的噪音去除的方法主要是基于非局部滤波的方法、变分的方法和基于深度学习的方法。基于非局部滤波的方法，由于可以非常好的识别细节信息，所以通常可以得到非常好的噪音去除结果。但是由于其在没有特征的地方也会尝试去识别本该没有的特征，所以会出现一些令人烦恼的人造现象，例如笔刷(NLM),鬼影(BM3D)。基于变分的方法的话，由于其较好的保边能力和更好的恢复均匀区域的效果，大量的研究在此基础上进行了大量的工作。但是这些优秀的方法也会不可避免地会引入一些人造现象，例如阶梯现象(TV)，模糊边(TGV)等。基于深度学习的方法，他们都可以非常好的去除噪音，但是其结果会非常依赖所选择的训练的数据集。正如上所示，以上提及的优秀的去噪方法的结果中都会出现一些人造现象，例如鬼影、笔刷、阶梯现象和边界模糊等。为了解决这些问题，我们提出了一种基于特征曲线指导的遥感图像去噪变分模型。该模型的正则项为一个二阶项和一个一阶项。通过特征曲线的指导，该模型可以良好的区分特征区域。有特征曲线的区域一阶项起主导作用，无特征曲线的区域二阶项起主导作用，从而可以在很好的保特征的同时还能较好的恢复光滑区域。

发明内容

有鉴于此，针对以上技术问题，本发明提出一种基于特征曲线指导的遥感图像去噪方法。该方法主要包括一个去噪变分模型，模型的正则项分别包含一个二阶项和一个一阶项。通过特征曲线的指导，该模型可以良好的区分特征区域。有特征曲线的区域一阶项起主导作用，无特征曲线的区域二阶项起主导作用，从而可以在很好的保特征的同时还能较好的恢复光滑区域。针对该模型，本发明同时提出了一种有效快速的求解方法。

本发明解决其技术问题所采用的技术方案是：一种基于特征曲线指导的遥感图像去噪方法，其包括以下步骤：

S101：获取包含噪音的遥感图像；在包含噪音的遥感图像中使用凸先验约束的CV模型获得特征曲线的距离符号函数φ(f)；

S102：根据所述距离符号函数构建遥感图像去噪的变分模型；所述变分模型的正则项为一个二阶项和一个一阶项；

S103：求解所述变分模型，获得求解完毕的变分模型；

S104：输入包含噪音的遥感图像，利用所述求解完毕的变分模型去噪，得到去噪后的遥感图像。