摘要
高光谱遥感数据是一种超维数据,噪声随机地存在于其多个通道图像上,而某些特征谱段图像的信噪比在很大程度上影响着具体的光谱特性分析的准确性,高信噪比意味着地物探测或识别的高准确性;提出了一种新颖的基于小波-PCA分析的高光谱遥感数据噪声消除方法,首先对高光谱各波段图像进行二维小波分解,然后将各小波子图像进行主分量分析,根据噪声特性自适应选取主分量进行PCA重构;得到去噪后小波图像,最后进行小波重构。通过对OMIS图像的实验结果表明,该方法不但可以有效地消除高光谱遥感数据中的噪声,改善图像的信噪比,还能比较完整地保留原有高光谱数据的空间和光谱特性,且性能上要优于PCA方法和小波分析方法。
Hyperspectral data is a kind of super-dimensional data with noises randomly exist in its multi-bands images. While the accuracy of spectral characteristics analysis strongly depends on the signal-to-noise ratio （SNR） of images over the specific wavelength range and a higher SNR means higher accuracy in feature detection or identification. A novel denoising method of hyperspectral data based on wavelet-PCA analysis is proposed. This method employs PCA to process the wavelet coefficients of images, adaptively extracting the principal components which represent the uncontaminated images. Experimental results based on OMIS images show that the proposed method could eliminate noises in hyperspectral data effectively, improve the SNR of images, and preserve the original spectral and spatial characteristics more completely. Moreover, it outperforms PCA and DWT.
出处
《计算机测量与控制》
CSCD
北大核心
2009年第6期1070-1072,1076,共4页
Computer Measurement &Control
基金
国家自然科学基金项目(60802084)
关键词
高光谱遥感
去噪
小波变换
主分量分析
hyperspectral remote sensing
denoising
wavelet transform
principal component analysis
作者简介
常威威（1981-），女，博士研究生，主要从事高光谱图像处理方向的研究。
郭雷（1956-），男，教授，博士生导师，主要从事神经计算、图像和视频处理以及模式识别等方向的研究。
