IJCSI Международный журнал о компьютерных науках, выпуск 1, № 1, январь 2010 г.
ISSN (Интернет): 1694-0784
ISSN (Печать): 1694-0814

Сравнительное исследование удаление шума с помощью дистанционного зондирования изображение

Авторы: Салем Салех Аль-Амри, доктор Калянкар Н. В., доктор Кхамиткар С. Д.

Аннотация

В данной статье проанализированы три типа шума, такие как соль и перец (SPN), случайное изменение импульсного шума (RVIN), зернистости (SPKN). Были удалены шумы различной плотности — от 10% до 60% с использованием пяти типов фильтров, таких как усредняющий фильтр (MF), адаптивный фильтр Винера (AFV), фильтр Гаусса (GF), стандартный медианный фильтр (SMF) и адаптивный медианный фильтр (AMF). Сравнительное исследование проводится с помощью среднеквадратичного отклонения (MSE) и PeakSignal-шума (PSNR). Таким образом, чтобы выбрать базовую метод Удаление шума с помощью дистанционного зондирования изображения.

Ключевые слова: дистанционное зондирование шумов изображения, изображения, фильтры.

Введение:

Цифровая обработка изображений является очень важным методом и используется в области дистанционного зондирования. Это помогает в доступе к техническим данным в цифровом виде, работе компьютеров в плане скорости обработки данных и возможности большего хранения. Некоторые исследования также могут использовать данные преимущества, например, в техническом разнообразии обработки цифрового изображения, сайты репликации и поддержания точности исходных данных.

Шум является съемным, используя итерационную медиану фильтрации в пространственной области, которая требует гораздо меньше времени обработки, чем удаление по частотной области Фурье-преобразования [1]. Вес медианного фильтра (WMF) на основе порога разложения удаляет импульсный шум с изображения, присутствует возможность обработки деталей по сравнению с нелинейным фильтром и линейный фильтром [2]. Стандартная медианная фильтрация (SMF) является нелинейной, низкочастотный метод фильтрации, который может быть использован для удаления спекл-шума с изображения. Медианный фильтр потенциально может удалить все шумы, не затрагивая «чистые» пиксели. Медианные фильтры удаляют отдельные пиксели, если они являются слишком яркими или темными. Адаптивный медианный фильтр предназначен для устранения проблем, с которыми сталкивается стандартный медианный фильтр [3]. Адаптивный фильтр меняет свое поведение на основе от статистических характеристик изображения внутри фильтра. Адаптивная производительность фильтра, как правило, превосходят неадаптивные фильтры. Математическое ожидание и дисперсия являются двумя важными статистическими методами, с помощью которых адаптивные фильтры могут быть разработаны [4].

Существует много методов снижения шума. Традиционный медианный фильтр и усредняющий фильтр используется для уменьшения шума соль и перец и гауссовский шум соответственно. При наличии этих двух шумов на изображении в то же время, использование только одного метода фильтра не может достичь предназначен результат [5].

1. Дистанционное зондирование изображения

Дистанционное зондирование используется для получения информации о наблюдении за поверхностью Земли авиационными и космическими средствами, которую получают путем дистанционного датчика. Изображения получены со спутника и используются во многих экологических целях, таких как отслеживание ресурсов Земли, составление географических карт, прогнозирование сельскохозяйственных культур, роста городов, погоды, наводнений и управления огнем и т.д. Применение космических изображений включает в себя обнаружение и анализ объектов в изображениях, полученных из глубоких пространственно-зондовых миссий.

2. Шум на изображении

Шум — любая нежелательная информация, которая загрязняет изображение. Шум может появляться из различных источников. Цифровой процесс получения изображения, который преобразует оптическое изображение в непрерывный электрический сигнал, который затем преобразуется, и шум появляется в цифровом изображении. Есть несколько способов, с помощью которых шум может быть появиться на изображении, в зависимости от того, как изображение создается. Спутниковое изображение, содержащее сигналы шума и являющееся искаженным, и не требует использование соответствующих фильтров для ограничения или снижения большей части шума. Это дает возможность для лучшей интерпретации содержания изображения.

2.1 Виды шума

Есть три распространенных типов шума на изображении:

2.1.1 Случайное изменение импульсного шума (RVIN)

Этот тип шума называют также гауссов шум или нормальный шум, который случайным образом происходит в виде значений интенсивности белого. Распределение гауссова шума может быть выражено следующей формулой:

2.1.2 Шум Соль и перец (SPN)

Этот тип содержит случайные совпадения черно-белых значений интенсивности, и часто вызван порогом шумов изображения.

Распределение шума Соль и перец может быть выражено:

Где: P1, P2 являются функциями плотности вероятности (PDF), р(х) является распределение данного шума в изображении и A, B являются размером массивов изображений. Перечисленные шумы называются импульсивными.

2.1.3 Спекл-шум (SPKN)

Если мультипликативный шум добавляется в изображения, спекл-шум является повсеместным артефактом, который ограничивает интерпретацию оптической когерентной дистанционного зондирования изображения.

Где J является распределение спекл-шумов изображения, I — это входное изображения и n — равномерное распределение шумов изображения по среднему О и дисперсии V.

Заключение

При попытке удалить шум с изображения лучшие результаты будут иметь адаптивный фильтр, фильтр Гаусса, усредняющий фильтр и стандартный медианный фильтр, соответственно, с небольшой разницей между ними. Мы можем также использовать адаптивный медианный фильтр для шума малой плотности. Сравнительное исследование объясняет лучший результат MF, AWF, G.F. соответственно.

Литература

[1] Nichol, J.E. and Vohra, V., Noise over water surfaces In Landsat TM images, International Journal of Remote Sensing, Vol.25, No.11, 2004, PP.2087 - 2093.

[2] Mr. F. N. Hasoon, Weight Median Filter Using Neural Network for Reducing Impulse Noise,M.S.thesis,Department Computer Sciences, University of Putra,Putra, Malaysia,2008.

[3] D.Dhanasekaran, K. Bagan, High Speed Pipeline Architecture for Adaptive Median Filter, European Journal of Scientific Research, Vol.29, No.4, 2009, PP.454-460.

[4] R.C.Gonzalez and R.E. Wood, Digital Image Processing, PrenticeHall, India, Second Edition, 2007.

[5] Chi Chang-Yanab, Zhang Ji-Xiana, Liu Zheng-Juna, Study on Methods of Noise Reduction in a Stripped Image, the International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences. Vol XXXVII. Part B6b, Beijing, 2008.

[6] K.Amolins, Y.Zhang, P.Dare. Wavelet-based image fusion techniquesAn introduction, review and camprarison, ISPRS Journal of photogrammetry Remote Sensing, Vol.62, No.4, 2007, PP.249-263.

[7] A.K.Jain, Fundamentals of Digital Image Processing, University of California, Davis, Prentice Hall of India Private Limited, New Delhi- 110001, 2007.