020-8288 0288

高光谱图像数据怎么降噪与提取?

发布时间:2024-03-15
浏览次数:161

高光谱图像是三维数据块,每个波段都有一个灰度图像,因此高光谱图像可以看作是多个灰度图像的叠加。高光谱图像的处理方法首先就是降低噪音以及减少数据的维数,然后再采用相应的分析方法进行数据的压缩和提取。本文对高光谱图像数据的降噪与提取方法做了介绍。

高光谱图像是三维数据块,每个波段都有一个灰度图像,因此高光谱图像可以看作是多个灰度图像的叠加。高光谱图像的处理方法首先就是降低噪音以及减少数据的维数,然后再采用相应的分析方法进行数据的压缩和提取。本文对高光谱图像数据的降噪与提取方法做了介绍。

高光谱成像仪

高光谱图像数据的降噪方法:

作为高光谱图像的预处理方法,最小噪声分离变换主要用于判定图像数据内在的维数,分离信号和噪声,进一步去除噪声,提高信噪比。该算法的实质是两次层叠的主成分变换。

第一次是正向变换,基于噪声的协方差矩阵,对高光谱图像进行去相关和重定标处理,分离并重新调节数据中的噪声,使得噪声成分具有单一方差,且没有波段与波段之间的相关性。经过正向变换的运行,数据空间被分为两个部分:一部分与较大的特征值以及相对应的特征图像相关联,另一部分与较小的特征值以及噪声占主导的图像相关联。依据特征值的大小和对应的图像,可以判定包含相关图像的波段(一般是前几个或十几个图像)。

第二次变换是反向变换,对经上述处理后的相关图像波谱子集做标准主成分变换,变换为它们的原始数据空间。由于以噪声为主导的图像在运行反向变换之前被排除,原始数据空间中的噪声将会大大减少。


高光谱图像数据的提取方法:

主成分分析(PCA)是一种非常实用的降低数据维数、增强有用信息以及隔离噪声信号的算法。它采用线性变换将数据转换到一个新的坐标系统,得到的新变量是原始变量的线性组合,且彼此之间互不相关,使数据的差异达到最大,同时前几个新变量要尽可能多地表达原始变量的数据特征。

对高光谱图像进行主成分分析后,得到的主成分波段图像是原始波段图像的线性组合,且每个主成分图像之间互不相关。第一主成分图像包含最大的数据方差百分比;第二主成分图像其次;主成分图像的波段越靠后,其包含的方差百分比越小,噪声信号越大,图像质量越差;最后几个波段的主成分图像包含的方差百分比很小,显示为噪声。

相关阅读

相关产品

联系我们

Contact us
广东赛斯拜克技术有限公司
  • 地址:广州市增城区新城大道400号智能制造中心33号楼601
  • 电话:020-8288 0288   13500023589
  • 邮箱:3nh@3nh.com
  • 网址:http://www.sinespec.cn
Copyright © 2024 广东赛斯拜克技术有限公司 版权所有
  • 公司联系方式
    QQ
  • 网站首页
    首页
  • 公司联系电话
    电话
  • 返回
    返回顶部