一种遥感图像去噪方法及系统与流程

本发明涉及图像领域，具体为一种遥感图像去噪方法及系统。

背景技术：

1、遥感图像广泛应用于农业、气象、环境监测等多个领域，是通过卫星、无人机等远程传感设备获取的地球表面或大气环境的图像信息。这类图像包含丰富的地理空间信息和光谱数据，能够对大面积区域进行高效监测和分析。然而，遥感图像在采集过程中常会受到多种因素的干扰，如传感器噪声、大气散射、设备抖动等，导致图像质量下降。这些噪声会破坏遥感图像的细节信息，影响图像的真实性和精度，进而干扰后续的分析和应用。因此，遥感图像去噪成为提升图像质量和确保分析准确性的重要研究课题。

2、现有的遥感图像去噪方法主要包括基于空间域和频率域的传统去噪算法，以及近年来兴起的基于深度学习的去噪方法。空间域方法，如中值滤波、均值滤波等，虽然简单易实现，但在去除噪声的同时容易损失图像的边缘细节。频率域方法如小波变换等能够有效保留图像的细节信息，但处理速度较慢，且对复杂噪声效果有限。深度学习方法依赖大量的高质量标注数据，且计算资源消耗较大。因此，如何开发一种高效、精度高且适应性强的遥感图像去噪方法，成为当前技术领域面临的关键挑战。

技术实现思路

1、为了能够增强对遥感图像的去噪效果，本发明提供了一种遥感图像去噪方法，所述方法包括以下步骤：

2、获取拍摄的遥感图像上的参考块，并通过块匹配的方式找到参考块对应的相似块集合，对相似块集合中不同相似块的同一位置的所有像素点进行硬阈值滤波，并对硬阈值滤波后相似块集合中每个相似块进行软阈值滤波，在所有参考块的相似度集合都滤波后，经过聚集得到初步估计图像；

3、获取初步估计图像上的参考块，并通过块匹配的方式找到参考块在初步估计图像上的相似块集合以及在遥感图像上的相似块集合，根据所述初步估计图像上的相似块集合计算得到每个位置的权重，利用所述权重对遥感图像上的相似块集合中所述权重对应位置处的像素点的频域进行加权后进行逆变换，根据逆变换的遥感图像上的相似块集合得到去噪后的遥感图像。

4、优选地，所述对硬阈值滤波后相似块集合中每个相似块进行软阈值滤波，具体为：

5、获取硬阈值滤波时采用的硬阈值；

6、对硬阈值滤波后的相似块集合，提取每个相似块的梯度信息；

7、获取基础软阈值和硬阈值，根据梯度信息、基础软阈值和硬阈值得到每个相似块对应的调整后的软阈值；

8、采用所述软阈值对每个相似块进行滤波。

9、优选地，所述根据梯度信息、基础软阈值和硬阈值得到每个相似块对应的调整后的软阈值，具体为：

10、计算硬阈值和基础软阈值的差值，并根据相似块的所述梯度信息得到权重；

11、利用所述权重对所述差值进行加权，将加权结果和基础软阈值的总和作为相似块对应的调整后的软阈值。

12、优选地，所述根据所述初步估计图像上的相似块集合计算得到每个位置的权重，具体为：

13、对于参考块上的每个位置，获取在所述初步估计图像上的相似块集合中每个相似块在所述位置处的像素点构成的像素点集合，根据所述位置处的像素点集合得到在所述位置处的权重；

14、计算相似块中每个位置的局部梯度，并计算所有相似块中同一个位置的局部梯度的平均值，基于所述局部梯度的平均值得到调整权重；

15、将同一个位置处的权重和调整权重的乘积作为所述位置的权重。

16、优选地，所述利用所述权重对遥感图像上的相似块集合中所述权重对应位置处的像素点的频域进行加权后进行逆变换，具体为：

17、获取所述遥感图像上的相似块集合中权重对应位置构成的像素点集合；

18、对像素点集合进行变换，并将变换结果和权重相乘，对相乘后的结果进行逆变换。

19、此外，本发明还提供了一种遥感图像去噪系统，所述系统包括以下模块：

20、初步估计模块，用于获取拍摄的遥感图像上的参考块，并通过块匹配的方式找到参考块对应的相似块集合，对相似块集合中不同相似块的同一位置的所有像素点进行硬阈值滤波，并对硬阈值滤波后相似块集合中每个相似块进行软阈值滤波，在所有参考块的相似度集合都滤波后，经过聚集得到初步估计图像；

21、最终估计模块，用于获取初步估计图像上的参考块，并通过块匹配的方式找到参考块在初步估计图像上的相似块集合以及在遥感图像上的相似块集合，根据所述初步估计图像上的相似块集合计算得到每个位置的权重，利用所述权重对遥感图像上的相似块集合中所述权重对应位置处的像素点的频域进行加权后进行逆变换，根据逆变换的遥感图像上的相似块集合得到去噪后的遥感图像。

22、优选地，所述对硬阈值滤波后相似块集合中每个相似块进行软阈值滤波，具体为：

23、获取硬阈值滤波时采用的硬阈值；

24、对硬阈值滤波后的相似块集合，提取每个相似块的梯度信息；

25、获取基础软阈值和硬阈值，根据梯度信息、基础软阈值和硬阈值得到每个相似块对应的调整后的软阈值；

26、采用所述软阈值对每个相似块进行滤波。

27、优选地，所述根据梯度信息、基础软阈值和硬阈值得到每个相似块对应的调整后的软阈值，具体为：

28、计算硬阈值和基础软阈值的差值，并根据相似块的所述梯度信息得到权重；

29、利用所述权重对所述差值进行加权，将加权结果和基础软阈值的总和作为相似块对应的调整后的软阈值。

30、优选地，所述根据所述初步估计图像上的相似块集合计算得到每个位置的权重，具体为：

31、对于参考块上的每个位置，获取在所述初步估计图像上的相似块集合中每个相似块在所述位置处的像素点构成的像素点集合，根据所述位置处的像素点集合得到在所述位置处的权重；

32、计算相似块中每个位置的局部梯度，并计算所有相似块中同一个位置的局部梯度的平均值，基于所述局部梯度的平均值得到调整权重；

33、将同一个位置处的权重和调整权重的乘积作为所述位置的权重。

34、优选地，所述利用所述权重对遥感图像上的相似块集合中所述权重对应位置处的像素点的频域进行加权后进行逆变换，具体为：

35、获取所述遥感图像上的相似块集合中权重对应位置构成的像素点集合；

36、对像素点集合进行变换，并将变换结果和权重相乘，对相乘后的结果进行逆变换。

37、最后，本发明还提供了一种计算机程序，所述计算机程序在被处理器执行时实现如第一个方面所述的方法。

38、本发明通过结合硬阈值和每个相似块的梯度信息，自适应地调整软阈值，有助于在细节区域保留更多信息，同时在平滑区域进行更强的去噪。而且先进行硬阈值滤波去除较大噪声，再通过自适应软阈值滤波进一步优化滤波效果，保证在噪声去除的同时尽可能保留图像细节。此外，利用相似块集合中的局部梯度信息，通过计算相似块同一位置处的局部梯度平均值，基于该梯度信息自适应地调整去噪权重。这样能够有效区分图像中的细节信息和噪声区域，避免在边缘和纹理丰富的区域出现过度平滑的问题。