一种基于DS证据理论的多幅遥感图像融合去噪方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN105913402A(43)申请公布日2016.08.31(21)申请号201610341777.3(22)申请日2016.05.20(71)申请人上海海洋大学地址201306上海市浦东新区临港新城沪城环路999号(72)发明人黄冬梅朱贵鲜张明华徐首珏石少华王丽琳(74)专利代理机构上海卓阳知识产权代理事务所(普通合伙)31262代理人周春洪(51)Int.Cl.G06T5/00(2006.01)权利要求书1页说明书7页附图2页(54)发明名称一种基于DS证据理论的多幅遥感图像融合去噪方法(57)摘要本发明涉及一种基于DS证据理论的多幅遥感图像融合去噪方法,该方法具体包括以下步骤：选取同一位置某一时间段的多幅遥感图像，然后对每幅图像建立四个噪声模型；对四个噪声模型进行数据统计分析，并得到每个模型下每个像素点是噪声的概率，作为DS证据理论的基本概率分配；使用DS证据理论融合规则将四个证据融合成一个证据，得到每幅图像每个像素点是噪声的概率；重复使用DS证据理论的融合规则，将多幅遥感图像的信息融合起来，得到多幅遥感图像融合的总证据；最终根据证据计算出信任区间，并利用设计好的决策规则进行去噪，得到融合去噪的图像。其优点表现在：凭借丰富的信息源，实现去噪的同时更好的保留遥感图像边缘纹理细节。CN105913402ACN105913402A权利要求书1/1页1.一种基于DS证据理论的多幅遥感图像融合去噪方法,其特征在于，该方法具体包括以下步骤：步骤一，选取同一位置某一时间段的多幅遥感图像，然后对每幅图像建立四个噪声模型；步骤二，对四个噪声模型进行数据统计分析，并得到每个模型下每个像素点是噪声的概率，作为DS证据理论的基本概率分配；步骤三，使用DS证据理论融合规则将四个证据融合成一个证据，得到每幅图像每个像素点是噪声的概率，作为多幅遥感图像融合去噪的基本概率分配；步骤四，重复使用DS证据理论的融合规则，将多幅遥感图像的信息融合起来，得到多幅遥感图像融合的总证据；步骤五，最终根据证据计算出信任区间，并利用设计好的决策规则进行去噪，得到融合去噪的图像。2.根据权利要求1所述的方法，其特征在于，所述步骤二中的四个噪声模型分别为：两状态高斯混合模型、类中值滤波模型、类均值滤波模型、边缘分析模型。3.根据权利要求2所述的方法，其特征在于，所述的两状态高斯混合模型依据小波变化具有信号的突变点在不同尺度的同一位置都有较大的峰值出现的性质，而噪声能量却随着尺度的增大而减小的特点，来刻画小波系数是与噪声相关还是与边缘相关的概率。4.根据权利要求2所述的方法，其特征在于，所述的类中值滤波模型根据遥感图像的空间相关性，小窗口内像元值一般差距不大，差别较大说明是奇异点，设置n*n窗口，n为自然数，对窗口中数据排序取中间值，根据中心值与中间值的差异程度决定中心值为噪声的概率。5.根据权利要求2所述的方法，其特征在于，所述的类均值滤波模型根据遥感图像空间相关性，设置n*n窗口，n为自然数，对窗口中的数据求平均值，根据中心值与平均值的差异程度决定中心值为噪声的概率。6.根据权利要求2所述的方法，其特征在于，所述的边缘分析模型根据窗口中与中心值差异最小的3个值的差异程度决定是噪声的概率。7.根据权利要求1所述的方法，其特征在于，所述步骤五中的决策规则具体如下：(1)对每幅图像利用四个模型得到基本概率分布；(2)利用DS理论把每幅图像的四个证据融合成一个整体概率分布；(3)利用DS理论把(2)得到的两个整体概率分布融合成一个概率分布；(4)如果融合结果是边缘，且两个证据都是边缘，选择是边缘概率大的证据；(5)如果融合结果是边缘，两个证据一个是边缘另一个是噪声，说明是边缘的证据较强，选择是边缘的证据；(6)如果融合结果是噪声，两个证据一个是边缘另一个是噪声，说明是噪声的证据较强，放弃是噪声的证据，如果这时是边缘的证据大于某一值，则相信这个证据，否则对这个证据做萎缩处理之后再使用；(7)如果融合结果是噪声，两个证据都是噪声，则选取相对可靠的图像，取其平稳小波变化的低频系数重构，得到的灰度值作为融合去噪后图像的灰度。2CN105913402A说明书1/7页一种基于DS证据理论的多幅遥感图像融合去噪方法技术领域[0001]本发明涉及遥感图像去噪处理技术领域，具体地说，是一种基于DS证据理论的多幅遥感图像融合去噪方法。背景技术[0002]数字图像在获取和传输的过程中容易受到噪声的污染，被污染的图像会影响图像的进一步处理，对图像的理解和识别带来一定的困难。研究表明，在一幅图像中，当信噪比低于14.2db时，在图像分割时产生的误检概率大于0.5％；在参数估计时，参数的估计误差大于0.6％；在区域数的确定上，容易