基于梯度倒數(shù)的無人機遙感圖像融合濾波方法

無人機遙感具有快速、低成本、高影像分辨率等優(yōu)點，能夠彌補衛(wèi)星遙感不足、適用范圍廣泛。遙感圖像是用于描述地表信息的重要數(shù)據(jù)源，但在圖像采集過程中受傳感器自身和大氣環(huán)境等因素影響，使得遙感圖像在采集、傳輸和存儲過程中受到各類噪聲的干擾。這對進一步處理、分析遙感圖像中的有用信息十分不利。因此，為了獲取清晰、高質(zhì)量的遙感圖像，對遙感圖像進行一定的濾波去噪處理是十分必要的。

傳統(tǒng)的遙感圖像濾波方法靈活性較差，往往不能得到理想的去噪效果，不能很好地滿足無人機遙感圖像的去噪要求。這些問題對無人機遙感圖像濾波去噪方法提出了更高的要求?；诖?，本文提出一種基于梯度倒數(shù)的無人機遙感圖像融合濾波方法，將梯度倒數(shù)與自適應開關(guān)均中值濾波融合設計新的濾波方法，并應用到遙感圖像濾波處理中，提高圖像的質(zhì)量。

基于梯度倒數(shù)的無人機遙感圖像融合濾波方法

結(jié)合梯度倒數(shù)與自適應開關(guān)均中值濾波提出了一種基于梯度倒的無人機遙感圖像融合濾波方法———梯度倒數(shù)自適應開關(guān)均中值濾波，并將其應用到遙感圖像濾波處理中。根據(jù)圖像的連通性原理，相鄰像素點的灰度值相近。對于n×n的平滑模板，分別計算出（x，y）與模板內(nèi)其余像素點（x＋i，y＋j）之間的梯度值并設定閾值T。本文算法規(guī)定：若中心像素點周圍至少存在一個像素點使得梯度值的絕對值小于等于T，則認為像素點f（x，y）不是由隨機噪聲引起。此時，采用傳統(tǒng)的梯度倒數(shù)加權(quán)算法對其進行平滑；若模板內(nèi)所有像素點的梯度值的絕對值都大于T，則認為像素點f（x，y）被隨機噪聲污染，此時根據(jù)自適應開關(guān)均中值方法對該像素點進行濾波處理。具體實現(xiàn)方法如下：

（１）選取n×n的模板，計算出模板內(nèi)中心像素點（x，y）與鄰近像素點（x＋i，y＋j）的梯度絕對值的導數(shù)并保存在g數(shù)組中。

（２）根據(jù)當前濾波點的 f （ x， y）灰度值， 設定閾值 T 的大小。其中 T 的取值滿足 T ＝f（x， y）μ，μ為調(diào)整因子，本文取值為０.１。

（３）設置標志數(shù)組g′，用于標記模板內(nèi)各點與中心點的梯度值是大于閾值 T。若超過，則置為１；否則置為０。為便于判斷，標志數(shù)組中中心點（ x，y）處的值也置為 １。

（４）如果當前像素點滿足 g′（x，y） ＝１， 則采用自適應開關(guān)均中值濾波方法，如式（４）中所示。

此時，q（x，y）為當前模板內(nèi)中心像素點（即噪聲點）的輸出；否則，按照文獻所述方法對模板內(nèi)各點進行處理，將q（x，y）作為非噪聲點的輸出，如式（５）所示。

（５）用濾波模板對整幅含噪圖像進行遍歷，重復步驟（２）步驟（４），如果濾波后像素的灰度值超出［０，１］范圍，則將灰度值小于０的像素點置０，超出１的置１。

結(jié)果與分析

實驗中選取了由無人機拍攝的大小為３４６×３００的遙感圖像。分別采用傳統(tǒng)的梯度倒數(shù)加權(quán)平滑方法、開關(guān)均中值濾波方法、自適應開關(guān)均中值濾波方法、本文提出的基于梯度倒數(shù)的無人機遙感圖像融合濾波方法對遙感圖像進行濾波去噪處理，實驗結(jié)果如圖１和表１中所示。

結(jié)合表 １，觀察分析這幾種方法的實驗結(jié)果可以發(fā)現(xiàn)：對比圖１（ｃ）和圖１（ｄ），開關(guān)均中值濾波方法較傳統(tǒng)的梯度倒數(shù)加權(quán)平滑方法去噪效果好，濾波后圖像的峰值信噪比和信息熵均比較高，但圖像的邊緣保持效果比較差；對比圖１（ｄ）和圖１（ｅ），由于自適應開關(guān)均中值濾波方法的閾值會隨著圖像中局部區(qū)域受到噪聲污染的程度自適應變化，因此濾波后 PSNR、MSE、信息熵等幾項指標均有一定的提升；對比圖１（ｆ）和圖１（ｃ）、圖１（ｄ）、圖１（ｅ），可以看出本文提出的基于梯度倒數(shù)的無人機遙感圖像融合濾波方法濾波后各項評價指標均優(yōu)于其他傳統(tǒng)對照方法，不僅可以較好地保持遙感圖像的邊緣細節(jié)信息，而且針對高斯噪聲和脈沖噪聲等不同類型的混合噪聲有著顯著的濾波去噪效果。

結(jié)論

針對現(xiàn)有無人機遙感圖像濾波去噪處理時存在無法兼顧濾波效果與邊緣細節(jié)保持效果的問題，本文提出了一種基于梯度倒數(shù)的無人機遙感圖像融合濾波方法———梯度倒數(shù)自適應均中值濾波，根據(jù)實驗結(jié)果得到以下結(jié)論。

（１）該方法結(jié)合了梯度倒數(shù)加權(quán)平滑方法和自適應開關(guān)均中值濾波方法的優(yōu)點，在保證濾波效果的同時較好的保持了圖像邊緣等細節(jié)信息。

（２）從主觀視覺方面，本文方法能夠較好的濾除高斯、椒鹽噪聲等混合噪聲，濾波效果明顯。

從客觀實驗數(shù)據(jù)方面，使用本文方法濾波后圖像的 MSE、PSNR、平均梯度、信息熵等參數(shù)均有一定幅度的提升，其中平均梯度提升了約３.５％，能夠滿足對遙感圖像的濾波降噪處理要求。

歡迎關(guān)注公眾號：萊森光學，了解更多光譜知識。

萊森光學（深圳）有限公司是一家提供光機電一體化集成解決方案的高科技公司，我們專注于光譜傳感和光電應用系統(tǒng)的研發(fā)、生產(chǎn)和銷售。

審核編輯黃宇