卫星海量数据背景下遥感图像去噪算法研究

摘要

近年来，我国发射了大量卫星，从北斗导航系列卫星到各种气象、资源勘探卫星，可以说，我国的航天遥感技术取得了长足发展。伴随着这么多的卫星发射升空，每天都有海量的数据从各种传感器上接收下来。与此同时，在采集和回传阶段，数据或多或少都会受到许多不确定因素的影响而被污染。因此，在传输前对其进行压缩，以及在接收后进行噪声去除已成为广泛关注的研究热点。小波分析的时频局部特性和多分辨率分析特性，可以把图像数据中的重要信息有效地提取出来，因此，它在图像处理领域得到了非常广泛的应用。
　　文章的主要工作是把接收到的图像数据经小波变换后如何更好地对其进行噪声剔除，以及图像传输前的数据压缩。小波变换去噪的方法已有很多种，本文着重考虑阈值去噪方法，讨论了去噪过程中阈值和阈值函数的选取，并对传统方法进行了改进，最后通过仿真，检验了改进方法的可行性及去噪效果。分析了经典小波编码算法，针对SPIHT编码算法需要大的存储空间和很多不必要运算的缺点，提出了一种改进的SPIHT编码算法，弥补了之前编码过程中需要大存储空间并耗时的不足。

目录

声明

第一章 绪论

1.1 引言

1.2 遥感图像去噪的研究现状

1.3 图像压缩的研究现状

1.4 本文的主要工作

第二章 小波变换基本理论

2.1 小波变换的描述

2.2 离散/二进小波变换

2.3 多分辨率及正交小波基相关理论

2.4 本章小结

第三章 阈值去噪算法研究

3.1 引言

3.2 遥感图像噪声模型

3.3 传统小波去噪方法的对比

3.4 实验结果仿真

3.5 本章小结

第四章 混合噪声背景下图像去噪研究

4.1 引言

4.2 不同类型噪声在小波分解下的统计特性

4.3 脉冲噪声去除法的改进

4.4 混合噪声的去除

4.5 本章小结

第五章 遥感图像压缩方法研究

5.1 引言

5.2 图像经小波分解后的系数特征

5.3 嵌入式零树小波编码

5.4 多级树集合分裂算法(SPIHT)

5.5 改进的算法

5.6 实验结果仿真

5.7 本章小结

第六章 总结与展望

6.1 本文总结

6.2 展望

致谢

参考文献