本發(fā)明涉及圖像領(lǐng)域，具體為一種遙感圖像去噪方法及系統(tǒng)。

背景技術(shù)：

1、遙感圖像廣泛應(yīng)用于農(nóng)業(yè)、氣象、環(huán)境監(jiān)測等多個(gè)領(lǐng)域，是通過衛(wèi)星、無人機(jī)等遠(yuǎn)程傳感設(shè)備獲取的地球表面或大氣環(huán)境的圖像信息。這類圖像包含豐富的地理空間信息和光譜數(shù)據(jù)，能夠?qū)Υ竺娣e區(qū)域進(jìn)行高效監(jiān)測和分析。然而，遙感圖像在采集過程中常會(huì)受到多種因素的干擾，如傳感器噪聲、大氣散射、設(shè)備抖動(dòng)等，導(dǎo)致圖像質(zhì)量下降。這些噪聲會(huì)破壞遙感圖像的細(xì)節(jié)信息，影響圖像的真實(shí)性和精度，進(jìn)而干擾后續(xù)的分析和應(yīng)用。因此，遙感圖像去噪成為提升圖像質(zhì)量和確保分析準(zhǔn)確性的重要研究課題。

2、現(xiàn)有的遙感圖像去噪方法主要包括基于空間域和頻率域的傳統(tǒng)去噪算法，以及近年來興起的基于深度學(xué)習(xí)的去噪方法。空間域方法，如中值濾波、均值濾波等，雖然簡單易實(shí)現(xiàn)，但在去除噪聲的同時(shí)容易損失圖像的邊緣細(xì)節(jié)。頻率域方法如小波變換等能夠有效保留圖像的細(xì)節(jié)信息，但處理速度較慢，且對復(fù)雜噪聲效果有限。深度學(xué)習(xí)方法依賴大量的高質(zhì)量標(biāo)注數(shù)據(jù)，且計(jì)算資源消耗較大。因此，如何開發(fā)一種高效、精度高且適應(yīng)性強(qiáng)的遙感圖像去噪方法，成為當(dāng)前技術(shù)領(lǐng)域面臨的關(guān)鍵挑戰(zhàn)。

技術(shù)實(shí)現(xiàn)思路

1、為了能夠增強(qiáng)對遙感圖像的去噪效果，本發(fā)明提供了一種遙感圖像去噪方法，所述方法包括以下步驟：

2、獲取拍攝的遙感圖像上的參考塊，并通過塊匹配的方式找到參考塊對應(yīng)的相似塊集合，對相似塊集合中不同相似塊的同一位置的所有像素點(diǎn)進(jìn)行硬閾值濾波，并對硬閾值濾波后相似塊集合中每個(gè)相似塊進(jìn)行軟閾值濾波，在所有參考塊的相似度集合都濾波后，經(jīng)過聚集得到初步估計(jì)圖像；

3、獲取初步估計(jì)圖像上的參考塊，并通過塊匹配的方式找到參考塊在初步估計(jì)圖像上的相似塊集合以及在遙感圖像上的相似塊集合，根據(jù)所述初步估計(jì)圖像上的相似塊集合計(jì)算得到每個(gè)位置的權(quán)重，利用所述權(quán)重對遙感圖像上的相似塊集合中所述權(quán)重對應(yīng)位置處的像素點(diǎn)的頻域進(jìn)行加權(quán)后進(jìn)行逆變換，根據(jù)逆變換的遙感圖像上的相似塊集合得到去噪后的遙感圖像。

4、優(yōu)選地，所述對硬閾值濾波后相似塊集合中每個(gè)相似塊進(jìn)行軟閾值濾波，具體為：

5、獲取硬閾值濾波時(shí)采用的硬閾值；

6、對硬閾值濾波后的相似塊集合，提取每個(gè)相似塊的梯度信息；

7、獲取基礎(chǔ)軟閾值和硬閾值，根據(jù)梯度信息、基礎(chǔ)軟閾值和硬閾值得到每個(gè)相似塊對應(yīng)的調(diào)整后的軟閾值；

8、采用所述軟閾值對每個(gè)相似塊進(jìn)行濾波。

9、優(yōu)選地，所述根據(jù)梯度信息、基礎(chǔ)軟閾值和硬閾值得到每個(gè)相似塊對應(yīng)的調(diào)整后的軟閾值，具體為：

10、計(jì)算硬閾值和基礎(chǔ)軟閾值的差值，并根據(jù)相似塊的所述梯度信息得到權(quán)重；

11、利用所述權(quán)重對所述差值進(jìn)行加權(quán)，將加權(quán)結(jié)果和基礎(chǔ)軟閾值的總和作為相似塊對應(yīng)的調(diào)整后的軟閾值。

12、優(yōu)選地，所述根據(jù)所述初步估計(jì)圖像上的相似塊集合計(jì)算得到每個(gè)位置的權(quán)重，具體為：

13、對于參考塊上的每個(gè)位置，獲取在所述初步估計(jì)圖像上的相似塊集合中每個(gè)相似塊在所述位置處的像素點(diǎn)構(gòu)成的像素點(diǎn)集合，根據(jù)所述位置處的像素點(diǎn)集合得到在所述位置處的權(quán)重；

14、計(jì)算相似塊中每個(gè)位置的局部梯度，并計(jì)算所有相似塊中同一個(gè)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調(diào)整權(quán)重；

15、將同一個(gè)位置處的權(quán)重和調(diào)整權(quán)重的乘積作為所述位置的權(quán)重。

16、優(yōu)選地，所述利用所述權(quán)重對遙感圖像上的相似塊集合中所述權(quán)重對應(yīng)位置處的像素點(diǎn)的頻域進(jìn)行加權(quán)后進(jìn)行逆變換，具體為：

17、獲取所述遙感圖像上的相似塊集合中權(quán)重對應(yīng)位置構(gòu)成的像素點(diǎn)集合；

18、對像素點(diǎn)集合進(jìn)行變換，并將變換結(jié)果和權(quán)重相乘，對相乘后的結(jié)果進(jìn)行逆變換。

19、此外，本發(fā)明還提供了一種遙感圖像去噪系統(tǒng)，所述系統(tǒng)包括以下模塊：

20、初步估計(jì)模塊，用于獲取拍攝的遙感圖像上的參考塊，并通過塊匹配的方式找到參考塊對應(yīng)的相似塊集合，對相似塊集合中不同相似塊的同一位置的所有像素點(diǎn)進(jìn)行硬閾值濾波，并對硬閾值濾波后相似塊集合中每個(gè)相似塊進(jìn)行軟閾值濾波，在所有參考塊的相似度集合都濾波后，經(jīng)過聚集得到初步估計(jì)圖像；

21、最終估計(jì)模塊，用于獲取初步估計(jì)圖像上的參考塊，并通過塊匹配的方式找到參考塊在初步估計(jì)圖像上的相似塊集合以及在遙感圖像上的相似塊集合，根據(jù)所述初步估計(jì)圖像上的相似塊集合計(jì)算得到每個(gè)位置的權(quán)重，利用所述權(quán)重對遙感圖像上的相似塊集合中所述權(quán)重對應(yīng)位置處的像素點(diǎn)的頻域進(jìn)行加權(quán)后進(jìn)行逆變換，根據(jù)逆變換的遙感圖像上的相似塊集合得到去噪后的遙感圖像。

22、優(yōu)選地，所述對硬閾值濾波后相似塊集合中每個(gè)相似塊進(jìn)行軟閾值濾波，具體為：

23、獲取硬閾值濾波時(shí)采用的硬閾值；

24、對硬閾值濾波后的相似塊集合，提取每個(gè)相似塊的梯度信息；

25、獲取基礎(chǔ)軟閾值和硬閾值，根據(jù)梯度信息、基礎(chǔ)軟閾值和硬閾值得到每個(gè)相似塊對應(yīng)的調(diào)整后的軟閾值；

26、采用所述軟閾值對每個(gè)相似塊進(jìn)行濾波。

27、優(yōu)選地，所述根據(jù)梯度信息、基礎(chǔ)軟閾值和硬閾值得到每個(gè)相似塊對應(yīng)的調(diào)整后的軟閾值，具體為：

28、計(jì)算硬閾值和基礎(chǔ)軟閾值的差值，并根據(jù)相似塊的所述梯度信息得到權(quán)重；

29、利用所述權(quán)重對所述差值進(jìn)行加權(quán)，將加權(quán)結(jié)果和基礎(chǔ)軟閾值的總和作為相似塊對應(yīng)的調(diào)整后的軟閾值。

30、優(yōu)選地，所述根據(jù)所述初步估計(jì)圖像上的相似塊集合計(jì)算得到每個(gè)位置的權(quán)重，具體為：

31、對于參考塊上的每個(gè)位置，獲取在所述初步估計(jì)圖像上的相似塊集合中每個(gè)相似塊在所述位置處的像素點(diǎn)構(gòu)成的像素點(diǎn)集合，根據(jù)所述位置處的像素點(diǎn)集合得到在所述位置處的權(quán)重；

32、計(jì)算相似塊中每個(gè)位置的局部梯度，并計(jì)算所有相似塊中同一個(gè)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調(diào)整權(quán)重；

33、將同一個(gè)位置處的權(quán)重和調(diào)整權(quán)重的乘積作為所述位置的權(quán)重。

34、優(yōu)選地，所述利用所述權(quán)重對遙感圖像上的相似塊集合中所述權(quán)重對應(yīng)位置處的像素點(diǎn)的頻域進(jìn)行加權(quán)后進(jìn)行逆變換，具體為：

35、獲取所述遙感圖像上的相似塊集合中權(quán)重對應(yīng)位置構(gòu)成的像素點(diǎn)集合；

36、對像素點(diǎn)集合進(jìn)行變換，并將變換結(jié)果和權(quán)重相乘，對相乘后的結(jié)果進(jìn)行逆變換。

37、最后，本發(fā)明還提供了一種計(jì)算機(jī)程序，所述計(jì)算機(jī)程序在被處理器執(zhí)行時(shí)實(shí)現(xiàn)如第一個(gè)方面所述的方法。

38、本發(fā)明通過結(jié)合硬閾值和每個(gè)相似塊的梯度信息，自適應(yīng)地調(diào)整軟閾值，有助于在細(xì)節(jié)區(qū)域保留更多信息，同時(shí)在平滑區(qū)域進(jìn)行更強(qiáng)的去噪。而且先進(jìn)行硬閾值濾波去除較大噪聲，再通過自適應(yīng)軟閾值濾波進(jìn)一步優(yōu)化濾波效果，保證在噪聲去除的同時(shí)盡可能保留圖像細(xì)節(jié)。此外，利用相似塊集合中的局部梯度信息，通過計(jì)算相似塊同一位置處的局部梯度平均值，基于該梯度信息自適應(yīng)地調(diào)整去噪權(quán)重。這樣能夠有效區(qū)分圖像中的細(xì)節(jié)信息和噪聲區(qū)域，避免在邊緣和紋理豐富的區(qū)域出現(xiàn)過度平滑的問題。