空间滤波技术的应用

空间滤波技术的应用-标准化文件发布号：（9456-EUATWK-MWUB-WUNN-INNUL-DDQTY-KII

空间滤波技术的应用

摘要空间滤波技术是一种采用滤波处理的影响增强方法，目的是改善影像质量，包括去除高频噪声与干扰，及影像边缘增强、线性增强以及去模糊等。本文主要介绍了空间滤波技术在如下二个方向的应用：遥感图像和条带噪声去除。

关键词空间滤波；遥感图像；条带噪声

The application of spatial filtering technology

Abstract The spatial filtering technique is a filtering process enhancement method,the purpose is to improve the image quality,including removing high frequency noise and interference,and the image edge enhancement,linear enhancement,and deblurring. This paper describes the spatial filtering with noise removal technology in the application of the following three directions: quality testing,remote sensing image,as well as Article.

Key words spatial filtering; remote sensing image; striping noise

1.引言

空间滤波技术的理论基础是空间卷积，分为低通滤波（平滑化）、高通滤波（锐化）和带通滤波。空间滤波能够应用在很多方面，在对影像的增强作用上效果明显，还可以配合其它的图像处理技术在图像处理方面发挥更大作用。

2.空间滤波在遥感图像中的应用

近些年，随着人们生活素质的提高，对信息的需求越来越多，遥感信息的需求量更是日益增加，为此，快速地发展遥感图像处理技术具有很深刻的现实意义。

2.1.线性空间滤波的理论

传感器获取的遥感图像含有大量地物特征信息，在图像上这些地物特征信息以灰度形式表现出来当地物特征间表现的灰度差很小时，目视判读就无法认辨，而图像增强的方法就可以突显这种微小灰度差的地物特征，它的实质是增强感兴趣地物和周围地物图像间的反差，改善遥感图像目视判读的视觉效果，以提高目视判能力。图像增强按所用方法可分成频率域法和空间域法。前者把图像看成一种二维信号，对其进行基于二维傅里叶变换的信号增强。采用低通滤波（即只让低频信号通过）法，可去掉图中的噪声；采用高通滤波（即只让高频信号通过）法，则可增强边缘等高频信号，使模糊的图片变得清晰。后者指的是在空间域内直接对图像的像素进行处理的方法，它包括灰度变换和空间滤波（也称邻域处理或空间卷积）。邻域处理的过程包括以下四步：

1)定义中心点（x，y）；

2)仅对预先定义的以（x，y）为中心点的邻域内的像素进行运算；

3)令运算结果为该点处处理的响应；

4)对图像中的每一点重复此步骤。

2.2.线性空间滤波在遥感图像中的应用方法

线性运算包括将领域中的每个像素与对应的系数相乘，然后将结果进行累加，从而得到点（x，y）处的响应。若邻域的大小为m×n，则总共需要nm个系数。这些系数排列为一个矩阵，称滤波器、掩模、滤波掩模、核、模板或窗口。线性空间滤波的过程仅是简单地在图像中逐点移动滤波器掩模w中心。在每个点（x，y）处，滤波器在该点地响应时滤波掩模所限定地相应邻域像素与滤波器系数的乘机结果的累加。因为具有唯一的中心点的特性，掩模的大小应均为奇数，故有意义掩模的最小尺寸是3×3 。

在执行线性空间滤波时有两个相近的概念，即相关与卷积。前者和后者的过程是相同的，区别它们的是掩模w，卷积只是在图像移动w 前，将w 旋转180度。假设图像的原点为左侧的点，求两个函数的相关，移动w，使w最右侧的点（或中心点）与原点重合，这样两个函数之间有一些点未重叠，可以通过在图像中填充足够多的的方法，以保证w在图像中移动时总存在相应的点。之后滤波掩模所限定地相应邻域像素就开始进行与对应的系数相乘累加的过程，其结果值为w与图像的相关。

3.空间滤波在条带噪声去除上的应用

航天和航空遥感图像中，普遍存在着条带噪声，任何使用多个探测元进行获取图像的遥感器图像数据中均存在条带噪声。利用直方图匹配和线性空间滤波相结合的方法进行条带噪声的去除，其中，直方图匹配用于去除探测元间的条带噪声，线性空间滤波用于清除横向随机条带噪声。

3.1.线检测

图1使用的四种模版，如果第1个模板在图像中移动，这个模板将对水平方向的线条（一个像素宽度）有更强的响应；图1中的第2个模板对于垂直线有最强响应；第3个模板对于45°方向有最强响应；第4个模板对于-45°方向有最强响应；这些方向上用比其他方向更大的系数设置权值。注意每个模板系数相加的总和为零，表示模板对灰度级恒定区域的响应为零。

图1 线模板

设3×3模板如图2所示，则图像中任意点的模板响应公式由公式（1）给出：

（1）

图2 3×3模板

3.2.二维空间滤波

条带噪声处像素的灰度值是用邻域值线性内插得到的，不同的线检测模板对应的空间滤波模板如图3中所示。其中计算公式同公式（2）为：

（2）

图3 线性空间滤波器系数模板

横向条带噪声的亮度是渐变的，不能一次全部检测出来，需要迭代求解，且每次迭代求解需设置不同的门限值。进行第一次线检测时，可设置较高的输出门限值，将线条的最高和最暗端检测出来，然后进行滤波处理；接着对处理过的图像进行第二次线检测，此时应适当降低输出门限值，再对条带噪声做滤波处理；若条带噪声仍然存在则需继续进行同样的处理，直到条带噪声完全去除为止。

4.结束语

线性空间滤波采用空间卷积方法进行运算，算法简单易操作，所得结果能很好地改善影响质量，加强图像判读和识别效果。通过对空间滤波在遥感图像和条带噪声去除上的应用，更好的理解了空间滤波的理论基础和原理。

参考文献

[1] 宋燕,刘团结,丁赤飚,赵永超. 一种直方图匹配和线性空间滤波相结合的条带噪声去除方法. 测绘科学, 2009,34(5):94-96

[2] 王润芳,邓洁. 线性空间滤波器在遥感图像中的应用及实现. 辽宁工程技术大学学报, 2007,26:57-59