高光谱图像预处理方法研究及进展

２０１５年３月㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀广西师范学院学报:自然科学版M a r．２０１５第３２卷第１期㊀㊀㊀㊀㊀J o u r n a l o fG u a n g x i T e a c h e r sE d u c a t i o nU n i v e r s i t y:N a t u r a l S c i e n c eE d i t i o n V o l．３２N o．１文章编号:１００１Ｇ８７４３(２０１５)０１Ｇ００２８Ｇ０５

高光谱图像预处理方法研究及进展∗

杨仁欣,杨㊀燕,原晶晶

(广西师范学院数学与统计科学学院,广西南宁５３００２３)

摘㊀要:高光谱图像预处理方法在高光谱图像处理中具有重要意义,有效的预处理方法可以尽可能地减少甚至消除无关信息(如样品背景㊁电噪音和杂散光等)对高光谱图像的影响,为后续基于高光谱图像的数据分析提供更为可靠的数据来源．基于高光谱图像谱图合一的数据结构特点,该文综述了直方图均衡化,中值滤波,边缘检测等图像预处理方法以及平滑,导数,标准归一化,多元散射校正等光谱预处理方法,并给出了这些方法的应用实例．该文还详细介绍了傅立叶变换和小波变换这两种基于数据压缩和信息提取的光谱预处理方法．这些新方法的研究为后续的数据分析奠定了良好的基础．

关键词:高光谱图像;预处理;傅立叶变换;小波变换;图像预处理;光谱预处理

中图分类号:T P７５１㊀㊀文献标识码:A

０㊀引㊀言

目前,高光谱成像技术已广泛应用于精细农业,食品检测,大气环境检测等方面．高光谱图像数据可以用 三维数据块 来形象地描述,在通常二维图像的基础上添加光谱维,就可以形成三维的坐标空间．高光谱图像集样本的图像信息与光谱信息于一身,其光谱分辨率高,能够获取地物精细的光谱特征曲线,且波段多,为波段之间的相互校正提供了方便．基于高光谱数据结构的多维特点,本文从图像和光谱两个层面综述了典型的图像预处理方法和光谱预处理方法,并给出应用实例．

１㊀图像预处理方法的研究

在图像分析中,图像预处理是对输入图像进行特征抽取㊁分割和匹配前所进行的处理．图像预处理的主要目的是加强图像的某些对进一步处理和分析有用的特征,抑制图像数据中不希望的失真,通过对图像的几何变换,如平移㊁旋转㊁尺度变化等,来获得高质量的图像．预处理方法一般有直方图均衡化㊁中值滤波㊁边缘检测等．

１．１㊀直方图均衡化

直方图均衡化是将原图像通过某种变换,得到灰度直方图为均匀分布的新图像的方法．直方图均衡化,实现了图像灰度的再分配,在增强低对比度图像上应用得更广泛．直方图均衡化的过程为:(１)列出原始图像灰度级r k,统计原始直方图各灰度级像素数n k;(２)计算原始直方图各概率:p k＝n k/N和累计直方图s k＝ðp k,并取整S k＝i n t{(L－１)s k＋０．５};(３)确定映射对应关系:r kңs k,统计新直方图各灰度级像素n＇k,用p k(s k)＝n＇k/N计算新直方图,其中L是灰度层次数,N是图像总像素数．

收稿日期:２０１４Ｇ１２Ｇ２８

∗基金项目:广西教育厅项目(２０１２０３Y B１０３)

作者简介:杨仁欣(１９８８－㊀),男,山西应县人,硕士研究生,研究方向为模式识别和数据挖掘．

通讯作者简介:杨燕(１９７３－㊀),女,广西南宁人,副教授,硕士生导师,研究方向为高光谱图像处理．E－m a i l:y_y a e ＠１６３．c o m

第１期㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀杨仁欣,等:高光谱图像预处理方法研究及进展 ２９㊀ 姜柏军等[１]通过随机增量式直方图对背景复杂的图像进行了处理,与没有采用直方图均衡化的图像相比,更容易识别出目标所在的部分．扈佃海等[２]提出了一种改进的直方图均衡化图像增强方法,首先提取出原图像的细节信息,然后和经过直方图均衡化的原图像进行叠加,实验结果表明,改进的直方图均衡化方法既能保留原图像更多的细节信息,又增强了图像的整体对比度．

１．２㊀中值滤波

中值滤波能够有效抑制图像噪声,大大减少模糊图像的边缘,它不仅对孤立噪声点的消除效果显著,对稍密集的噪声点也有较好的除噪效果．但对于线㊁尖顶等细节多的图像不宜采用中值滤波．中值滤波操作简单容易实现,是一种较好的图像预处理方法．一种广泛使用的中值滤波是非线性空间滤波器,中值滤波器是一种次序统计滤波器．最近又提出了一种改进的中值滤波器[３],若在S x y的邻域内,其像素大小为mˑn,去掉最高的p个灰度值和最低的q个灰度值,用g r(s,t)来代表剩余的m n－p－q个像素,对这些剩余像素点求平均值,即形成改进的中值滤波器:

f(x,y)＝１

m n－p－qð(s,t)ɪS x y g(s,t),

在上式中:p和q的值可以取０~(m n＋１)/２之间的任意整数．通过改变p和q的取值,改进的中值滤波器能够满足多种噪声背景下的滤波处理．因此,我们常常使用改进的中值滤波器来滤除红外图像中的混合噪声．

张涛等[４]提出了一种改进的自适应中值滤波算法,对于噪声点的检测,首先利用极值差找出可疑的噪声点,然后利用邻域像素的相似性去判断此可疑点是否为噪声点;对于中值滤波的计算,先把具有相同灰度值的极值点压缩到一个,然后再计算中值．实验结果表明,改进的中值滤波算法具有更好的稳定性．李智等[５]提出了对含有混合噪声图像的去噪,采用中值滤波和小波变换相结合的方法,能够达到较好的去噪效果．

１．３㊀边缘检测

图像的边缘检测是通过计算一阶或二阶导数,大多数操作者在一幅图像I(x,y)上执行一个二维空间梯度测量,使用卷积的水平和垂直导数内核．g x和g y是为了回应最大限度地在x和y边缘方向．图像中每个像素都有两个正交的内核,每个像素的梯度G及其方向α估计通过结合两种内核的输出为[６]

G＝[G２x＋G２y]１２,

α＝a r c t a n(G x G y),

这里G x＝I(x,y)∗g x,G y＝I(x,y)∗g y．

陈颖峰等提出了一种基于变化３ˑ３模板的模糊逻辑推理策略,使用新的模糊规则,提高了边缘检测的质量[７]．何春等人[８]提出的一种基于分数阶次微积分的新型边缘检测新算子,可以很好地降低噪声对边缘检测的影响．

２㊀光谱预处理方法的研究

由于原始光谱中含有许多对光谱信息产生干扰的冗余信息,为了提高光谱处理的精度和性能,光谱预处理就显得十分重要．光谱预处理主要可以滤除噪音,实现光谱范围的优化和数据的筛选,消除其他因素对信息的影响．常用的光谱预处理方法有平滑㊁导数㊁归一化㊁多元散射校正㊁傅立叶变换㊁小波变换等．

２．１㊀平滑

信号平滑是消除噪声最常用的一种方法．常用的平滑方法有移动平均平滑法和S a v i t z k y－G o l a y卷