谈小波变换在遥感图像处理中的应用

杨志远

国防科学技术大学理学院 ，湖南长沙 410071

谈小波变换在遥感图像处理中的应用

杨志远

国防科学技术大学理学院 ，湖南长沙 410071

依据小波变换理论分析得出了遥感图像经过多层小波变换后，低层的细节系数频率高于高层细节系数。为减少处理过程中信息量的丢失，将原遥感图像和处理结果融合。实验表明，在信号处理方面有着广泛地应用,本文着重讨论基于小波变换的图像处理技术。

小波变换；遥感图像；高频信息；图像处理

基于小波变换的遥感图像是处理高频信息形态数据源的主要方法之一，通过对基于小波变换图像技术的分析,总结了基于单小波遥感图像的基本方法和每种方法的优缺点，以及在分析小波图像和小波标架变换的基础上，提出了基于小波变换的图像算法和小波标架变换的图像算法。

1 压缩感知的基本原理

以小波为基的压缩感知的基本原理图像压缩处理对于航空、航天、军事侦察、灾害预报等许多领域至关重要,针对遥感图像噪声大、边界不清楚等问题,提出了应用小波变换对遥感图像进行压缩感知和边缘检测处理的方法。

1.1 基于小波变换的边缘检测原理

以小波为基的图像压缩处理是技术关键的之一，寻求性能良好的压缩方法是一个重要的研究领域，通过对小波基设诛预滤波器构造以及图像处理中的问题分析，是解决图像处理的有效途径。因此，遥感图像的先验模型对于图像的视觉处理至关重要，对于图像的先验模型从多个角度进行研究，其代表主要有统计方法、 正则化几何建模方法和稀疏表示方法。

小波变换图像融合是将同一场景中多幅图像的互补信息合并成一幅新图像,以便更好地对场景进行观察和理解，为遥感图像提供一种加精确的分析方法，在研究小波变换特性的基础上,提出基于小波变换的图像融合方法。实验证明,该方法具有很好的融合效果。随着小波变换体技术的发展,小波变换数字技术已成为一个研究热点。在分析小波变换数字的基础上,提出基于提升格式小波变换的数字水印算法,该算法在对图像处理方面达到较好的效果。

1.2 基于小波变换的图像数据压缩原理

随着现代信息社会对通信业务要求的不断增长,基于小波变换的图像数据压缩原理与通信网容量的矛盾日益突出。特别是具有庞大数据量的数字图像通信,更难以传输与存储,极大地制约了图像通信的发展,已成为图像通信发展中的瓶颈问题。图像压缩编码的目的就是要以尽量少的比特数表征图像,同时保持复原图像的质量,使它符合特定应用场合的要求。

基于小波变换的图像数据压缩原理是图像数据压缩发展史上一个新的里程碑，它在频率和位置上都是可变的，非常适合分析瞬态信号。当分析低频信号时其时窗很大，而分析高频信号时其时窗很小，这恰恰符合实际问题中高频信号的持续时间短、低频信号的持续时间长的自然规律。

2 以小波基为稀疏基的图像压缩处理方法

根据遥感图像中的不同地貌具有不同的频谱特性,人工建筑区相对其他区域具有较高的频率,提出了基于小波变换和数学形态学的遥感图像人工建筑区提取算法。

2.1 对遥感图像进行小波变换压缩处理

将不同地貌的信息转换到不同频带,再对高频信息进行融合，并将融合后的高频信息中幅度变化剧烈的区域看作遥感图像的“山峰”,变化平稳的区域看作遥感图像的“盆地”,最后采用形态学重建的方法提取人工图像的压缩图像,实验结果表明,该算法具有快速性和准确性的特点。

目前遥感图像的种类繁多,针对中高分辨率的可见光成像的遥感图像进行分析发现,在遥感图像中不同的地貌呈现出不同的规律,在图像上的表现形式就是具有不同的纹理,所以对遥感图像的纹理进行粗分割，实际上就是对图像中地貌的一种粗分类,纹理分割的主要任务是将图像进行划分。

2.2 遥感图像频率分布处理

以小波基为稀疏基的图像压缩处理相对低频，景物处于相对高频。根据小波变换多分辨率特点,图像经多层小波分解,得到的低层细节系数代表图像的相对高频部分,高层细节系数代表图像的相对低频部分。提出通过增大图像的高频细节系数,减小低频细节系数。利用视觉评价、平均梯度等方法评价实验结果,表明分析遥感图像频率算法的有效性。

遥感图像频率分布的特征一般主要有多光谱图像去云、多副图像叠加、云多传感器图像融合，遥感成像小波系数分辨率分析图像处理的成像过程中,由于高层细节系数的遮挡使获得的遥感图像变得模糊。运用图像处理技术,研究如何有效去除影响,成为了提高遥感数据利用率的必要途径。

3 遥感图像压缩处理的质量评价

3.1 遥感图像压缩处理的质量评价

与小波相比遥感图像压缩处理的质量评价，不仅具有小波的多分辨率特性和时频特性，还具有很好的方向性和各向异性。小波的支撑域边长在该尺度下的基函数支撑域的纵横比可以任意选择，基函数的支撑域来逼近曲线的过程，由于它的基函数的支撑域表现为“长方形”，因而是一种更为有效稀疏的表示法。与二维可分离小波基函数的方向支撑域的各向同性不同，其支撑域表现出来的是各向异性的特点。

遥感图像压缩处理的质量评价表示方法都是采用单一基，另外一条遥感图像压缩处理的质量评价表示的途径是，基函数原子库的图像系统。通过遥感信号在完备库上的分解,用来表示信号可适应本身的特点，灵活选取以得到遥感压缩图像。小波分析用于平稳信号和图像的处理优于传统的傅里叶变换，已被许多应用领域的事实所证实。

3.2 压缩感知处理的形态分量方法分析

基于压缩感知处理的形态分量方法的图像分解，较好的结合了变分方法和稀疏表示方法两类图像分解的优点，为图像处理问题提供了良好的处理机制。首先从关于图像形态分量分解的变分方法来看，研究朝着对图像结构和纹理等形态成分刻画更精细方向发展。通过关于压缩感知处理的形态分量结构和纹理分量的有效分离，由于目前所涉及的表示的主要有正交系统。随着压缩感知处理的形态分量表示理论的发展，通过不同的分类表示、稀疏性度量和正则化方法，可以导出不同的图像形态分量分析算法。

4 结论

小波变换在遥感图像处理中的应用是近年迅速发展起来的新兴学科，具有深刻的理论意义和广泛的应用范围。小波变换在遥感图像处理中的应用是一种信号的时间尺度分析方法，它具有多分辨分析的特点，而且在时频两域都具有表征信号局部特征的能力。

[1]王仁.小波变换在遥感图像处理中应用思考[J].北京技术，2009(11).

[2]赵厚琴，刘伟.遥感图像处理中探索网络数据应用管理[J].安徽农业科学，2007(8).

[3]杨斌.小波变换遥感图信息的发展的创新[J].河北教育，2008(6).

TP7

A

1674-6708（2011）47-0220-02