ادغام روش های طیفی موجک و مکانی نوسانات کلی به منظور کاهش نویز در تصاویر ابرطیفی

تصاویر ابرطیفی به عنوان یک منبع مفید اطلاعاتی، کاربردهای مختلفی را در حوزه های مختلف ازجمله شناسایی اهداف، طبقه بندی، آشکارسازی تغییرات، شناسایی آنامولی در محیط های شهری و غیرشهری ارائه می کنند. نویز به عنوان یک بخش اجتناب ناپذیر از یک سیگنال است که باعث محدودیت استفاده از این تصاویر در برخی از کاربردها می شود. حذف اثر نویز در تصاویر ابرطیفی یکی از مهم ترین مراحل پیش پردازشی این تصاویر است. بدین منظور، جهت حذف نویز تصاویر ابرطیفی، داده ها نیاز به پیش پردازش دارند تا از تاثیر آن در تصاویر ابرطیفی کاسته شود. ابعاد بالای این تصاویر در مقایسه با تصاویر چندطیفی سنجش ازدوری، امکان پردازش و تحلیل این داده را پیچیده تر می کند. مکعب تصاویر ابرطیفی دارای سه بعد می باشند که بعد اول و دوم آن مربوط به حیطه مکانی و بعد سوم آن مربوط حیطه طیفی که شامل چند صد باند است. اغلب روش های حذف نویز در حیطه طیفی عمل می کنند در حالی که در این مقاله روشی نوین به منظور کاهش نویز تصاویر ابرطیفی ارائه شده است. این روش در دو حیطه مکانی و طیفی، از دو الگوریتم مجزا بر روی دو تصویر متفاوت ابرطیفی استفاده می کند. این تصاویر شامل تصویر ماهواره ای سنجنده هایپریون و تصویر سنجنده هوابرد اویریس است. به منظور کاهش نویز در حیطه مکانی از الگوریتم نوسانات کلی و در حیطه طیفی از الگوریتم موجک استفاده می شود. پس از پیاده سازی این روش-ها، نتایج در سطح پیکسل به صورت وزن دار ادغام شدند. جهت ارزیابی کارایی روش پیشنهادی، نتایج به دو صورت کمی و کیفی با سایر الگوریتم ها مقایسه شد. به منظور ارزیابی نتایج کمی از شاخص های متفاوتی استفاده شد که نتایج به دست آمده، دقت بالای روش پیشنهادی را نسبت به سایر روش ها نشان می دهد به طوری که عدد شاخص CEI برای داده سنجنده هایپریون ۴۲۱/۱ و برای داده اویریس ۰۰۲۲/۰ است، علاوه بر آن شاخص PSNR برای داده هایپریون ۵۱۹/۳۳ و برای داده اویریس ۳۷۱/۲۲ است.

کلیدواژه ها:

Noise Reduction ، Hyperspectral images ، Wavelet ، Total Variation ، Hyperion ، AVIRIS