楊雅芳

(1.福州工商學院 工學院，福建 福州 350715；2.福州職業(yè)技術(shù)學院 信息技術(shù)工程系，福建 福州 350108)

遙感圖像內(nèi)吸引人們視覺的部分稱為圖像顯著性區(qū)域，圖像顯著性是利用人們的注意力機制計算遙感圖像的顯著程度.遙感分析方法是通過該顯著性區(qū)域獲取更多相關(guān)信息的一種遙感圖像處理方式[1-2].

崔玲玲等人提出基于融合雙特征圖信息的圖像顯著性檢測方法[3]，利用K-means聚類方法進行圖像分割，根據(jù)顏色差異求取顏色對比特征圖，優(yōu)化顏色空間分布圖.此方法能夠提升遙感圖像監(jiān)測效果，但是由于計算步驟繁雜、噪聲等影響導(dǎo)致最終檢測的遙感圖像邊緣模糊、區(qū)域顯著性較低.劉冬梅等人提出基于非下采樣輪廓小波變換增強的從粗到精的顯著性檢測方法[4]，采用輪廓小波分解方法進行圖像亮度均勻性處理，利用粗糙顯著性檢測進行圖像抑制噪聲，通過精細顯著圖融合完成顯著性檢測，此方法的遙感圖像邊緣信息提取效果性，圖像顯著性區(qū)域檢測效果較差.

針對上述方法存在的問題，本文提出一種基于小波去噪的遙感圖像顯著性區(qū)域檢測算法.利用IHS變換方式計算遙感圖像的亮度、色度、飽和度信息，通過小波去噪對遙感圖像亮度信息進行離散小波變換，經(jīng)離散小波變換計算遙感圖像高、低頻系數(shù)向量，能夠提升遙感圖像顯著性區(qū)域檢測效果，以提升遙感圖像顯著性區(qū)域技術(shù)水平.

1 圖像顯著性區(qū)域去噪

1.1 遙感圖像邊緣信息提取

利用小波原理獲取遙感圖像邊緣結(jié)構(gòu)多分辨率算子，由于遙感圖像屬于二維圖像，因此需要利用二維小波變換將各行各列方向上的圖像轉(zhuǎn)換為一維小波[5]，使用正交的方式展開變換，其步驟如下：

第1步：令V(x,y)代表光滑函數(shù)，f(x,y)表示圖像信息，V(x,y)滿足條件如下：

(1)

定義雙小波函數(shù)如下：

(2)

(3)

令s表示尺度，則函數(shù)表達式如下：

(4)

因此圖像信息的連續(xù)小波變換表達公式如下：

(5)

(6)

將公式(5)、(6)的小波轉(zhuǎn)換成矢量形式，其表達公式如下：

(7)

在實際遙感圖像邊緣檢測中，利用二進小波變換，即將尺度設(shè)置為2j，則各個尺度的梯度方向通過小波變換后，梯度表達公式如下：

(8)

極大值模型表達公式如下：

(9)

上述公式中，l表示梯度.

令h(x,y)表示遙感圖像信息的邊界函數(shù)，其滿足條件如下：

在尺度為2j時，各個模極大值位置為：

(10)

(11)

通過上述小波變換步驟，遙感圖像的能量在其邊緣位置聚合，且邊緣點的特殊性表現(xiàn)在模型的極大值位置處[8-9].由于小波變換是在尺度不一致的情況下利用與濾波器相對的頻率進行變換，因此需剔除代表噪聲頻率尺度的小波.

1.2 小波閾值遙感圖像去噪方法

通過上個小節(jié)獲取的遙感圖像邊緣信息，保證遙感圖像邊緣信息不變的情況下，依據(jù)噪聲方差設(shè)定去除噪聲閾值[10].

為提升對數(shù)據(jù)變化反應(yīng)的靈敏度，避免重構(gòu)的遙感影像失真現(xiàn)象發(fā)生，本文利用軟、硬閾值，構(gòu)建新建閾值函數(shù)，步驟如下.

軟閾值計算公式如下：

(12)

硬閾值計算公式如下：

(13)

依據(jù)上述兩種閾值，構(gòu)建新閾值函數(shù)，其表達公式如下：

(14)

公式中，θ為閾值；ρ和q則表示可變參數(shù)，且參數(shù)ρ位于區(qū)間[0，1]之間內(nèi)，q則大于等于0；x表示遙感圖像特征導(dǎo)函數(shù).ρ=0時，特征導(dǎo)函數(shù)是硬閾值函數(shù)，且不受q取值影響，當q取值為0時，且ρ處于區(qū)間[0，1]內(nèi)，則該函數(shù)為軟閾值函數(shù)，因此可利用參數(shù)獲取小波系數(shù)的降低幅度[11].

閾值與噪聲具有一定相關(guān)性，閾值較小時將影響去噪效果，反之則部分遙感圖像信息被當成噪聲去除掉，造成遙感圖像邊緣信息丟失，影響最終區(qū)域顯著性劃分，其分解尺度隨之降低[12-13].因此，本文利用下述公式選取小波去噪最佳閾值：

(15)

公式(15)中，δ表示為遙感圖像的噪聲方差；N表示為遙感圖像的信號長度；j表示為遙感圖像的分解尺度.

利用公式(15)獲取最佳閾值后，代入到公式(14)內(nèi)，最終實現(xiàn)遙感圖像去噪.

1.3 遙感圖像顯著區(qū)域檢測方法

對于遙感圖像的顯著性區(qū)域分割，根據(jù)模糊C均值法聚類遙感圖像系數(shù)，實現(xiàn)遙感圖像顯著性區(qū)域檢測.其檢測步驟如下：

首先，通過IHS變換進行遙感圖像處理.利用IHS變換方式計算遙感圖像的亮度、色度、飽和度信息，對亮度信息進行離散小波變換.

假設(shè)小波基為db13，LMS、LPan表示分解后的低頻系數(shù)向量，OMS、OPan表示分解后的高頻系數(shù)向量，上述兩種向量經(jīng)過小波分解后獲得，高頻系數(shù)向量表達公式如下：

(16)

(17)

在上述公式中，t為離散小波層數(shù)，其取值為1或2.

根據(jù)C均值方法進行遙感圖像特征提取，構(gòu)建遙感圖像特征提取目標函數(shù)為J，具體為：

(18)

(19)

公式(19)中，uij表示為遙感圖像的中心隸屬度；m表示為遙感圖像的隸屬因子；K表示為遙感圖像的聚類中心數(shù)量；第i個聚類中心由ci表示.隸屬度和聚類中心表達公式如下：

(20)

(21)

經(jīng)過模糊C均值初始化聚類中心后，利用公式(20)計算遙感圖像的聚類中心隸屬度并依據(jù)該隸屬度計算聚類中心，經(jīng)過多次迭代，最終獲取遙感圖像的低頻系數(shù)聚類數(shù)據(jù)[14].

第2步：遙感圖像顯著區(qū)域劃分

利用聚類后的遙感圖像低頻系數(shù)數(shù)據(jù)，假設(shè)SFi表示顯著因子，顯著因子計算公式如下：

(22)

式中，i=1,2,…,K.

通過公式(22)獲取所有聚類的顯著因子，并將該因子與公式(15)計算的閾值做對比，若顯著因子高于閾值[15]，判定為顯著區(qū)域，反之則為非顯著區(qū)域[16].

遙感圖像顯著性區(qū)域小波去噪檢測流程如圖1所示.

圖1 遙感圖像顯著性區(qū)域小波去噪檢測流程示意圖

2 實驗分析

為驗證本文方法在遙感圖像顯著性區(qū)域檢測方面的使用效果，以某衛(wèi)星拍攝的某山脈山體滑坡圖像作為實驗對象，對其進行山體滑坡顯著性區(qū)域檢測.為突出本文算法優(yōu)越性，同時使用文獻[3]和文獻[4]方法展開測試，其中文獻[3]方法表示雙特征圖的圖像顯著性檢測方法，下文簡稱雙特征檢測方法；文獻[4]方法表示非下采樣的顯著性檢測方法，簡稱非下采樣檢測方法.

2.1 遙感圖像邊緣提取測試

遙感圖像的邊緣提取是圖像顯著性區(qū)域檢測的基礎(chǔ)，邊緣提取水平直接影響最終圖像顯著性區(qū)域檢測結(jié)果，分別使用3種方法對山脈山體滑坡遙感圖像進行邊緣提取，結(jié)果如圖2所示.

分析圖2可知，雙特征檢測方法提取的遙感圖像邊緣僅為山體滑坡整體輪廓，且將藍色區(qū)域的河流輪廓也判斷為山體滑坡輪廓，其邊緣提取效果不佳；非下采樣檢測方法雖然提取到整體的山體滑坡輪廓，但與實際滑坡輪廓存在較大差異，本文方法提取的山體滑坡邊緣輪廓最為精細，且在遙感圖像中較微小的位置也均可提取到.由此可知，本文方法遙感圖像邊緣提取能力優(yōu)秀.

(a)本文方法

(b)雙特征檢測方法

(c)非下采樣檢測方法圖2 3種方法遙感圖像邊緣檢測結(jié)果

2.2 遙感圖像去噪測試

測試3種方法在10～200 db噪聲情況下，去除噪聲能力，統(tǒng)計使用3種方法去除噪聲后，遙感圖像信息內(nèi)剩余噪聲情況，結(jié)果如表1所示.

分析表1可知，3種方法去除噪聲效果隨著噪聲數(shù)值的增加而降低，其中在10 db噪聲情況下，去除噪聲效果最優(yōu)，去除后噪聲數(shù)值均為0.隨著噪聲數(shù)值的增加，雙特征檢測方法和非下采樣檢測方法在噪聲為20 db時，去除噪聲后的遙感圖像內(nèi)開始剩余數(shù)值較小的噪聲；而本文方法在噪聲為20 db時，去除噪聲后的遙感圖像內(nèi)才存在剩余噪聲，且剩余數(shù)值均低于雙特征檢測方法和非下采樣檢測方法.當噪聲為200 db時，本文方法較對比方法的剩余噪聲分別低20 db和32 db，由此可知，本文方法去除噪聲能力較好.

表1 3種方法去除噪聲測試結(jié)果

2.3 遙感圖像顯著性區(qū)域效果

同時使用3種方法對遙感圖像的山體滑坡區(qū)域進行檢測，測試顯著性區(qū)域檢測效果，結(jié)果如圖3所示.

(a)本文方法

(b)雙特征檢測方法

(c)非下采樣檢測方法圖3 3種方法遙感圖像顯著性區(qū)域檢測結(jié)果

分析圖3可知，雙特征檢測方法檢測的遙感圖像顯著性區(qū)域?qū)Ρ榷炔桓?，檢測山體滑坡區(qū)域較小，山體滑坡區(qū)域顯著性不高；非下采樣檢測方法檢測的遙感圖像顯著性區(qū)域存在霧狀干擾，雖然檢測到的顯著性區(qū)域較大，但對比不明顯[16]；本文方法檢測到的圖像顯著性區(qū)域?qū)Ρ让黠@，層次分明，無任何干擾，檢測的區(qū)域較為準確.由此可知，本文方法檢測遙感圖像顯著性區(qū)域能力卓越.

3 結(jié) 論

結(jié)合小波去噪方法研究遙感圖像顯著性區(qū)域小波去噪檢測方法，該方法經(jīng)過圖像邊緣提取、去除噪聲、遙感圖像顯著區(qū)域檢測等步驟，最終實現(xiàn)遙感圖像顯著性區(qū)域檢測.通過多方面驗證，取得實驗結(jié)果如下：

(1)在圖像邊緣提取方法中，本文方法可清晰提取遙感圖像山體滑坡邊緣輪廓，邊緣提取能力較強.

(2)相較對比方法，本文方法在噪聲為200 db時，遙感圖像剩余噪聲僅為61db，去除噪聲能力強.

(3)使用本文方法檢測到的遙感圖像顯著性區(qū)域?qū)哟畏置?，對比顯著，且檢測的顯著性區(qū)域較為準確.