Støyreduksjon av hyperspektrale bilder

Abstract

Støyreduksjon har blitt utført på hyperspektrale bilder i både spektral retning og romlige retninger. Algoritmene som har blitt benyttet for å oppnå støyreduksjon er Principal Component Analysis (PCA), Maximum Noise Fraction (MNF) og wavelet-transform. MNF-algoritmen har blitt kjørt med mange forskjellige støyestimatorer for å bestemme hvilke av disse som gir høye signal-støy-forhold. Å utføre støyestimatet i fourierrommet har også blitt undersøkt. Dette ga gode resultater når man benyttet fasedifferansen med nærliggende piksler som estimator for hyperspektrale bilder tatt under hvitt lys. Ble derimot kilden endret til en 355nm laserkilde fikk man langt dårligere resultater. Det er bare Haar-transformen som har blitt brukt til wavelet-transformasjon. Haar-transformen ga dårlig støydempning i både spektral retning og romlige retninger. Algoritmene PCA og MNF fungerer bra til støyreduksjon. I spektral retning er det liten forskjell mellom PCA og de ulike støyestimatene som er brukt under MNF. Ser man derimot på det romlige planet finner en større forskjeller mellom dem. Dette gjelder spesielt for spektralbånd med lav intensitet og mye støy. Her gir PCA bedre støydempning enn MNF. Støyreduksjonen ved PCA og MNF kommer som en direkte følge av å begrense antallet prinsipalkomponenter under tilbaketransformasjonen. Hvor grensen bør settes for hvilke prinsipalkomponenter som skal bevares, ble også vurdert. Når lyskildeforholdene for de hyperspektrale bildene blir sammenlignet er grensen valgt slik at 99,25% av det opprinnelige signalet blir bevart. Spekteret til hyperspektrale bilder tatt under hvitt lys har høy intensitet for lange bølgelengder, og lav intensitet ved korte bølgelengder. Endres derimot lyskilden til en 355nm laserkilde får man lav intensitet for lange bølgelengder og høy intensitet for korte.