基于小波的同态滤波算法处理太阳耀斑图像

王鹏雅

摘  要：近年来对太阳耀斑的研究受到多数研究人员的青睐，但是在观测时由于受到云物的遮挡，拍到的耀斑图片需要经过一定的处理才能被用作研究。该文首先将太阳耀斑图片转换为可读格式，构建了基于小波的同态滤波处理模型，经过处理后的图像去云效果良好，而且可以较好地保证图像原有样貌。

关键词：同态滤波  db4小波基函数  图像重构  去云处理

中图分类号：TP391   文献标识码：A          文章编号：1672-3791（2019）05（b）-0206-03

1  同态滤波法的原理

將太阳耀斑图像经过傅里叶变换变得到其频域，挑选需要的滤波器进行提取薄云集中的低频部分，然后利用滤波器对其设置截止频率，将云层剔除，将得到的频率域增强背景，最后通过傅里叶反变换将图像还原回至空间域，得到去除薄云的图像[1]。

选用高斯高通滤波器截止频率D=50时得到图1。

由图1可以比较明显地看出，只做同态滤波处理会产生较为明显的边界效应，上图（b）中太阳的边界亮度有明显的变高，并且在逐渐变白，十分影响对图像的判读。因此下面采用基于小波的同态滤波法进一步对图像进行去云处理。

2  基于小波的同态滤波法

2.1 原理

小波变换和傅里叶变换比，小波变换的优势在于，它可以更加深入地去了解图像的空间域以及频域的各种特性，它还有空间域以及频率域的“变焦距”特性，能够把图像根据其不同的分辨率、频率和方向特性等分成一系列的子带信号，同时还可以提供数据在任意的时间域以及频率域的局部化特性[2]。其方法步骤如下。

2.2 分界层的选择

分界层n的选取将直接影响图像的最终处理效果。若n选择的太小，会使所处理图像的一些信息被误分至高层细节系数中，从而会使最后得到的图像中失去原本图像中的多数地物信息;但若n选取的太大，同样低层细节系数中会保存原本图像中一些薄云信息，从而致使图像的去云效果不佳[3]。保证去云效果同时不丢失其中有用信息，可通过多次选取，观察分界层数n选择的是否合适，从而最终确定n的值。图3所示为小波分解层数与云信息的关系。

图3是对源图像进行13层小波分解后选取分界层数n=6时得到的图像。通过选取不同的n值发现，当n为6时去云效果良好，因而选定n=6。

2.3 基于小波的同态滤波法算法流程

改进后算法流程图如图4所示。

2.4 实验效果图

利用基于小波的同态滤波法对太阳耀斑图像进行去云处理，得到去云效果图如图5所示。

通过图5的图像对比可看出，基于小波的同态滤波法有较好的去云效果，可将源图中大部分的薄云信息去除，更有利于观察。

3  结果分析

采用均值、标准差、熵等指标将原图图像与去云后的图像进行比较。具体指标如表1所示。

表1中图像的均值表示的是所处理图像的亮度，即均值大亮度高，源图中由于存在薄云信息，将亮度提高，而对其进行去云处理后均值自然有所变小。图像的标准差可以表征图像信息量的多少，对比源图和处理后的可看出标准值有所上升，即包含更多细节[5]。从表1中可看出，经过去云处理后的图像分辨率变高，图中细节也显现出来。

4  结论

（1）同态滤波法能较好地去除薄云信息，但其会产生较为明显的边界效应，边缘变白，易误滤除低频其他信息从而使源图中的有用信息缺失，不利于观察。

（2）基于小波的同态滤波算法处理后的太阳耀斑图像可以较好地去除云雾信息，并保留原有的有用信息，原有细节不会损失。

（3）基于小波的同态滤波算法不仅可以处理为观察太阳耀斑而进行去云处理的图像，同样适用于任何遥感影像的去云处理。

参考文献

[1] 张新明，沈兰荪.基于小波的同态滤波器用于图像对比度增强[J].电子学报，2001（4）：531-533.

[2] 曹爽.高分辨率遥感影像去云方法研究[D].河海大学，2006.

[3] 张伟.基于小波变换的遥感图像去云方法研究[D].电子科技大学，2013.

[4] 李刚，杨武年，翁韬.一种基于同态滤波的遥感图像薄云去除算法[J].测绘科学，2007（3）：47-48，193.

[5] 杨安洪.光学遥感影像云雾处理方法研究[D].解放军信息工程大学，2010.