ادغام روش‌هاي طيفي موجك و مكاني نوسانات كلي به‌منظور كاهش نويز در تصاوير ابرطيفي

تصاوير ابرطيفي به‌عنوان يك منبع مفيد اطلاعاتي، كاربردهاي مختلفي را در حوزه هاي مختلف ازجمله شناسايي اهداف، طبقه‌بندي، آشكارسازي تغييرات، شناسايي آنامولي در محيط‌هاي شهري و غيرشهري ارائه مي‌كنند. نويز به‌عنوان يك بخش اجتناب‌ناپذير از يك سيگنال است كه باعث محدوديت استفاده از اين تصاوير در برخي از كاربردها مي شود. حذف اثر نويز در تصاوير ابرطيفي يكي از مهم‌ترين مراحل پيش‌پردازشي اين تصاوير است. بدين منظور، جهت حذف نويز تصاوير ابرطيفي، داده‌ها نياز به پيش‌پردازش دارند تا از تأثير آن در تصاوير ابرطيفي كاسته شود. ابعاد بالاي اين تصاوير در مقايسه با تصاوير چندطيفي سنجش‌ازدوري، امكان پردازش و تحليل اين داده را پيچيده‌تر مي‌كند. مكعب تصاوير ابرطيفي داراي سه بعد مي‌باشند كه بعد اول و دوم آن مربوط به حيطه مكاني و بعد سوم آن مربوط حيطه طيفي كه شامل چند صد باند است. اغلب روش‌هاي حذف نويز در حيطه طيفي عمل مي‌كنند در‌حالي‌كه در اين مقاله روشي نوين به‌منظور كاهش نويز تصاوير ابرطيفي ارائه‌شده است. اين روش در دو حيطه مكاني و طيفي، از دو الگوريتم مجزا بر روي دو تصوير متفاوت ابرطيفي استفاده مي‌كند. اين تصاوير شامل تصوير ماهواره اي سنجنده هايپريون و تصوير سنجنده هوابرد اويريس است. به‌منظور كاهش نويز در حيطه مكاني از الگوريتم نوسانات كلي و در حيطه طيفي از الگوريتم موجك استفاده مي‌شود. پس از پياده‌سازي اين روشها، نتايج در سطح پيكسل به‌صورت وزن‌دار ادغام شدند. جهت ارزيابي كارايي روش پيشنهادي، نتايج به دو صورت كمي و كيفي با ساير الگوريتم‌ها مقايسه شد. به‌منظور ارزيابي نتايج كمي از شاخص‌هاي متفاوتي استفاده شد كه نتايج به‌دست‌آمده، دقت بالاي روش پيشنهادي را نسبت به ساير روش‌ها نشان مي‌دهد به‌طوري‌كه عدد شاخص CEI براي داده سنجنده هايپريون 1.421 و براي داده اويريس 0.0022 است، علاوه بر آن شاخص PSNR براي داده‌ هايپريون 33.519 و براي داده اويريس 22.371 است.