حذف خطای راه راه شدگی تصاویر ابرطیفی در حوزه فرکانس با ترکیب تبدیل موجک و فوریه

یکی از مباحث مهم در پردازش تصاویر ابرطیفی، حذف و کاهش خطاهای رادیومتریکی این تصاویر می‌باشد. خطای راه راه شدگی تصاویر، یکی از این خطاها می‌باشد که در اغلب تصاویر سنجش از دوری مشاهده می‌شود. جهت حذف این خطاها، روش‌های مختلف آماری و فیلترینگ وجود دارد. در اغلب این روش‌ها، همراه با حذف خطای راه راه شدگی، بخش از اطلاعات مفید تصویر نیز حذف می‌شود. در تحقیق حاضر، جهت حذف خطای راه راه شدگی، از تلفیق الگوریتم موجک و فوریه استفاده می‌شود. ابتدا از تصویر تبدیل موجک گرفته شده و سپس فیلترینگ فوریه بر روی مولفه عمودی تبدیل موجک اعمال می‌گردد. تفسیر بصری و ارزیابی کمی نتایج بدست آمده نشان داد که روش پیشنهادی، خطای خطوط راه راه موجود بر تصویر را حذف نموده و در عین حال اطلاعات اصلی تصویر را ثابت نگه می‌دارد و علاوه بر آن برخلاف الگوریتم‌های آماری، به اطلاعات آماری پیکسل‌های همسایه نیاز ندارد.

Noise Destriping in Hyperspectral Imagery in Frequency Domain by Combination of Wavelet and Fourier Transform

Noise removing and radiometric correction is one of the challenging in Hyperspectral image processing. The one of these errors is striping which is presented in most of the remote sensing imagery. The destriping methods include statistical and filtering approaches. In the most of these algorithms, the structural information also removed after destriping. The presented method is combined waveletFFT filter in order to remove stripe artifact problem. In the first step, the original image is wavelet decomposed and subsequently, the bands containing the stripe information (vertical detail) are FFT transformed to remove the stripe errors. The visual assessments, as well as quantitative estimation of energy loss of the result show the capabilities and the performance of the purposed method in order to destriping. Also the result shows all structural features, which are different from stripes are optimally preserved and despite the statistical methods, the purposed algorithm doesn’t need the neighborhood information.