王鵬雅

摘 ?要：近年來對太陽耀斑的研究受到多數(shù)研究人員的青睞，但是在觀測時由于受到云物的遮擋，拍到的耀斑圖片需要經(jīng)過一定的處理才能被用作研究。該文首先將太陽耀斑圖片轉(zhuǎn)換為可讀格式，構(gòu)建了基于小波的同態(tài)濾波處理模型，經(jīng)過處理后的圖像去云效果良好，而且可以較好地保證圖像原有樣貌。

關(guān)鍵詞：同態(tài)濾波 ?db4小波基函數(shù) ?圖像重構(gòu) ?去云處理

中圖分類號：TP391 ? 文獻標識碼：A ? ? ? ? ?文章編號：1672-3791（2019）05（b）-0206-03

1 ?同態(tài)濾波法的原理

將太陽耀斑圖像經(jīng)過傅里葉變換變得到其頻域，挑選需要的濾波器進行提取薄云集中的低頻部分，然后利用濾波器對其設(shè)置截止頻率，將云層剔除，將得到的頻率域增強背景，最后通過傅里葉反變換將圖像還原回至空間域，得到去除薄云的圖像[1]。

選用高斯高通濾波器截止頻率D=50時得到圖1。

由圖1可以比較明顯地看出，只做同態(tài)濾波處理會產(chǎn)生較為明顯的邊界效應(yīng)，上圖（b）中太陽的邊界亮度有明顯的變高，并且在逐漸變白，十分影響對圖像的判讀。因此下面采用基于小波的同態(tài)濾波法進一步對圖像進行去云處理。

2 ?基于小波的同態(tài)濾波法

2.1 原理

小波變換和傅里葉變換比，小波變換的優(yōu)勢在于，它可以更加深入地去了解圖像的空間域以及頻域的各種特性，它還有空間域以及頻率域的“變焦距”特性，能夠把圖像根據(jù)其不同的分辨率、頻率和方向特性等分成一系列的子帶信號，同時還可以提供數(shù)據(jù)在任意的時間域以及頻率域的局部化特性[2]。其方法步驟如下。

2.2 分界層的選擇

分界層n的選取將直接影響圖像的最終處理效果。若n選擇的太小，會使所處理圖像的一些信息被誤分至高層細節(jié)系數(shù)中，從而會使最后得到的圖像中失去原本圖像中的多數(shù)地物信息;但若n選取的太大，同樣低層細節(jié)系數(shù)中會保存原本圖像中一些薄云信息，從而致使圖像的去云效果不佳[3]。保證去云效果同時不丟失其中有用信息，可通過多次選取，觀察分界層數(shù)n選擇的是否合適，從而最終確定n的值。圖3所示為小波分解層數(shù)與云信息的關(guān)系。

圖3是對源圖像進行13層小波分解后選取分界層數(shù)n=6時得到的圖像。通過選取不同的n值發(fā)現(xiàn)，當n為6時去云效果良好，因而選定n=6。

2.3 基于小波的同態(tài)濾波法算法流程

改進后算法流程圖如圖4所示。

2.4 實驗效果圖

利用基于小波的同態(tài)濾波法對太陽耀斑圖像進行去云處理，得到去云效果圖如圖5所示。

通過圖5的圖像對比可看出，基于小波的同態(tài)濾波法有較好的去云效果，可將源圖中大部分的薄云信息去除，更有利于觀察。

3 ?結(jié)果分析

采用均值、標準差、熵等指標將原圖圖像與去云后的圖像進行比較。具體指標如表1所示。

表1中圖像的均值表示的是所處理圖像的亮度，即均值大亮度高，源圖中由于存在薄云信息，將亮度提高，而對其進行去云處理后均值自然有所變小。圖像的標準差可以表征圖像信息量的多少，對比源圖和處理后的可看出標準值有所上升，即包含更多細節(jié)[5]。從表1中可看出，經(jīng)過去云處理后的圖像分辨率變高，圖中細節(jié)也顯現(xiàn)出來。

4 ?結(jié)論

（1）同態(tài)濾波法能較好地去除薄云信息，但其會產(chǎn)生較為明顯的邊界效應(yīng)，邊緣變白，易誤濾除低頻其他信息從而使源圖中的有用信息缺失，不利于觀察。

（2）基于小波的同態(tài)濾波算法處理后的太陽耀斑圖像可以較好地去除云霧信息，并保留原有的有用信息，原有細節(jié)不會損失。

（3）基于小波的同態(tài)濾波算法不僅可以處理為觀察太陽耀斑而進行去云處理的圖像，同樣適用于任何遙感影像的去云處理。

參考文獻

[1] 張新明，沈蘭蓀.基于小波的同態(tài)濾波器用于圖像對比度增強[J].電子學(xué)報，2001（4）：531-533.

[2] 曹爽.高分辨率遙感影像去云方法研究[D].河海大學(xué)，2006.

[3] 張偉.基于小波變換的遙感圖像去云方法研究[D].電子科技大學(xué)，2013.

[4] 李剛，楊武年，翁韜.一種基于同態(tài)濾波的遙感圖像薄云去除算法[J].測繪科學(xué)，2007（3）：47-48，193.

[5] 楊安洪.光學(xué)遙感影像云霧處理方法研究[D].解放軍信息工程大學(xué)，2010.