第30卷，第3期 2010年3月
光谱学与光谱分析 Spectroscopy and Spectral Analysis
Vol. 30, No, 3, pp644-648
March,2010
基于小波包变换和数学形态学结合的光谱去噪方法研究
李慧1,2,3，蔺启忠1.2，王钦军1,2，刘庆杰1,2，吴昀昭4
1，中国科学院对地观测与数字地球科学中心，北京100086
2，中国科学院数中地球科学重点实验室，北京100086 3.中国科学院研究生院，北京100049
4.南京大学地理与海洋科学学院，江苏南京210093
摘要对反射光谱数据进行去噪是提高光谱信息准确度的前提。传统时域平滑和赖域去噪方法存在诸多缺点，本文首次将广义形态滤波方法用于可见近红外光谱的去噪处理，并提出基于小波包变换和数学形念学结合的光谱去噪方法。使用USGS光谱库中的植被光谱进行实验，采用信噪比（SNR)、均方误差根(RMSE)、波形相似度(NCC)和平滑度(SR)四个指标米评估去噪效果。结果表明，小波包最佳基阀值法和广义形态滤波法都能较好地保持波形和平滑度，广义形态滤波法能较好地消除幅值较大的随机哚声，但其对连续随机噪声中幅值较小的噪声成分不能有效消除；面小波包最佳基阈值法不能有效消除幅值较大的噪声成分；二者结合的方法组合了这两者的优点，使得幅值较大、较小的噪声成分都能较好地消除，同时还提高了相似度和平滑度指标，充分表明小波包最佳基阔值与广义形态滤波结合的方法是一种更好的可见光近红外光谱去噪方法。
关键调可见光近红外光谱；去噪；广义形态滤波；小波包最佳基阅值
中图分类号：TP751.1 引言
文献标识码：A
DOl; 10. 3964/j. issn, 1000-0593(2010)03-0644-05
究也已经有很多。小波包变换是在小波变换的基础上由 Wickhauser等引人]，它对高频部分提供了精细的分解，具有优于小波变换的时频局部化能力，这使得小波包变换用于
可见光/近红外光谱在获取的过程中，由于光照、大气条件等环境背景因素和传感器材料及电阻热声、随机误差等仪器因素的影响，使得目标物光谱含有噪声、其至出现基线漂移。这些噪声大部分为随机白噪声。为提高光谱信息提取的准确度，需要对光谱数据进行以去噪为主的预处理，以消除或降低各种干扰因索的影响，增强光谱有效信息。
目前常用的光谱去噪方法包括邻近点比较法、移动平均法、九点加权移动平均法、指数平均法、五点二次平滑法、最小二乘平滑法等时域方法，以及傅里叶变换、小波变换等频域滤波方法3。时域平滑方法对去除高频噪声十分有效，但平滑会对谱形产牛影响。傅单叶变换将时、频两域截然分开，以信号的频率特性时不变和统计特性平稳为前提条件，对平稳信号去噪处理时效果较好，但对非平稳信号的去噪无能为力。小波变换具有时频分析的优势，其对非平稳信号的去噪具有无可比拟的优点。小波方法用于光谱信号去噪的研
收稿日期：2009-06-06，修订日期：2009-09-08
光谱去噪相对小波方法具有更好的应用前景4。
基于数学形态学原理构造的非线性形态滤波器基也是一种有效的去噪方法，因为具有算法简单、运算速度快的特点，已成功地用于逐感影像的消噪、压缩、分割、目标提取和边缘检测处理中，但术发现使用数学形态学进行光谱去噪的研究。本文首次将数学形态学方法引人到可见光近红外光谱去噪处理中，并提出了小波包最佳基阀值法与广义形态滤波法结合的光谱去噪方法。该方法集中了这两者各自的优
势，有望产生很好的去噪效果。 1方法
1.1小波包最佳基值法去噪
基于最优小波包基的信号消噪是小波包分析的一个最基本应用。根据小波包信号去噪步骤，本文按以下4步对可见
基金项目：国家"十一五"科技文撑重点项目（2006BAB07A02，2006BAB01A13，2006BAB07B07-01)与中国科学院创新项目（Kzcx2-yw-107）
联合资助
作者简介：李慧，女，1984年生，中国科学院对地观测与数字地球科学中心博上研究生万方数据
email; huil064@126, com