摘 要

在传感器传输岩心高光谱数据的过程中，会受到环境因素、机器内在因素、人为因素等的影响，使得某些噪声掺杂在信号中。如果这些噪声存留在岩心高光谱数据中，将径直的影响后续的岩心高光谱图像的质量，因此对岩心高光谱数据进行去噪处理是一项义不容辞的工作。本文借助ENVI软件对岩心高光谱数据ZK7-28-4-S-7.5-18.5-1-ref进行主成分分析的去噪实验和最小噪声分析变换的去噪实验，借助MATLAB软件进行小波分析的去噪实验。对这三种去噪方法的实验结果进行了分析、对比以及客观、主观评价后，得出了小波分析的去噪方法最适合岩心高光谱数据“ZK7-28-4-S-7.5-18.5-1-ref”这一结论。

关键词：岩心高光谱数据；噪声；主成分分析；最小噪声分离变换；小波分析

Abstract

In the process of transmitting core hyperspectral data by the sensor, some noise will be doped in the signal due to the influence of environmental factors, internal factors of the machine and human factors.The presence of these noises will directly affect the quality of subsequent hyperspectral images, so it is an obligatory task to de-noising the core hyperspectral data. In this paper, the denoising experiment of principal component analysis and minimum noise analysis transformation of core hyperspectral data zk7-28-4-s-7.5-18.5-1-ref was carried out with the help of ENVI software, and the denoising experiment of wavelet analysis was carried out with the help of MATLAB software.By comparing, analyzing and evaluating the experimental results of the three methods, it is concluded that the denoising method of wavelet analysis is the most suitable for core hyperspectral data “zk7-28-4-s-7.5-18.5-1-ref”.

Key Words： Core hyperspectral data；Noise；Principal component analysis；Minimum noise separation transformation；The wavelet analysis

目 录

第1章 绪论 1

1.1 研究背景 1

1.1.1 岩心高光谱数据的特征 1

1.2 研究目的及意义 2

1.2.1高光谱噪声的主要类型 2

1.2.2 高光谱去噪方法研究现状 3

1.3 研究内容 4

1.4 研究数据 4

1.5 本文的组织结构 4

第2章 基于PCA的去噪方法 5

2.1 主成分分析的理论知识 5

2.1.1 主成分分析的基本原理 5

2.1.2 基于PCA去噪的实验步骤 5

2.2 实验结果 11

第3章 基于MNF的去噪方法 12

3.1 最小噪声分离变换的理论知识 12

3.1.1 最小噪声分离变换的基本原理 12

3.1.2 最小噪声分离变换的实验步骤 13

3.2 实验结果 17

第4章 基于小波变换的去噪方法 18

4.1 小波变换的理论知识 18

4.1.1 小波变换的基本原理 18

4.1.2 小波变换的步骤 18

4.2选用合适的小波基函数和小波分解层 18

4.2.1小波基函数 18

4.2.2 小波分解层的选择 20

4.3 阈值处理函数和阈值的选取 20

4.3.1 阈值处理函数的选取 20

4.3.2阈值的选取 22

4.4 实验结果 23

第5章 结果分析与评价 24

5.1 客观评价指标 24

5.1.1 均方误差（MSE） 24

5.1.2 信噪比（SNR） 24

5.1.3 峰值信噪比（PSNR） 24

5.1.4 结构相似性（SSIM） 25

5.2 主观评价标准 25

5.3 三种去噪方法的结果对比与评价 25

5.4 结果分析 29

5.4.1 岩心高光谱数据的噪声类型 29

5.4.2 得出结论 30

第6章 总结与展望 31

6.1 本文主要工作的总结 31

6.2 未来的展望 31

致谢 32

参考文献 33

2. 绪论

1.1 研究背景

高光谱遥感，是指在利用机载或是星载的传感器获得地表辐射后，会得到地面上物体或场景的信息，从而产生高光谱图像。^[1]如图1.1所示，高光谱影像数据就像是一个立方体，它有三个维度，分别是空间维、时间维、光谱维，高光谱数据其实就是二维空间图像和连续的光谱曲线构成的。波段数目众多和光谱分辨率极高是高光谱影像的两个显著特点，它不仅可以反映地物的空间分布，还能够提供地物的光谱特性，为各类地物的准确探测和分类提供了依据，因此近年来高光谱遥感在相关领域中发挥着越来越重要的作用。^[2]

图1.1 高光谱影像数据示意图

岩心高光谱遥感是高光谱遥感中具有重要地位的领域。岩心是研究深部地质环境的重要载体。^[3]利用成像光谱仪获取的岩心高光谱数据，要对其进行辐射校正、反射率计算、光谱噪声去除等预处理后，才能应用到后续的处理中。数据预处理中的噪声去除这一步骤尤为重要，因为噪声的存在，不仅会极大的降低高光谱影像的质量，还会给高光谱影像后续的处理带来较大的影响。目前共有两种高光谱噪声去除的方式：一种是改进成像光谱仪，这种方式不仅复杂而且价格昂贵，一般不采用；另一种是根据高光谱影像的数据和噪声的特点，设计相应的去噪算法，这是目前采用最多的方式。由于高光谱影像的噪声类型复杂多样，高光谱影像去噪成为了一项极具挑战性的任务。所以，研究出能够最大程度保持高光谱影像原始信息的去噪算法具有非常重大的现实意义。

1.1.1 岩心高光谱数据的特征