本发明涉及遥感图像处理的，具体地说，涉及基于小波包分解和信息熵阈值函数的遥感图像去噪方法。
背景技术：
1、遥感图像是指利用航空器或者人造卫星等载体搭载的传感器对地球表面进行观测和记录所得到的图像，它是一种重要的地理信息资源，广泛应用于农业、林业、水利、气象、地质、环境、城市规划等领域。然而，由于传感器的噪声、大气散射、云雾遮挡等因素的影响，遥感图像通常会受到各种噪声的污染，导致图像的质量和可用性降低，因此，对遥感图像进行去噪处理是一项必要的工作。
2、目前，对遥感图像进行去噪处理的方法主要有空间域滤波法、频域滤波法、小波变换法、小波包变换法等。其中，小波包变换法是一种有效的多分辨率分析工具，它可以将图像分解为不同频率子带的小波包系数，从而实现对图像的细节和结构信息的分离。然而，小波包变换法的关键问题是如何选择合适的阈值对小波包系数进行去噪处理，如果阈值过大，会导致图像的细节和结构信息丢失，造成失真或模糊；如果阈值过小，会导致噪声成分未能完全去除，影响图像的清晰度。因此，如何根据不同频率子带的特性，确定一个合适的阈值，是小波包变换法的难点和关键。
3、为了解决上述问题，现有技术中提出了一些基于小波包分解的自适应阈值处理方法，比如基于最小均方误差准则的sure阈值法，基于最大后验概率准则的bayes阈值法，基于图像质量评价指标的psnr阈值法等。这些方法都试图根据不同子带的噪声水平和信号特征，计算出一个最优的阈值，以达到最佳的去噪效果。然而，这些方法也存在一些缺陷，比如计算复杂度高，对噪声分布的假设不准确，对图像质量评价指标的选择不合理等，导致阈值的计算不够准确或者不够灵敏，不能适应不同类型和不同程度的噪声。
4、因此，本发明的目的是提供一种基于小波包分解和信息熵阈值函数的遥感图像去噪方法，该方法可以有效地去除遥感图像中的各种噪声，提高图像的质量和可用性，同时保持图像的细节和结构信息，不会引起失真或模糊。
技术实现思路
1、为了实现上述目的，本发明采用以下技术方案。
2、基于小波包分解和信息熵阈值函数的遥感图像去噪方法，其特征在于，包括以下步骤。
3、（1）从数据库网站中选择并下载一些遥感图像，该遥感图像包含多个波段，每个波段有不同的分辨率。
4、（2）对下载的遥感图像的每个波段进行小波包分解，选用db4作为小波基函数，设定分解层数为4，得到一个小波包分解树和对应的小波包系数，其中小波包分解树的每个节点代表一个子带，每个子带的编号用数字表示。
5、（3）对小波包分解的系数进行信息熵阈值处理，根据每个子带的信息熵和长度，计算出一个自适应的阈值，然后对小波包系数进行软阈值处理，得到新的小波包系数，其中信息熵是反映信号复杂度和不确定性的指标，软阈值处理是一种去除噪声而保留信号的方法。
6、（4）对信息熵阈值处理后的小波包系数进行重构，得到去噪后的图像，其中重构是将不同频率子带的小波包系数合成为原始信号的过程。
7、（5）对去噪后的图像进行评估和分析，计算去噪后的图像和原始图像的峰值信噪比（psnr）和结构相似性指数（ssim），其中psnr是反映图像清晰度的指标，ssim是反映图像相似度的指标。
8、本发明的技术方案的技术特征和创造性如下。
9、在步骤（2）中，本发明选择db4作为小波基函数，4作为分解层数，这是因为db4是一种具有良好性能的小波基函数，它可以有效地分离图像的高频和低频成分，同时保持图像的边缘和纹理信息。4是一种适中的分解层数，它可以将图像分解为16个子带，分别对应不同的空间频率和方向，从而实现对图像的多尺度和多方向的分析，同时避免过多的分解导致的计算复杂度增加和信息损失。
10、在步骤（3）中，本发明使用信息熵阈值函数对小波包系数进行处理，这是因为信息熵是一种反映信号复杂度和不确定性的指标，它可以有效地区分信号成分和噪声成分，从而确定一个合适的阈值。本发明根据每个子带的信息熵和长度，计算出一个自适应的阈值，然后对小波包系数进行软阈值处理，这样可以去除噪声成分，同时保留信号成分，避免硬阈值处理导致的信号失真和假象产生。
11、在步骤（5）中，本发明使用psnr和ssim对去噪后的图像进行评估和分析，这是因为psnr和ssim是两种常用的图像质量评价指标，它们可以反映图像的清晰度和相似度。psnr是指去噪后的图像与原始图像的均方误差的倒数，它越大，说明去噪效果越好。ssim是指去噪后的图像与原始图像的结构相似性，它越接近1，说明去噪效果越好。
12、本发明的有益效果如下。
13、本发明可以有效地去除遥感图像中的噪声，提高图像的质量和可用性，同时保持图像的细节和结构信息，不会引起失真或模糊。本发明的方法适用于不同类型和不同程度的噪声，具有较强的适应性和灵活性。
14、本发明的方法简单易实现，计算效率高，不需要对噪声分布进行假设，也不需要选择图像质量评价指标。
1.基于小波包分解和信息熵阈值函数的遥感图像去噪方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的遥感图像去噪方法，其特征在于，所述数据库网站为copernicus open access hub，所述遥感图像为sentinel-2的遥感图像，该图像拍摄于2020年12月31日，覆盖中国广东省部分地区，包含13个波段，分辨率为10米或20米。
3.根据权利要求2所述的遥感图像去噪方法，其特征在于，所述信息熵e(j,k)和阈值t(j,k)的计算公式分别为：
4.根据权利要求3所述的遥感图片去噪方法，其特征在于，所述软阈值处理的公式为：
5.根据权利要求4所述的遥感图像去噪方法，其特征在于，所述小波包分解树为一个四层的二叉树，每个波段的小波包分解系数被分为16个子带，分别用a1,a2,…,a16表示，其中a1为近似子带，a2-a16为细节子带。
6.根据权利要求5所述的遥感图像去噪方法，其特征在于，所述评估和分析是使用matlab软件和工具箱实现的，所述psnr和ssim的计算代码为：
7.根据权利要求6所述的一种基于小波包分解和信息熵阈值函数的遥感图片去噪方法，其特征在于，所述的重构是指对每个波段的新的小波包系数进行逆小波包变换，得到去噪后的图片的每个波段，然后将所有波段合成为一幅去噪后的图像。
