基于经验模态分解的高光谱遥感数据去噪方法

作者：董士伟; 周子勇

来源：光谱实验室, 2010, (03): 940-944.

• 经验模态分解
• 固有模态函数
• 高光谱
• 去噪 Empirical Mode Decomposition
• Intrinsic Mode Function
• Hyperspectral
• De-Noising

经验模态分解(EMD)是一种新的时频分析方法,经EMD分解后的各个固有模态函数(IMF)突出了原始信号的局部特征,从而可以区分噪声和有用信号。基于此,结合高光谱遥感数据的光谱变化特征,提出了一种基于经验模态分解的高光谱遥感数据去噪方法。通过对理论数据的实验表明,数据中的噪声无论是高斯分布还是均匀分布,数据经EMD分解后,噪声都主要集中在前几个特定的IMF,对相应的IMF进行滤波处理后并与其他IMF分量进行重构就可得到去噪信号,与小波去噪结果相比较,这种方法效果更好。最后把该去噪方法应用于野外实测的油膜高光谱数据去噪,实验结果表明,该方法能准确、有效地去除高光谱遥感数据的噪声。

• 单位
  油气资源与探测国家重点实验室; 中国石油大学（北京）