A hyper-spectral image can be corrupted by noise during the transmission process.
The noise does not have positive effect on the image, so it is essential to discard the
noise before performing analysis to improve the quality of an image. Noise removal
is among the important and challenging works for scientists and researchers in the
field of image processing. The main objective of noise removal is to enhance the
visual quality of the noisy using de-noising techniques. That is why researchers try to
discard the noise before they perform further analysis.
The main focus of the thesis is removing noise from hyper-spectral remote sensing
images. Image de-nosing helps us improve the quality of the image, so we are able to
analyze the image properly. In this thesis, we use 2D and 3D-DWT combined with
hard and soft thresholding for de-noising hyper-spectral images. De-noising based on
DWT introduces weakness such as lack of translation invariance. That is why; we
suggest using Un-decimated Wavelet Transform (UWT) which discards the
mentioned problem. Additionally, 2D and 3D-UWT with soft and hard thresholding
functions were used as part of the proposed de-noising techniques.
Finally we propose to use a new method for image de-noising in wavelet domain
based on applying a smooth nonlinear soft threshold function on Un-decimated
Wavelet Transform. This higher order threshold function is known as the improved
soft thresholding function. Here we combined this function with 2D and 3D-UWT.
Comparing the performance analysis between 2D-UWT and 3D-UWT using
improved soft threshold function shows that 3D version outperforms 2D in terms of
PSNR value and visual quality. This technique provides us with higher quality and
improvement in PSNR value in comparison with several other methods available for
de-noising. The proposed method achieves PSNR improvement by 2.12 dB for band
25 of Indian Pine, 1.29 dB for Cuprite Mining District image, 1.46 dB for Arizona
Mining and 1.17dB for Golf of Mexico over de-noising based on 3D-UWT with
standard soft thresholding technique.
Keywords: Hyperspectral image de-noising, wavelet transform, hard and soft
thresholding.
OZ:
Hiper-spektral bir görüntü, iletim işlemi sırasında gürültü ile bozulabilir. Gürültünün
görüntü üzerinde olumlu etkisi yoktur; bu nedenle, bir görüntünün kalitesini artırmak
için analiz gerçekleştirmeden önce gürültüyü atmanız önemlidir. Gürültü giderme,
görüntü işleme alanında bilimadamları ve araştırmacılar için önemli ve zorlu
çalışmalar arasındadır. Gürültünün ortadan kaldırılmasının asıl amacı, gürültü
azaltma teknikleri kullanarak gürültünün görsel kalitesini arttırmaktır. Genellikle,
araştırmacılar daha fazla analiz yapmadan önce gürültüyü atmaya çalışırlar.
Bu tezin ana odağı hiper-spektral uzaktan algılama görüntülerinden gelen gürültünün
giderilmesidir. İmge gürültü giderme işlemi görüntünün kalitesini artırmamıza ve
sonrasında görüntüleri doğru analiz edebilmemize yardımcı olur. Bu tezde, 2D ve
3D-DWT'yi, hiper-spektral görüntülerin gürültüsüzleştirilmesi için sert ve yumuşak
eşikleme işleminde birlikte edilerek kullanıyoruz. DWT'ye dayanan gürültü önleme,
kaydırma değişmezlik özelliğinin olmaması gibi zayıflıkları ortaya çıkarmaktadır. Bu
yüzden; bahsedilen problemi ortadan kaldıran kırımsız dalgacık dönüşümü (UWT)
kullanmayı öneriyoruz. Ayrıca, önerilen gürültü azaltma tekniklerinin bir parçası
olarak yumuşak ve sert eşikleme işlevlerine sahip 2D ve 3D-UWT kullanılmıştır.
Son olarak, kırımsız dalgacık dönüşümü (UWT) üzerinde pürüzsüz bir doğrusal
olmayan yumuşak eşik fonksiyonu uygulanmasına dayanan dalgacık alanında
görüntü sönümlemesi için yeni bir yöntem kullanmayı öneriyoruz. Bu yüksek
dereceden eşik fonksiyonu gelişmiş yumuşak eşik fonksiyonu olarak bilinir.
Geliştirilmiş yumuşak eşik fonksiyonunu kullanarak 2D-UWT ve 3D-UWT
arasındaki performans analizinin karşılaştırılması, 3D versiyonun PSNR değeri ve
görsel kalite bakımından 2D'den daha iyi performans gösterdiğini gösterir. Bu teknik,
gürültü azaltma için kullanılabilecek alternatif yöntemlerle karşılaştırıldığında,
PSNR değerinde daha yüksek kalite ve iyileşme sağlanmaktadır. Önerilen yöntem,
standart yumuşak eşikleme tekniği ile 3D-UWT'ye dayanan de-noising üzerinde
Indian Pine 25 bandı için 2.12 dB, Cuprite Madencilik Bölgesi görüntüsü için 1.29
dB, Arizona Madencilik için 1.46 dB ve Golf Golf için 1.17dB PSNR iyileştirmesine
ulaşmaktadır.
Anahtar Kelimeler: Hiperspektral gürültü çıkarımı, dalgacık dönüşümü, sert ve
yumuşak eşikleme.
