摘要:卫星这个词对于我们来说并不陌生，我国已经发射了多枚卫星到太空，用于帮助人类探索太空的秘密，卫星能将太空中的影像、数据信息传输给地面，卫星遥感影像指记录各种地物电磁波大小的胶片或照片，主要分为航空像片和卫星相片。而卫星遥感影像在传输到地面之后形成的影像是不完整的，必须经过预处理，那么在卫星遥感影像预处理前会存在噪声，噪声的感染会对卫星遥感影像的分析产生一定的影响，因此，在卫星遥感影像预处理中必须将噪声去除，这也是本文研究的重点，仅供参考。
关键词:影像; 遥感; 预处理; 噪声
遥感影像在形成的过程中由于各种因素的影响会使得影像存在一定的畸变和失真，因为这些遥感影像在正式数据应用分析前都要进行处理，因此这一过程被称为预处理，一般来说卫星遥感影像的预处理阶段主要包括辐射校正、几何校正和噪声去除三部分。卫星遥感影像的噪声主要表现为周期性的偏移引起的噪声，而产生的原因在影像形成的各个环节，噪声的形成有时会直接影响到影像的质量。因此，卫星遥感影像预处理阶段必须将噪声去除。
一、由于周期性偏移引起的噪声
1.1整像素偏移
整像素发生周期性的偏移，每隔一定行整体像素就会发生数量固定的像素偏移，在影像图形中表现为出现一定的横线，因为是周期性的影响，所以整像素偏移有时发生，有时不发生。而对于周期性引起的整像素发生偏移，一般的处理方法是，根据卫星影像画面产生图形的影像来判断，是否发生整像素偏移，而判定的标准是在一段时间内检测特定位置的特定影像信息，遥感影像每个位置的数据信息都是一定的，具有其特定的数据信息，如果在特定位置数据信息没有发生变化的话，那么是不存在整像素偏移的情况的。如果存在整像素偏移，那么就要根据奇偶场位置的偏移程度进行适当的调整，奇数场向上偏移1行，偶数场向下偏移1行，那么就可以校正周期性发生的整像素偏移。
1.2字节错位现象
由于技术的发达，高科技信息技术已经深入到我们生活的方方面面，包括在卫星领域的应用，现代信息技术更能为遥感影像的处理与分析提供便捷，同时信息技术所采用的数据大多都是由字节字符形成的，如果在影像形成的过程中发生错误的话，可以快捷的找到发生错误的字节字符，从而进行改正。卫星遥感影像在向地面传输影像的过程都是靠数据信息形成的，而这些数据信息都是由一个个字节组成的，而在影像图形形成的过程中，由于各方面因素的影响，形成遥感影像的字节发生了错位，导致影响出现不清晰、图像出现条纹等现象。那么，对于字节错位的处理，首先要在影像中找到图像头，从图像头中找到字节错位的位置与数量，然后按正确的位置对错误的字节偏移进行调整，最终形成正确的影像。
二、空域滤波方法在周期性噪声去除中的应用
卫星遥感影像预处理中驱除噪声一般会应用空域滤波方法，针对不同的周期性噪声现象，采用不一样的空域滤波处理过程，那么，针对错行、带状噪声、条纹噪声的处理是如何应用空域滤波方法来处理呢？接下来，将针对这些内容进行讨论。
2.1影像错行现象
卫星遥感影像发生错行现象，一般是因为遥感影像在数据传输的过程中因为外界环境的干扰，在影像中产生了错行现象，具体表现为数据整行消失，进而造成错行现象。那么，应用空域滤波方法处理错行现象，一般是错行的那一行上下两行进行计算取平均值的计算结果作为错行那一行的数据值，或者是两侧正常两行的数据值来代替错行那一行的数据。
进行处理过后，对于两张影像可以看出来，错行现象明显减少。
2.2带状噪声的空域滤波方法
带状噪声产生的原因主要是因为TM16个传感器在扫描时所取的位置不同引起的，带状噪声形成的形状是大小不一、形状不一致的，产生带状噪声原因的不同，因而会形成不一样的形状，因此，可以通过带状噪声形成形状的不同来判断具体是哪一位置出现了差错，为噪声的消除提供了简单的思路。而对于带状噪声的处理，一般是采用计算公式来进行计算分析判断的，用F0表示原始图像，用F1表示沿行方向的平均值，用F2表示中间噪声影像，用F3表示最终噪声影像，用F4表示最终处理结果的影像，通过计算，那么就可以计算出最终带状噪声的位置。
2.3条纹噪声的空域滤波方法
产生条纹噪声的主要原因是相机CCD阵列的奇偶列采用不同的传输道路，而产生条纹噪声是因为奇偶列之间传输差异过大的原因导致的，影响了最终的视图效果和测图效果。条纹噪声是有规律性的，在不确定条纹噪声是在奇偶哪个列中产生时，那么就需要在局部空间范围内进行奇偶列的分离，然后对分离的影像进行图像调整，将整体的图像按照奇偶列分离开来，可以将产生噪声的区域进一步缩小范围，然后对直方图进行修改，使奇偶列的直方图趋于一致性，在调整到大体一致的情况下，然后再将奇偶列进行合并，对合并过后的影像再次进行滤波处理，在影像合并之前不可以采用计算公式计算结果，而在合并之后的影像要采用公式计算的方法最终得出结果。运用这种计算方式处理效果最好，保持影像条纹效果，进行对比之后，发现经过处理过后的影像更加清晰。
三、频域滤波方法
频域滤波方法也是处理噪声的一种方法，频域滤波方法与空域滤波处理方法都是采用计算公式进行计算分析的，频域滤波方法则是采用ERDAS实现频域滤波方法处理噪声。相比较于空域滤波方法，频域滤波方法消除噪声的效果较好，但是缺点在于计算量太大，计算过程太过复杂，需要做傅立叶正、逆变换，但是应用频域滤波方法还要进行人工干预，这在一定程度上限制了某些卫星的使用，对于遥感影像的处理具有局限性。但是在应用频域滤波方法前，可以清楚的看出来影像中含有大量的条纹噪声，但是利用频域滤波方法对影像进行处理过后，对两张图片进行对比，可以发现影像图片中的条纹已经基本消失，影像的清晰度得到了很大的提升。频域滤波方法由于其具有特殊性，因此在使用时会进行人工干预，那么整个处理过程就会给人工计算带来很大的工作量。我国目前的卫星遥感影像去除噪声所采用的技术已经基本上能实现了全自动化信息计算处理过程，只有个别卫星遥感影像需要利用频域滤波方法进行处理。
小结
卫星虽然是个耳熟能详的词汇，但是对于卫星的具体构造、应用领域，大多数人还是不太清楚的，只知道卫星发射到太空领域，可以帮助人们进一步探索太空的奥秘，那么，卫星所传输回来的影像将成为人们研究太空的第一手图像资料。但是由于周围环境的干扰，卫星遥感影像会出现一定的噪声，阻止研究人员分析卫星传回来的影像。因此，为了研究卫星遥感影像，必须对其产生的噪音进行消除，本文介绍了两种去除噪声的方法，即空域滤波方法和频域滤波方法，两种方法应用的前提不一样，但是从去除效果上来看，频域滤波方法处理的影像更加清晰，但是计算过程复杂。因此，在卫星应用的过程必须进行判断，判断其适用哪种计算方法。
参考文献:
[1]徐丽雯.黄河三角洲地区建筑物地面沉降量计算方法研究[D].中国科学院大学,2017.
[2]魏宇.基于HJ1A-HSI高光谱遥感影像的果园识别研究[D].山东农业大学,2018.
[3]郭月.基于SVM的高分图像自动分类算法研究与系统实现[D].河北科技大学,2017.
[4]刘同华.基于全色遥感影像的建筑物高度提取方法研究[D].长春理工大学,2017.