Kohinan poisto spektrikuvista pehmeillä morfologisilla suodattimilla

Tämän diplomityön tavoitteena oli tutkia kohinan poistoa spektrikuvista käyttäen pehmeitä morfologisia suodattimia. Työssä painotettiin impulssimaisen kohinan suodattamista. Suodattimien toimintaa arvioitiin numeerisesti keskimääräisen itseisarvovirheen, neliövirheen sekä signaali-kohinasuhteen avulla ja visuaalisesti tarkastelemalla suodatettuja kuvia sekä niiden yksittäisiä spektritasoja. Käytettyjä suodatusmenetelmiä olivat suodatus kuvapisteittäin spektrin suunnassa, suodatus koko spektrissä sekä kuutiomenetelmä ja komponenteittainen suodatus. Suodatettavat kuvat sisälsivät joko suola ja pippuri- tai bittivirhekohinaa. Parhaimmat suodatustulokset sekä numeeristen virhekriteerien että visuaalisen tarkastelun perusteella saatiin komponenteittaisella sekä kuvapisteittäisellä menetelmällä. Työssä käytetyt menetelmät on esitetty algoritmimuodossa. Suodatinalgoritmien toteutukset ja suodatuskokeet tehtiin Matlab-ohjelmistolla.

The purpose of this master’s thesis was to investigate noise reduction in multispectral images using soft morphological filters. The research involved removing impulsive noise. Filter performance was measured both quantitatively using mean absolute error, mean square error and signal-to-noise ratio and visually by observing filtered images and their individual spectra. Applied noise reduction methods included filtering individual pixels in the direction of their spectra, filtering in whole spectral space, three-dimensional cubic filtering and also two-dimensional componentwise filtering. The images to be filtered contained either salt and pepper or bit error noise. The best results were achieved with componentwise and individual pixel filtering according to both numerical and visual criteria. The noise reduction methods used have been presented in algorithmic form. The implementation and testing of the algorithms was done in Matlab environment.