Kohinan poisto spektrikuvista epälineaaristen suodattimien avulla

Tietokoneiden vuosi vuodelta kasvanut prosessointikyky mahdollistaa spektrikuvien hyö- dyntämisen harmaasävy- ja RGB-värikuvien sijaan yhä useampien ongelmien ratkaisemi- sessa. Valitettavasti häiriöiden suodatuksen tutkimus on jäänyt jälkeen tästä kehityksestä. Useimmat menetelmät on testattu vain harmaasävy- tai RGB-värikuvien yhteydessä, mut- ta niiden toimivuutta ei ole testattu spektrikuvien suhteen. Tässä diplomityössä tutkitaan erilaisia menetelmiä bittivirheiden poistamisessa spektrikuvista. Uutena menetelmänä työssä käytetään kuutiomediaanisuodatinta ja monivaiheista kuutio- mediaanisuodatinta. Muita tutkittuja menetelmiä olivat vektorimediaanisuodatus, moni- vaiheinen vektorimediaanisuodatus, sekä rajattu keskiarvosuodatus. Kuutiosuodattimilla pyrittiin hyödyntämään spektrikuvien kaistojen välillä olevaa korrelaatiota ja niillä pääs- tiinkin kokonaisuuden kannalta parhaisiin tuloksiin. Kaikkien suodattimien toimintaa tutkittiin kahdella eri 224 komponenttisella spektriku- valla lisäämällä kuviin satunnaisia bittivirheitä.

Evergrowing computer power has made it possible to utilize spectral images in many problems that were previously unsolvable by using gray level images and RGB-images. Unfortunately research of noise removal in specral images is dragging behind this progress. Most of the noise removal methodes have only been tested with gray level images or RGBimages. In this work some of methods are tested with spectral images and a couple of new methodes are introduced. New methodes were cubic median filter and multistage cubic median filter. Other methodes that were used are vector median filter, multistage vector median filter and trimmed mean filter. The cubic filters try to benefit from the knowledge that in spectral images the bands correlate strongly. Best results were gained by using the cubic filters. Every filter was tested with two different spectral images that had 224 bands. The images were corrupted with random bit errors.