一种新的遥感影像去噪方法
卫星遥感技术的使用方法
卫星遥感技术的使用方法卫星遥感技术是一种通过卫星获取地球表面信息的技术，它广泛应用于地理研究、环境保护、农业监测、城市规划等领域。
本文将介绍卫星遥感技术的使用方法，包括数据获取、数据处理和数据分析等方面。
首先，卫星遥感技术的使用需要获取卫星数据。
目前，全球各国都有自己的卫星系统，并提供公开的卫星数据。
使用者可以通过互联网或卫星数据分发机构获取所需的卫星数据。
数据的获取通常需要付费，并且会根据数据类型、分辨率和时间等因素有所不同。
使用者可以根据自己的需求选择适合的卫星数据。
获取到卫星数据后，下一步是进行数据处理。
卫星遥感数据通常以影像的形式存在，使用者需要将影像数据转化为图像文件，并进行校正和预处理。
校正过程包括校正影像的几何和辐射畸变，以确保数据的准确性和一致性。
预处理则包括影像的去噪、增强和重采样等步骤，以提高数据的质量和适用性。
完成数据处理后，就可以进行数据分析和应用了。
卫星遥感数据可以提供地表各项指标的信息，如植被覆盖度、土地利用类型、温度分布等。
通过对这些指标的分析，可以进行环境监测、资源管理和灾害评估等工作。
例如，农业专家可以利用卫星遥感数据来监测农田的植被状况，预测农作物的生长和收成情况。
城市规划师可以利用卫星遥感数据来分析城市的土地利用和扩张趋势，为城市的规划和发展提供参考依据。
除了数据分析，卫星遥感技术还可以结合地理信息系统（GIS）进行空间分析。
GIS是一种用于存储、管理和分析地理数据的系统，它可以与卫星遥感数据进行集成，提供更加综合和全面的分析结果。
例如，用户可以将卫星遥感数据和地图数据结合起来，绘制出各项指标的空间分布图，以便更直观地理解地理现象和趋势。
在使用卫星遥感技术时，还需要注意一些使用方法和技巧。
首先，选择合适的卫星数据和图像类型非常重要，不同的卫星和波段能提供不同的信息。
同时，对于不同的研究对象和问题，需要选择适当的数据处理和分析方法。
另外，数据的准确性和精度也是需要关注的问题，使用者应该了解数据的标定和校准方法，以确保分析结果的可靠性。
遥感图像分析的基本原理与方法
遥感图像分析的基本原理与方法遥感图像分析是一种通过获取和解释地球表面的图像数据来研究地理现象和环境变化的方法。
它利用遥感技术获取的图像数据进行数据处理和分析，以揭示地球的表面特征、变化和趋势。
本文将介绍遥感图像分析的基本原理和方法，并探讨其在地质、环境和农业等领域的应用。
一、遥感图像分析的基本原理遥感图像分析依赖于传感器获取的电磁辐射数据。
电磁辐射是能量在电磁波形式下传播的过程，其波长范围从长波到短波，包括可见光、红外线和微波等。
传感器可以通过不同波段的响应来获取不同的辐射数据，从而得到不同频谱范围内的图像数据。
在遥感图像中，每个像素代表一块地表区域的平均辐射量。
图像数据可以由数字矩阵表示，其中每个像素的灰度值或颜色值表示该区域的辐射强度或反射率。
通过对这些数据进行处理和分析，可以获得地表特征的信息。
二、遥感图像分析的方法1. 预处理遥感图像预处理是为了去除图像中的噪声、增强特征和调整图像的对比度等。
常见的预处理步骤包括去噪、辐射校正、大气校正和几何校正等。
这些步骤可以提高图像质量并准确反映地表特征。
2. 特征提取特征提取是指从遥感图像中提取有用的地物信息。
可以根据图像的灰度、色彩、纹理和形状等特征来区分不同的地物类型。
常用的特征提取方法包括直方图均衡化、主成分分析、变化检测和物体识别等。
3. 分类与识别遥感图像分类是将图像中的像素按照其地物类型划分为不同的类别。
分类可以基于监督或无监督方法进行。
其中，监督分类依赖于训练样本和分类器，而无监督分类则是通过数据的统计分布和聚类分析进行分类。
4. 变化检测变化检测是利用多期遥感图像比较分析同一地区在不同时间的变化情况。
通过对像素之间的差异进行检测和分析，可以揭示地表的变化趋势和时空模式。
变化检测在环境监测、城市规划和资源管理等领域具有重要应用价值。
三、遥感图像分析的应用1. 地质勘探遥感图像分析可以帮助地质学家在不同尺度上研究地球表面的地质结构和岩矿成分。
一种适用于珞珈一号夜间灯光影像的去噪方法
第36卷第2期2021年4月遥感信息R e m o te S ensing In fo rm a tio nV o l.36，N o.2A p r. ,2021一种适用于珞珈一号夜间灯光影像的去噪方法王美玲，张和生(太原理工大学，太原030024)摘要：针对珞珈一号夜间灯光影像存在大量背景噪声和异高值的问题，提出一种掩膜和局部中值滤波相结合的去噪方法。
首先，以去噪后同时期的N P P/V IIR S月均影像为掩膜数据，剔除珞珈一号平均影像残留的背景噪声；然后，计算每个栅格的8邻域标准差（standarddevmtioi^STD)并进行分级统计，确定以S T D大于25 000为边界提取异高值栅格，对这部分栅格进行中值滤波，把异高值降低到正常值范围。
通过统计发现，该去噪方法减少的灯光辐射栅格主要分布在林地、耕地和草地，影像辐射最大值由6 034. 920下降到900. 599,辐射总值的减少量仅占原辐射总值的6. 9%，并且去噪后的影像与G D P和常住人口数据的相关性均有提升。
研究结果表明，该去噪方法能够在尽可能保留原始数据信息的同时有效去除珞珈一号夜间灯光影像大量存在的背景噪声和异高值。
关键词：珞珈一号；夜间灯光影像；背景噪声；异高值；局部中值滤波doi：10. 3969/j.issn. 1000-3177. 2021. 02. 017中图分类号：T T P75 文献标志码：A文章编号=1000-3177(2021)02-0114-06A Denoising Method for Night Light Image of Luojia-1WANG Meiling,ZHANG Hesheng{Taiyuan University of Technology^T aiyuan 030024, C hina)A b stra c t:A denoising method combining mask and local median liltering is proposed to solve the problem of large background noise and abnormally high values ln the nighttime light image of Luojia-1 satellite. The proposed method monthly average NPP/VIIRS images of the same period after denoising as the mask data to eliminate the residual backgroundnoise of the average NPP-VIIRS nighttime light images. Based on the calculation and grading statistics of the eigh--neighborhood standard deviation(STD)of e ach grid,the grids with abnormally high values are extracted with the STD greaterthan 25 000 as the boundary condition,and median liltering is performed on these grids to reduce the abnormally high values normal range. The results show that the light radiation grids reduced by the proposed method are mainly distributed woodland,arable land and grassland. Specilically,the maximum image radiation value drops from 6034. 920 to 900. 599 ,and thereduction in the total radiation value is only 6. 9% of its original value. Furthermore, the correlations between GDP，residentpopulation data and the denoised image have been improved. It s suggested that the proposed method has a good effect onoptimizing the nightdme light images of Luojia-1 m terms of the extensive background noises and abnormally high values whileretaining the original data information.K e y w o r d s：Luojia-1;night light image;background noise;abnormally high value;local median liltern m i镇灯光、渔船灯光、火点等可见光辐射源，这些夜间0 引言无云条件下获取的地球可见光的影像即为夜光遥感当夜间的天空无云时，遥感卫星能够捕捉到城影像[1]。
遥感影像去云方法
遥感影像去除云一．去除云层的方法同态滤波法，小波变换，非监督分类四．遥感影像去除云的具体实施方案1. 显示原图像lainer.img2. 对lainer.img进行同态滤波得到lainer-homomorphic影像同态滤波是运用照度和反射率模型对遥感图像进行滤波处理，常常应用于揭示阴影区域的细节特征。
该方法的基本原理是：减少低频，增加高频，从而锐化图像边缘或细节特征的图像增强方法,一幅影像f(x,y)能被表达成照度分量和反射分量两部分的乘积：f(x,y)=i(x,y)*r(x,y)式中i(x,y) 为照度分量，r(x,y) 为反射分量。
3. 对图像lanier.img进行傅立叶变换傅里叶变换图像就是把输入的空间域彩色图像转换成频率域，把RGB彩色图像转换成一系列不同频率的二维正弦波傅里叶图像（*.fft）。
4. 低通滤波：消弱图像的高频组分，而让低频组分通过，是图像更加平滑，柔和。
操作如下所示：5.对lainer-homomorphic影像进行非监督分类非监督分类的过程及结果如下所示：6．去除云层处理一幅图像的照度分量通常表现为空间域的慢变化为特征，而反射分量往往引起突变，特别是在不同物体的连接部分，这些特征导致图像对数的傅里叶变换的低频部分与照射分量相联系，而高频部分与反射分量相联系在一起。
在图像处理过程中我们可以将云雾信息作为照射分量来处理，通过使用同态滤波器减少低频的贡献，而增加高频的贡献来达到云雾去除的效果，其处理流程如下图所示：F(x,y)→LN→FFT→H(x,y)→∮FFT→exp→u(x,y)经过同态滤波的方法去除lainer-homomorphic影像的云层遮盖的结果如下所示：五．结果评价及分析ERDAS MAGNE遥感图像处理系统，在遥感图像处理上，提供了傅里叶变换，傅里叶逆变换以及傅里叶变换编译器等功能，为实现较好的去云效果，利用同态滤波云雾去除的模型对图像进行处理。
经处理，有云雾的遥感图像得到了不同程度的去除，图像模糊程度轻，噪声滤除的效果较好。
遥感影像的解译方法和处理流程
遥感影像的解译方法和处理流程遥感技术是指利用卫星、航空器等探测装置获取地球表面特征信息的一种手段。
遥感影像的解译方法和处理流程对于地质勘探、农业、城市规划等领域都具有重要的应用价值。
本文将探讨遥感影像的解译方法和处理流程，并探讨其在环境保护、灾害监测等方面的应用。
一、解译方法1.目视解译法目视解译法是最早也是最常用的遥感影像解译方法之一。
通过肉眼观察遥感影像的色彩和纹理等特征来识别地物。
对于经验丰富的解译员来说，目视解译法可以得出较为准确的解译结果。
然而，由于人眼的主观因素和解译员的经验水平不同，目视解译法存在一定的主观性和局限性。
2.计算机辅助解译法计算机辅助解译法是指利用计算机软件对遥感影像进行处理和分析。
通过图像处理、分类、目标检测等技术，可以快速、准确地提取和识别地物。
计算机辅助解译法具有时间效率高、结果可重复性好等优点，使得遥感影像的解译工作更为高效和精确。
二、处理流程1.遥感影像预处理遥感影像预处理是将原始的遥感影像数据进行校正、去噪和增强等处理，以提高图像质量和准确性。
常用的遥感影像预处理方法包括辐射校正（校正影像的亮度和对比度）、大气校正（去除大气光对影像的影响）、几何校正（纠正图像的畸变和扭曲）、噪声去除和影像增强等。
2.遥感影像分类遥感影像分类是指将遥感影像的像素根据其反射率、纹理和几何结构等特征进行分类，以获得各类地物或地物类型的分布和面积信息。
常用的遥感影像分类方法包括基于阈值的分类、基于规则的分类、基于统计学的分类和基于机器学习的分类等。
其中，基于机器学习的分类方法由于其较好的准确性和泛化能力，成为当前遥感影像分类的主流方法。
3.遥感影像解译遥感影像解译是指根据已经分类好的遥感影像，对不同地物进行解译，以获得地物的具体信息和分布。
遥感影像解译可以通过目视解译、计算机辅助解译和专家解译等方法进行。
同时，遥感影像解译还可以结合地面调查和其他信息，以提高解译的准确性和可靠性。
基于小波的遥感影像薄云去除方法
（ ２ ）
（ ３ ）
对式（ ２ ） 中的 ｌ ｎ ｆ （ ｘ ， Ｙ ） 进行 小波 变换 ， 得到： 上式 中 ， Ｆ， ， ， 分 别 对应 含 云 影 像 ， 入 射 函 数 和 反 射 率 函数 的频 域 分 量 。反 射 率 描 述 了影 像 的 细
行去 噪 处理 ： ① 使用 Ｄ Ｂ系列和 Ｓ Ｙ Ｍ 系列小 波基对含 有 薄 云的遥 感影像 进行 小波 变换 去噪 ， 对 比发
现使 用 ｄ ｂ ５小波母 函数得 到 的去噪 效 果最佳 。② 使 用 Ｂ ｒ ｉ ｄ ｇ ｅ— Ｍａ ｓ ｓ ａ ｒ ｔ 阈值 降噪模 型 对含 有 薄 云的
９ １ ０ ２ ５ ０ １ ０ ） ； ３ 、 国 家 科 技 支 撑计 划 资 助 ： 气 候 变 化 对 沙 漠 化 影 响 与 风
遥 感影像 薄 云去 除方 法 ， 与 小波 变换 法去 除遥 感影 像 薄云 的结 果 比较 ， 本 方法得 到 的结 果更优 。
关 键 词 ： 小 波 变换 ； Ｂ ｒ ｉ ｄ ｇ ｅ —Ｍａ ｓ ｓ ａ ｒ ｔ 阈 值 降 噪 模 型 ；图像 熵 值
Hale Waihona Puke 中图分 类号 ： Ｐ ２ ３
文献标 识码 ： Ｂ
基 于小 波 的遥 感 影像 薄 云 去 除 方 法 术
闰丽娟 ， 颉 耀文 ， 弥沛峰 ， 刘 惠峰
（ 兰州大 学资 源环境 学 院 ， 甘肃 兰州 ７ ３ ０ ０ ０ ０ ）
摘要 ： 因小波 变换具 有 多分辨 率分析 能 力和 自适 应性 ， 故 常被作 为 图像 去噪 的有 效 手段 之 一 。文 中 从 遥 感影像 中常见 的薄 云噪 声的特 征分 析 出发 ， 分别从 两个方 面入 手对含 有 薄云噪 声 的遥 感影像 进
高分辨率遥感数据的处理与分析方法
高分辨率遥感数据的处理与分析方法遥感技术的发展日益成熟，高分辨率遥感数据的获取量逐渐增加。
如何处理和分析这些海量数据成为遥感领域的重要研究课题。
本文将介绍高分辨率遥感数据的处理与分析方法，并探讨其在不同领域的应用。
一、数据预处理高分辨率遥感数据的预处理是数据处理的重要步骤，它包括数据去噪、辐射校正、几何校正等内容。
1. 数据去噪：高分辨率遥感数据中常常存在各种噪声，如椒盐噪声、斑点噪声等。
为了减少噪声对后续分析的影响，可以采用滤波算法对数据进行去噪处理，如中值滤波、均值滤波等。
2. 辐射校正：高分辨率遥感数据的辐射校正是将原始数据转换为物理度量的一个过程。
通过影像的辐射校正，可以消除大气、地表反射率等因素对遥感影像的影响，得到准确的反射率信息。
3. 几何校正：高分辨率遥感数据的几何校正是将影像的像素空间坐标与实际地理坐标之间建立映射关系的过程。
通过准确的几何校正，可以保证影像的空间精度，提高后续分析的可靠性。
二、数据分类与特征提取高分辨率遥感数据的分类和特征提取是将遥感影像转化为语义信息的重要工作。
1. 数据分类：数据分类是指将遥感影像中的像素根据其反射率或其他属性进行分类，以获得具有不同意义的地物信息。
常用的分类方法包括基于像元的分类、基于对象的分类和基于深度学习的分类等。
2. 特征提取：特征提取是将遥感影像中不同地物的特征进行提取和描述的过程。
常用的特征提取方法包括纹理特征提取、形状特征提取、光谱特征提取等。
通过特征提取，可以获得地物的几何、纹理和光谱等多维信息，为后续的应用提供基础。
三、数据融合与信息提取高分辨率遥感数据融合与信息提取是将多源数据融合，获取更丰富的地物信息的关键环节。
1. 数据融合：高分辨率遥感数据融合是指将不同源、不同分辨率的遥感数据进行融合，以获取更全面、更准确的地物信息。
常见的数据融合方法包括基于智能算法的融合、基于模型的融合等。
2. 信息提取：通过数据融合，可以获取到更丰富的地物信息。
多源遥感影像融合技术研究
多源遥感影像融合技术研究随着遥感技术的飞速发展，航空遥感和卫星遥感技术不断提升，遥感图像的识别和解译技术也取得了很大的进步。
但是，由于不同遥感平台的图像具有不同的特点和分辨率，仅使用单一源数据进行图像处理往往无法满足实际需求。
因此，多源遥感影像融合技术日益受到人们的关注和重视。
一、多源遥感影像融合技术概述多源遥感影像融合技术是指通过将来自不同遥感传感器的遥感数据集成功地组合在一起，以创造出优于单个数据源的遥感图像。
它是一种共存技术，目的是提高遥感图像质量，增强遥感图像的信息和特征，并使其适应更广泛的应用领域。
多源遥感影像融合技术的实际应用有很多，例如农作物遥感监测、城市土地覆盖分类、自然灾害分析等方面。
多源遥感影像融合技术通常包括以下三个步骤：（1）数据预处理数据预处理是遥感影像融合的第一步，包括去噪、几何校正和辐射校正等过程。
对于不同传感器所获取的遥感影像，其几何定位、坐标系统和数据范围可能存在不同，因此需要进行几何校正和辐射校正，以确保不同数据源之间的一致性。
去噪是为了提高遥感图像的质量，消除影响图像分析和处理的噪声干扰。
（2）特征提取特征提取是指从多个遥感影像中提取具有代表性的特征信息。
在遥感图像的融合过程中，需要根据要求选择相似或互补的影像来融合，特征提取是实现此目的的关键。
这些特征可以包括纹理特征、形状特征、频谱特征等。
（3）融合算法融合算法是指对不同传感器所获取的遥感影像进行相应的加权组合，生成新的遥感影像的方法。
这种方法的目的是获得优于单一图像源的遥感图像，从而可以更好地提取地物信息。
常用的融合方法有像元水平融合、特征水平融合、决策水平融合等。
二、多源遥感影像融合技术的应用（1）农作物遥感监测在农作物遥感监测方面，多源遥感影像融合技术可以提高农作物信息提取的精度和可靠性，根据不同时间段和不同波段遥感影像的融合，可以得到更准确的作物种植面积、作物生长状态和作物产量等信息。
在实践中，多源遥感影像融合技术已经被成功应用于农作物估产、农作物分类、灾害检测等领域。
遥感图像常用去噪方法
遥感图像常用去噪方法
周小军;谭薇;张燎;郭玉霞
【期刊名称】《工业仪表与自动化装置》
【年(卷),期】2015(000)003
【摘要】遥感图像在获取和传输的过程中，受各种噪声影响，使图像的边缘纹理等细节模糊，质量降低。
为获得清晰的、高质量的遥感图像必须进行降噪预处理。
该文就遥感图像去噪的邻域平均法、中值滤波法、维纳滤波法及小波变换法算法原理进行了研究和比较分析并进行了仿真实验。
结果表明：对受不同噪声影响的遥感图像选择不同滤波算法均能取得较好的效果，但在噪声模型未知的情况下，小波去噪效果更佳。
【总页数】4页(P69-72)
【作者】周小军;谭薇;张燎;郭玉霞
【作者单位】甘肃工业职业技术学院电信学院，甘肃天水741025;甘肃工业职业技术学院电信学院，甘肃天水741025;甘肃工业职业技术学院电信学院，甘肃天水741025;甘肃工业职业技术学院电信学院，甘肃天水741025
【正文语种】中文
【中图分类】TP212
【相关文献】
1.不同分辨率遥感图像去噪方法研究 [J], 侯力
2.基于改进总变分算法的遥感图像去噪方法研究 [J], 张洪为;宋芳芳
3.基于主成分分析和字典学习的高光谱遥感图像去噪方法 [J], 霍雷刚;冯象初
4.基于双树复小波的多尺度遥感图像去噪方法 [J], 李辉; 朱锡芳; 吴峰; 相入喜; 蔡建文; 姜一波
5.矿区遥感图像去噪方法研究 [J], 车守全;李涛;包从望;江伟
因版权原因，仅展示原文概要，查看原文内容请购买。
自适应滤波技术在图像去噪中的应用研究
自适应滤波技术在图像去噪中的应用研究自适应滤波是一种在图像处理领域中广泛使用的技术。
其主要应用是对图像中的噪音进行去除，从而使图像更加清晰。
本文将探讨自适应滤波技术在图像去噪中的应用研究。
一、自适应滤波技术的基本原理自适应滤波技术是一种基于局部均值的滤波方法，其基本原理是通过考虑每一个像素周围的图像特征来决定滤波器的权重系数。
具体来说，该技术通过计算局部均值和局部方差来确定每个像素点的权重系数，以此得到图像的滤波结果。
二、常见的自适应滤波算法在实际应用中，常见的自适应滤波算法包括中值滤波、高斯滤波、双边滤波等。
这些算法基于不同的原理，各自有其适用的场景和特点。
1. 中值滤波中值滤波是一种简单有效的自适应滤波算法。
其原理是将每一个像素点的像素值替换为邻域内像素值的中位数。
该算法适用于对椒盐噪声和脉冲噪声的去除，但在去除高斯噪声时效果不太理想。
2. 高斯滤波高斯滤波是一种基于高斯函数的自适应滤波算法。
该算法的基本思想是将像素点的像素值替换为邻域内像素值的加权平均值，其中权重系数由高斯函数决定。
该算法适用于平滑图像的同时保留图像细节。
3. 双边滤波双边滤波是一种能够同时平滑图像和保留图像边缘信息的自适应滤波算法。
其基本原理是将每个像素点的像素值替换为邻域内像素值的加权平均值，其中权重系数不仅考虑像素之间的距离，还考虑像素之间的灰度差异。
该算法适用于去除高斯噪声和椒盐噪声。
三、自适应滤波技术在图像去噪中的应用研究自适应滤波技术是一种实用的图像去噪方法。
从早期的中值滤波到现在的双边滤波，该技术在不断地发展和完善。
下面将简要介绍其在图像去噪中的应用研究。
1. 图像去噪领域的研究在图像处理领域，图像去噪一直是一个重要的研究方向。
自适应滤波技术已经成为了一种最为实用的图像去噪方法之一。
众多学者对该技术进行了不同的研究，从算法原理上进行了深入探讨，进一步提高了该技术的效果和应用范围。
2. 实际应用案例自适应滤波技术在实际应用中也得到了广泛运用。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
一种新的遥感影像去噪方法
[摘要]遥感影像在生成与传输过程中的不可避免的会引入噪声，这些噪声会影响图像的质量，
增大遥感图像的分析与处理难度，故在遥感图像应用前可以先对其进行去噪处理。对图像进
行去噪即滤波过程应该尽量保留多的图像有用信息而滤除图像中的噪声信息。本文首先对遥
感图像在变换域中的能量分布进行了介绍和分析，然后就一种新的遥感影像去噪方法进行了
研究。
[关键词]遥感影像 噪声消除 滤波
随着航空航天通信技术的发展，人们的空间概念得到了极大的拓展，基于计算机技术、图像
处理技术、对地观测技术而发展起来的遥感数字图像相关技术也随之得到了前所未有的关注
与发展。但是在实际应用中，遥感图像的获取与传输非常容易受到外界噪声的干扰，从而使
得整个图像所包含的噪声增大，质量降低。为对其进行更好的应用就必须对所获取的遥感影
像进行去噪处理。
1遥感图像中的噪声分析
受相关因素的影响，遥感同相中所包含的像素信息在灰度值方面的差异性并不突出，因而整
幅图像的能力会集中在某个低频区域，而高频区域则包含少量的图像细节信息。对遥感图像
进行去噪处理就是消除图像中的噪声能量。由于图像信息集中在低频部分，故可以采用滤波
的方式对图像变换域进行滤波处理，将高频部分能量滤除掉。但是鉴于高频部分存在部分细
节信息，若不区分的滤除高频信息则图像的这些细节信息也会被滤除，从而使得整个图像的
质量出现衰减。如何设计与选取适当的滤波器对图像进行滤波去噪即为遥感影像去噪的核心
研究内容之一。
2遥感图像去噪基本理论与方法
可用于对遥感图像进行去噪处理的方法通常情况下可以分为空间域和变换域两类。
空间域相关去噪方法是指在不进行域变化的情况之直接对空间图像信号进行去噪处理，典型
的空间域去噪算法有邻域平均法、门限阈值法、加权平均法以及维纳滤波算法等。这些算法
的核心思想是在空间域内确定一个滤波准则，如最小均方误差、阈值门限等，然后根据该准
则对图像信号进行滤波处理，不符合准则要求的部分即被滤除。
变换域相关去噪方法是指首先对图像信号进行域变换，将其变换到频域、小波域等阈空间，
然后在该空间范围内对变换后的信号进行滤波处理。典型的变换域去噪算法有傅里叶变换后
滤波、离散余弦变换后滤波、小波变换后滤波等。相较于空间域而言，图像信号在变换域的
特性或性能等更为突出，滤波效果相对更好。