A Review of SNR Enhancement Techniques for Space-Based Remote Sensing Images

方式	去噪效果	泛化能力	算法难点	数据要求	硬件要求
基于滤波的方式	对单一噪声成分和特定噪声成分去噪效果好	差	数学模型的建立和求解	低	低
基于模型的方式	对建立的先验噪声模型去噪效果好	一般	成像链路先验信息的获取和标定	一般	一般
基于学习的方式	对复杂噪声成分的去噪效果好	强	网络设计、调参、训练	非常高	高
基于混合去噪算法的方式	对基于真实成像链路的复杂噪声去噪效果好	强	细粒度标定成像链路的噪声参数、网络训练	非常高	高

Table 2. PSNR(dB)/SSIM results of various algorithms in eight scenarios

View table

View in Article

Table 2. PSNR(dB)/SSIM results of various algorithms in eight scenarios

图像类别	森林	草地	楼房	立交桥	铁路	平房	马路	工厂
中值滤波	27.47/0.5179	22.06/0.5510	27.98/0.55457	27.96/0.5510	28.01/0.5698	27.89/0.5604	28.01/0.5569	27.78/0.5612
维纳滤波	28.56/0.6518	24.27/0.5720	29.05/0.6685	29.12/0.6910	29.24/0.7316	28.93/0.6976	29.13/0.6954	29.17/0.6943
小波变换	28.99/0.6981	24.66/0.5921	28.98/0.6932	29.04/0.6894	28.86/0.6893	28.92/0.6964	29.11/0.6897	29.02/0.6786
BM3D	30.96/0.7285	29.64/0.7592	31.18/0.7986	30.20/0.7884	30.98/0.7108	29.93/0.7025	29.92/0.7045	29.72/0.7183
WNNM	32.42/0.8137	30.85/0.8273	32.29/0.8297	32.49/0.8790	32.21/0.8695	32.69/0.7967	32.77/0.8038	33.04/0.8615
K-SVD	33.35/0.8837	32.19/0.8928	33.19/0.8658	34.67/0.8914	33.36/0.8731	32.78/0.8286	32.49/0.7981	33.48/0.8891
DnCNN	33.97/0.8916	32.87/0.8788	33.37/0.8799	34.76/0.8751	34.87/0.8627	33.68/0.8484	33.09/0.8564	34.19/0.8917
FFDNet	35.02/0.8714	34.51/0.8645	35.69/0.8974	35.87/0.8767	35.27/0.8945	34.97/0.8647	35.96/0.8978	35.94/0.8945
SCUNet	35.84/0.9356	34.87/0.8954	36.14/0.9003	36.45/0.9145	35.96/0.8654	36.98/0.9123	36.21/0.9012	36.91/0.9158

Tools

Get Citation

Copy Citation Text

Zhi WANG, Jiuzhe WEI, Yun WANG, Qiang LI. A Review of SNR Enhancement Techniques for Space-Based Remote Sensing Images[J]. Spacecraft Recovery & Remote Sensing, 2024, 45(2): 102

Download Citation

EndNote(RIS)BibTex Plain Text

Set citation alerts for article

Save article for my favorites