随着遥感技术的飞速发展,遥感图像能够提供更加丰富的地物信息,且具有获取信息手段多、探测周期短、多波段性、实时性、空间性等诸多优点,在灾害预报与灾情评估、生态环境监测、空气质量监测、天气预报、军事国防等众多领域发挥着不可或缺的重要作用,成为全球范围内数据动态观测的重要方式。然而,遥感图像在获取、传输、接收、输出等过程中,往往会受到噪声的污染,使得遥感图像出现边缘纹理等细节模糊,导致图像质量降低,增大了遥感图像后期处理、分析和应用的难度,影响数据的使用价值。因此,遥感图像必须进行降噪预处理。面对呈爆炸式增长的遥感图像数据,传统的单机模式处理遥感图像,已暴露出存储容量小、处理速度慢、并发性差等问题,无法满足海量遥感图像处理的需求。因此,对遥感图像的高效处理模式探索显得尤为必要。云计算的飞速发展为云计算外包计算服务提供了广阔的应用空间,云计算外包计算模式可提供海量的存储容量、弹性的计算能力、强大的并发性能,缩短计算任务的执行时间。然而云平台并非完全可信,存储在云平台上的数据往往因缺少监管而出现丢失或失窃,从而引发重要数据的泄露事故。遥感图像作为国家重要的战略资源,更需要防止遥感图像中敏感信息的泄漏。为了保障遥感数据的安全,需要对存储在云平台上的遥感数据进行加密,传统的加密方法一般在加密后无法对数据进行进一步的处理。因此,亟需设计安全的外包去噪方案,让云平台基于密文遥感图像进行去噪。针对以上分析,本文研究了基于双密文策略的遥感图像外包去噪方案,实现了基于密文遥感图像进行非局部均值去噪,主要创新成果如下:(1)提出了一种遥感图像的安全外包去噪方案。该方案利用隐私保护的保距变换(Johnson-Lindenstrauss转换,JL转换)可以保留欧氏距离的特性,运用经JL转换得到的密文图像进行非局部均值去噪的权重计算;利用加法同态密码算法(Paillier加密算法)可以基于密文进行线性操作的特性,运用经Paillier加密得到的密文进行非局部均值去噪的线性计算,实现了遥感图像的安全外包去噪。(2)提出了一种遥感图像外包去噪的改进方案。为提高安全外包去噪方案的安全性,使用基于伪随机序列的图像混淆方案,对密文图像进行像素随机置换与块随机置换;为提高安全外包去噪方案的效率,使用改进的Paillier加密方案代替原有的加密方案,采用基于动态滤波参数的非局部均值去噪算法代替原有的去噪方法,实现了安全性与效率的提升。(3)提出了一种多帧遥感图像安全外包融合去噪方案。该方案利用多帧图像的时间域相关性和空间域相关性,在非局部去噪过程中找到更多、相似程度更高的像素点,更好的削弱图像中的噪声,在改进的单帧遥感图像外包去噪的基础上,实现了对多帧图像进行基于动态滤波参数的外包融合去噪。本文选用分辨率为30m的多幅Landsat 8遥感图像中的7个波段(Coastal、Blue、Green、Red、NIR、SWIR1、SWIR2)中截取出多幅512×512像素的图像作为实验图像。实验结果表明,外包去噪方案有效地保证了遥感图像的安全性,实现了对不同大小的噪声均有较好去噪效果,提高了非局部均值去噪处理的效率;外包融合去噪方案的去噪效果明显优于已有的密文去噪方案和单帧去噪方案,对不同大小的噪声均有很好的去噪效果,且随着图像帧数的增加,去噪效果明显变好。