科研之友
微信
新浪微博
Facebook
分享链接
摘要
由于成像设备、传输条件等因素影响，高光谱图像常常会携带多种噪声。为提升高光谱图像后续应用的效果，去除噪声是十分必要的。本文通过分析高光谱图像的先验结构特征，提出基于张量低秩分解、混合空谱梯度域低秩分解及组稀疏先验的高光谱图像去噪模型。首先，引入高阶梯度，充分挖掘高阶差分各方向之间的内在联系，利用1阶和2阶梯度算子将高光谱图像从原域变换到梯度域，在混合梯度张量上建立加权的■范数来探索高光谱图像的梯度组稀疏先验；其次，同时在梯度域和原域探索高光谱图像的低秩先验。通过变换域低秩理论证明了梯度域的低秩性，并用核范数最小化来约束梯度域的低秩特征；然后，采用经典的张量Tucker分解方法来保证高光谱图像原域的低秩先验。新模型充分利用高光谱图像的先验信息，有效去除了混合噪声，极大地改善了后续高光谱图像处理任务的性能。最后，通过在模拟数据集和真实数据集上进行的对比实验，证明了新模型在高光谱图像去噪领域的优越性。本文模型复原结果比次优模型平均峰值信噪比提高了5.35 dB，平均结构性相似指标提高了0.009。
- 出版日期2022
- 单位西北农林科技大学
