-
题名截断核范数和全变差正则化高光谱图像复原
被引量：12
- 1
-
-
作者
杨润宇
贾亦雄
徐鹏
谢晓振
-
机构
西北农林科技大学理学院
-
出处
《中国图象图形学报》
CSCD
北大核心
2019年第10期1801-1812,共12页
-
基金
国家自然科学基金项目(61401368)
西北农林科技大学创新训练项目(201710712082)
-
文摘
目的高光谱图像距具有较高的光谱分辨率,从而具备区分诊断性光谱特征地物的能力,但高光谱数据经常会受到如环境、设备等各种因素的干扰,导致数据污染,严重影响高光谱数据在应用中的精度和可信度。方法根据高光谱图像光谱维度特征值大小与所包含信息的关系,利用截断核范数最小化方法表示光谱低秩先验,从而有效抑制稀疏噪声;再利用高光谱图像的空间稀疏先验建立正则化模型,达到去除高密度噪声的目的;最终,结合上述两种模型的优势,构建截断核范数全变差正则化模型去除高斯噪声、稀疏噪声及其他混合噪声等。结果将本文与其他三种近期发表的主流去噪方法进行对比,模型平均峰信噪比提高3.20 dB,平均结构相似数值指标提高0.22,并可以应用到包含各种噪声、不同尺寸的图像,其模型平均峰信噪比提高1.33 dBo结论本文方法在光谱低秩中更加准确地表示了观测数据的先验特征,利用高光谱遥感数据的空间和低秩先验信息,能够对含有高密度噪声以及稀疏异常值的图像进行复原。
-
关键词
高光谱遥感图像
图像复原
低秩先验
截断核范数
全变差
正则化方法
-
Keywords
hyperspectral remote sensing image
image restoration
low-rankprior
truncated nuclear norm regularization
total variation(TV)
regularization method
-
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
-
