10.11873/j.issn.1004-0323.2019.4.0793
基于结构性字典学习的毛儿盖遥感图像去噪研究
遥感图像的噪声分析、评估和滤波作为遥感图像处理的研究重点而一直受到遥感应用领域的关注.为了进一步提高遥感图像的去噪能力,提出一种新的基于聚类的组稀疏字典学习多光谱遥感图像去噪算法,该算法能够综合利用多光谱遥感图像的空间局部性和光谱的全局性,对遥感图像像素进行聚类后划分为不同的组,然后通过字典学习获得多光谱遥感图像的空间、光谱字典和系数.经过阈值处理后,对空间相似的块进行平均处理,实现了对多光谱遥感图像的去噪.该算法用于岷江上游植被和土壤类型典型地区——毛儿盖实验区遥感图像的去噪,峰值信噪比相比band-wise K-SVD算法提高了7.6%左右,同时具有更好的视觉效果.
遥感图像、结构性字典学习、去噪、聚类
34
TP751(遥感技术)
国家自然科学基金项目41372340;国土资源部地学空间信息技术重点实验室开放基金项目KLGSIT2016-10;攀枝花市科技项目2018CY-G-28
2019-10-14(万方平台首次上网日期,不代表论文的发表时间)
共6页
793-798