混合全变差和低秩约束下的高光谱图像复原
目的 由于高光谱遥感数据携带丰富的光谱和空间信息,使其在许多领域得以广泛关注和应用.但是高光谱遥感数据在获取过程中受到各种因素的影响,存在多种不同程度的退化,进而影响到后续的处理和应用.因此,提出一种基于低秩矩阵近似和混合全变差正则化方法来复原退化的高光谱遥感数据.方法 首先分析高光谱遥感数据的两种低秩先验:光谱低秩先验和空间低秩先验;然后利用光谱低秩先验建立低秩矩阵近似表示模型,有效抑制稀疏噪声,例如脉冲噪声、条纹噪声、死线噪声等;再利用空间低秩先验建立混合全变差正则化模型,有效去除高密度噪声,例如强高斯噪声、泊松噪声等;最后结合两种模型的优势,建立基于低秩矩阵近似和混合全变差正则化模型.结果 利用多组高光谱遥感数据,和多种相关的高光谱复原方法进行对比仿真实验,表明新模型的结果在视觉质量有很大改进.与目前最新的复原模型相比,提出的模型的平均峰值信噪比能提高1.8 dB,而平均结构相似数值指标能提高0.05.结论 新模型充分利用高光谱遥感数据的空间和光谱低秩先验,针对含有高密度噪声和稀疏异常值的高光谱遥感数据,能够有效复原出高质量的高光谱遥感数据.
高光谱遥感图像、图像复原、低秩表示、全变差、正则化方法、稀疏先验
22
TP301.6(计算技术、计算机技术)
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;National Natural Science Foundation of China61401368
2017-12-11（万方平台首次上网日期，不代表论文的发表时间）
共10页
1592-1601
