基于低秩矩阵恢复的高光谱图像去噪

扫码查看

原文链接

万方数据
维普

中文摘要：高光谱图像在采集中通常受到各类噪声的污染,存在多种不同程度的退化,传统的高光谱图像去噪仅考虑图像的低秩性而忽略了高光谱图像的相邻波段之间的相似性,缺乏空间信息.基于低秩矩阵模型和空间光谱全变分正则化,该文提出一种将不同噪声统一去除的框架,从而对退化的高光谱数据进行复原.算法基于低秩矩阵恢复抑制分离稀疏噪声,并保证图像的局部低秩性;采用空间光谱全变分正则化模型,增强全局空间光谱的平滑性,减少伪影.由此,建立两者相结合的正则化模型,并用增广拉格朗日乘子法优化求解.仿真实验结果表明:与其他高光谱复原方法相比,在峰值信噪比和结构相似性方面,所提算法数值指标较高,提高了去噪性能.

外文标题：Hyperspectral Image Denoising Based on Low Rank Matrix Restoration

作者：

徐辉、杨敏

展开 >

作者单位：

南京邮电大学自动化学院、人工智能学院,江苏南京 210023

关键词：

高光谱图像图像去噪低秩矩阵全变分正则化稀疏噪声

基金：

国家自然科学基金

项目编号：

61971237

出版年：

2022

DOI：

10.3969/j.issn.1673-629X.2022.10.008

计算机技术与发展

陕西省计算机学会

计算机技术与发展

CSTPCD

影响因子：0.621

ISSN：1673-629X

年,卷(期)：2022.32(10)

被引量1
参考文献量13