一种高光谱图像去噪方法及装置制造方法及图纸

本发明专利技术提供的一种高光谱图像去噪方法及装置，该方法包括：S1，获取与高光谱图像噪声波段的结构信息相近以及比所述噪声波段的图像质量好的至少一个有效波段；S2，根据所述至少一个有效波段建立目标函数，并根据所述目标函数获取去噪后的清晰波段。通过利用波段之间的关联性，把噪声波段的去噪问题转化为波段的融合，得到最终去噪后的清晰波段，考虑并克服了以往方法中忽视了噪声可能只存在于某些或某个波段的情形，并取得了较好的去噪结果。

【技术实现步骤摘要】
一种高光谱图像去噪方法及装置
本专利技术涉及高光谱图像去噪领域，更具体地，涉及一种高光谱图像去噪方法及装置。
技术介绍
相比于RGB彩色或灰度图像，高光谱图像拥有更丰富的波段信息，可以提高很多计算机视觉应用的效率，比如人脸识别、遥感、运动分割等。然而在实际中，高光谱图像不可避免地会受到噪声的影响，如传感器的缺陷或环境所致，所以高光谱去噪非常有意义的研究。噪声图像的形成过程可以简略表示为y＝x+n，n为噪声，x为清晰原图，y为噪声图片。但是，目前已有的高光谱图像去噪方法很少考虑一种实际存在的问题：高光谱图像中的噪声不一定存在于所有波段中，可能只存在于某些或者特定的某一波段中，这些高光谱图像去噪方法通常认为噪声存在于所有波段中，因此无法对这种情况做出有效处理。目前，高光谱图像去噪方法主要有：2D拓展的方法和波段相关的方法。2D拓展的高光谱图像去噪方法使用传统的2D图像去噪方法，对每个波段独立去噪，把2D的方法拓展到3D。典型的2D去噪方法有Budaes等人提出的NLM法(A.Buades,B.Coll,andJ.-M.Morel.Anon-localalgorithmforimagedenoising.InProc.IEEEConf.ComputerVisionandPatternRecognition,pages60–65,2005.)，Dabov等人提出的BM3D法(K.Dabov,A.Foi,V.Katkovnik,andK.Egiazarian.Imagedenoisingbysparse3-dtransform-domaincollaborativefiltering.IEEETransactionsonImageProcessing,16(8):2080–2095,2007.)，以及Elad提出的K-SVD法(M.EladandM.Aharon.Imagedenoisingviasparseandredundantrepresentationsoverlearneddictionaries.IEEETransactionsonImageProcessing,15(12):3736–3745,2006.)。波段相关的高光谱图像去噪方法认为各个波段的噪声水平是相当的，并把所有波段作为整体处理。典型的波段相关的高光谱图像去噪方法有Peng等人提出的基于空域的局部自相似性和光谱域的全局相关性的方法(YiPeng,DeyuMeng,ZongbenXu,ChenqiangGao,YiYang,andBiaoZhang.Decomposablenonlocaltensordictionarylearningformultispectralimagedenoising.InProc.IEEEConf.ComputerVisionandPatternRecognition,pages2949–2956,2014.)，Dong等人提出的基于低秩矩阵近似的方法(WeishengDong,GuangyuLi,GuangmingShi,XinLi,andYiMa.Low-ranktensorapproximationwithlaplacianscalemixturemodelingformultiframeimagedenoising.InProc.IEEEInternationalConferenceonComputerVision,pages442–449,2015.)，以及Xie等人提出的基于稀疏张量度量的方法(Q.Xie,Q.Zhao,D.Meng,andetal.Multispectralimagesdenoisingbyintrinsictensorsparsityregularization.InProc.IEEEConf.ComputerVisionandPatternRecognition,2016.)。但是，基于2D的图像去噪方法拓展而来的高光谱图像去噪方法完全独立地处理每个波段，没有考虑到波段间的关联性，因此去噪效果不太理想。波段相关的高光谱图像去噪方法认为各个波段的噪声水平相当，没有考虑不同波段噪声水平的差异，因此对于噪声只出现在某些或特定波段的情形不能取得较好的效果。
技术实现思路
为了克服上述的技术问题，本专利技术提供一种高光谱图像去噪方法及装置。第一方面，本专利技术提供一种高光谱图像去噪方法，包括：S1，获取与高光谱图像噪声波段的结构信息相近以及比所述噪声波段的图像质量好的至少一个有效波段；S2，根据所述至少一个有效波段建立目标函数，并根据所述目标函数获取去噪后的清晰波段。其中，所述S1包括：S11，获取所述高光谱图像各波段与所述噪声波段的结构信息相似性指标；获取所述高光谱图像各波段与所述噪声波段的图像质量评价指标；S12，根据所述结构信息相似性指标和所述图像质量评价指标，获取与所述噪声波段的结构信息相似以及比所述噪声波段的图像质量好的至少一个有效波段。其中，所述S2包括：S21，根据所述至少一个有效波段建立数学模型，所述数学模型的结构为：所述至少一个有效波段包括清晰波段和噪声；S22，根据所述数学模型建立目标函数，所述目标函数包括数学模型误差和正则化约束项；S23，根据所述目标函数获取去噪后的清晰波段。其中，所述结构信息相似性指标通过以下方式获取，其中，LX是波段X的结构信息，LY是波段Y的结构信息，I为衡量波段X与波段Y的结构信息相似性指标；所述图像质量评价指标通过以下方式获取，Q＝QX-QY其中，Qx表示波段X的质量评价值，Qy表示波段Y的质量评价值，Q为衡量波段X与波段Y的图像质量评价指标。其中，所述至少一个有效波段采用以下公式获取，其中，SY为波段Y相对于波段X的结构信息和图像质量评价的得分。其中，所述数学模型为：G＝Hu+n，其中，G为包括至少一个有效波段的向量，u为清晰波段，n为噪声，H为至少一个有效波段与清晰波段的关系矩阵；相应地，所述目标函数为：其中，γ为可调参数，Di为第i个像素的梯度值，为正则化约束项。其中，所述S22还包括：将所述正则化约束项进行化简，并将所述化简后正则化约束项带入把目标函数，则所述目标函数为，其中，Di表示第i个像素的梯度值，u为清晰波段，β为可调参数，辅助参数V＝[V1，V2,…，VN]T。第二方面，本专利技术提供一种高光谱图像去噪装置，包括：获取模块，用于获取与高光谱图像噪声波段的结构信息相近以及比所述噪声波段的图像质量好的至少一个有效波段；去噪模块，用于根据所述至少一个有效波段建立目标函数，并根据所述目标函数获取去噪后的清晰波段。第三方面，本专利技术提供一种高光谱图像去噪装置，包括：至少一个处理器；以及与所述处理器通信连接的至少一个存储器，其中，所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如权利要求1至7任一所述的方法。第四方面，本专利技术提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行如权利要求1至7任一所述的方法。本专利技术提供的一种高光谱图像去噪方法及装置，通过获取与噪声波段的结构信息相似以及比噪声波段的图像质量好的至少一个有效波段，然后根据至少一个有效波段建本文档来自技高网...

【技术保护点】
1.一种高光谱图像去噪方法，其特征在于，包括：S1，获取与高光谱图像噪声波段的结构信息相近以及比所述噪声波段的图像质量好的至少一个有效波段；S2，根据所述至少一个有效波段建立目标函数，并根据所述目标函数获取去噪后的清晰波段。

【技术特征摘要】
1.一种高光谱图像去噪方法，其特征在于，包括：S1，获取与高光谱图像噪声波段的结构信息相近以及比所述噪声波段的图像质量好的至少一个有效波段；S2，根据所述至少一个有效波段建立目标函数，并根据所述目标函数获取去噪后的清晰波段。2.根据权利要求1所述的方法，其特征在于，所述S1包括：S11，获取所述高光谱图像各波段与所述噪声波段的结构信息相似性指标；获取所述高光谱图像各波段与所述噪声波段的图像质量评价指标；S12，根据所述结构信息相似性指标和所述图像质量评价指标，获取与所述噪声波段的结构信息相似以及比所述噪声波段的图像质量好的至少一个有效波段。3.根据权利要求1所述的方法，其特征在于，所述S2包括：S21，根据所述至少一个有效波段建立数学模型，所述数学模型的结构为：所述至少一个有效波段包括清晰波段和噪声；S22，根据所述数学模型建立目标函数，所述目标函数包括数学模型误差和正则化约束项；S23，根据所述目标函数获取去噪后的清晰波段。4.根据权利要求2所述的方法，其特征在于，所述结构信息相似性指标通过以下方式获取，其中，LX是波段X的结构信息，LY是波段Y的结构信息，I为衡量波段X与波段Y的结构信息相似性指标；所述图像质量评价指标通过以下方式获取，Q＝QX-QY其中，Qx表示波段X的质量评价值，Qy表示波段Y的质量评价值，Q为衡量波段X与波段Y的图像质量评价指标。5.根据权利要求4所述的方法，其特征在于，所述至少...

【专利技术属性】
技术研发人员：黄欢，赵刚，
申请(专利权)人：上海荆虹电子科技有限公司，
类型：发明
国别省市：上海,31