一种基于非凸张量范数和全变分的高光谱图像恢复方法技术

本发明专利技术公开了一种基于非凸张量范数和全变分的高光谱图像恢复方法，包括获取带噪的高光谱图像数据，建立高光谱图像噪声的数学模型；构造加权邻域均值三维全变分，构建基于加权截断张量Schatten‑p范数和加权邻域均值三维全变分的高光谱图像恢复模型WTTS‑WTDTV；引入辅助矩阵优化所述恢复模型，采用ADMM算法求解，获得降噪后的恢复图像。本发明专利技术有良好的高光谱图像恢复的效果。

【技术实现步骤摘要】
一种基于非凸张量范数和全变分的高光谱图像恢复方法
本专利技术属于图像处理领域，特别涉及一种基于非凸张量范数和全变分的高光谱图像恢复方法。
技术介绍
随着高光谱成像技术的出现和近三十年的迅速发展，高光谱遥感已经成为空间遥感领域的关键技术，被广泛应用于地质勘探、农业遥测、水文监视和军事探测等重要领域。由于大气干扰，传感器精度等各种因素，高光谱图像(HIS)在获取过程中有可能会受到高斯噪声、脉冲噪声和条带噪声等的影响。由于应用范围十分广泛，去噪成为在HSI后续应用前必不可少的预处理步骤。围绕高光谱图像的去噪问题，国内外研究者们提出了很多的去噪方法，已有的高光谱图像去噪办法主要分为三类：第一类是基于滤波的去噪方法。基于滤波的高光谱图像去噪技术通常使用三维滤波，或在光谱/空间其中一个维度进行滤波去噪，另外维度使用其他方法去噪。第二类是基于低秩表示的方法。考虑到高光谱图像的三维结构，张量和多重线性代数常常被用于高光谱图像的低秩近似。第三类是基于全变分的方法。全变分(Totalvariation，TV)的图像去噪方法，其思想是无噪声的图像应具本文档来自技高网...

【技术保护点】
1.一种基于非凸张量范数和全变分的高光谱图像恢复方法，其特征在于，所述方法包括以下步骤：/n步骤1、获取带噪的高光谱图像数据，建立高光谱图像噪声的数学模型；/n步骤2、构造加权邻域均值三维全变分，构建基于加权截断张量Schatten-p范数和加权邻域均值三维全变分的高光谱图像恢复模型；/n步骤3、为消除矩阵之间的相关性，引入辅助矩阵，优化所述高光谱图像恢复模型；/n步骤4、采用ADMM算法求解优化后的高光谱图像恢复模型，获得降噪后的恢复图像；/n其中，所述高光谱图像噪声的数学模型为：

【技术特征摘要】
1.一种基于非凸张量范数和全变分的高光谱图像恢复方法，其特征在于，所述方法包括以下步骤：
步骤1、获取带噪的高光谱图像数据，建立高光谱图像噪声的数学模型；
步骤2、构造加权邻域均值三维全变分，构建基于加权截断张量Schatten-p范数和加权邻域均值三维全变分的高光谱图像恢复模型；
步骤3、为消除矩阵之间的相关性，引入辅助矩阵，优化所述高光谱图像恢复模型；
步骤4、采用ADMM算法求解优化后的高光谱图像恢复模型，获得降噪后的恢复图像；
其中，所述高光谱图像噪声的数学模型为：表示干净的高光谱图像，表示带噪的高光谱图像，表示稀疏噪声，表示高密度噪声；
所述构造加权邻域均值三维全变分，构建基于加权截断张量Schatten-p范数和加权邻域均值三维全变分的高光谱图像恢复模型，包括：
首先，定义图像的邻域均值差分运算：



其中，m,n分别表示高光谱图像在空间维度上的长和宽，h代表其在光谱维度上的波段数，表示实数，(i,j,k)表示图像对应的沿空间长度、宽度和谱段方向的坐标位置，表示图像在位置(i,j,k)沿水平、垂直和光谱方向的差分运算之后得到的梯度值，表示图像在位置的灰度值，和表示对应图像在位置(i,j,k)沿着空间长度、宽度和谱段方向平移一个位置的像素灰度值；
进而构造邻域均值差分操作算子Gs(·)：
Gs(·)＝[ρvGv(·)；ρtGt(·)；ρzGz(·)]
其中，Gv(·)、Gt(·)和Gz(·)分别表示水平、垂直和光谱三个不同方向的差分操作，ρs(s＝v,t,z)是用来控制对三个维度的约束强度的参数；
从而得到加权邻域均值三维全变分：



其中，wi,j,k是位置(i,j,k)上图像的梯度值权重；
所述加权邻域均值三维全变分可以简写为：

其中，⊙是外积算子，W是权重矩阵，||·||1表示张量的L1范数；
然后再定义所述的加权截断张量Schatten-p范数：



其中，r为截断阈值，p(0≤p≤1)为Schatten-p范数的参数，是...

【专利技术属性】
技术研发人员：郑建炜，周力强，陈婉君，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：浙江;33