一种基于张量分解的总变分遥感图像去条带方法技术

本发明专利技术公开了一种基于张量分解的总变分遥感图像去条带方法，将遥感图像分解为目标图像和条带噪声及随机噪声的叠加，对各成分分别采用不同的正则项约束构成目标模型：为了保证恢复数据与原始数据之间的相似性，将引入一项非凸数据保真项；同时引入总变分正则项约束目标图像的分段平滑特性；最后，对于条带噪声采用低秩Tucker分解和L21范数联合约束，采用交替方向乘子法给出了一种详细的算法来求解上述模型，实现从原始图像中恢复目标图像，并给出了仿真实验结果验证本发明专利技术的可行性和有效性。

【技术实现步骤摘要】
一种基于张量分解的总变分遥感图像去条带方法
本专利技术具体涉及一种基于张量分解的总变分遥感图像去条带方法，可用于目标检测、目标识别和地物分析等军事和民用领域，属于图像处理

技术介绍
随着遥感技术的发展，高光谱遥感图像通常包括数十甚至数百个光谱带图像。由于高光谱遥感图像中含有丰富的空间和光谱信息，故此高光谱遥感技术在学术界引发了广泛的关注，其应用包括地球气候，农业和军事等诸多方面。然而高光谱遥感成像传感器不可避免地会在采集数据过程中产生条带噪声。其主要形成原因就是各传感器之间不一致的响应校准误差。高光谱遥感图像中的条带噪声严重影响图像的视觉质量，并且后续的图像处理构成了极大的挑战，包括图像分割，图像融合，目标检测和目标分类。高光谱遥感图像去条带问题已经引起了广泛的学术关注，目前针对遥感图像去条带问题这一课题已有大量研究，但现有的去条带方法主要是基于单帧图像，虽然具有一定的去条带效果但通常会破坏了相邻谱段间的光谱连续性且往往会丢失恢复的目标图像的细节信息。
技术实现思路
本专利技术的目的在于克服现有技术中的不足本文档来自技高网...

【技术保护点】
1.一种基于张量分解的总变分遥感图像去条带方法，其特征是，包括以下过程：/n将被条带噪声污染的高光谱遥感图像分解为目标图像、条带噪声图像和随机噪声图像三个部分；/n对目标图像、条带噪声图像和随机噪声图像采取不同正则化约束构成目标模型；/n求解目标模型，实现从原始图像中恢复目标图像。/n

【技术特征摘要】
1.一种基于张量分解的总变分遥感图像去条带方法，其特征是，包括以下过程：
将被条带噪声污染的高光谱遥感图像分解为目标图像、条带噪声图像和随机噪声图像三个部分；
对目标图像、条带噪声图像和随机噪声图像采取不同正则化约束构成目标模型；
求解目标模型，实现从原始图像中恢复目标图像。


2.根据权利要求1所述的一种基于张量分解的总变分遥感图像去条带方法，其特征是，所述将被条带噪声污染的高光谱遥感图像分解为目标图像、条带噪声图像和随机噪声图像三个部分，包括：



其中为三阶张量数据，分别表示被条带污染的源图像、待求解的目标图像，条带噪声成分和随机噪声；M和N表示每一谱段图像的行列数，K表示高光谱图像的光谱总数。


3.根据权利要求1所述的一种基于张量分解的总变分遥感图像去条带方法，其特征是，所述目标模型如下：



其中为三阶张量数据，分别表示被条带污染的源图像、待求解的目标图像，条带噪声成分和随机噪声；M和N表示每一谱段图像的行列数，K表示高光谱图像的光谱总数；
λ＞0，为条带噪声约束项系数，

为数据保真项，...

【专利技术属性】
技术研发人员：朱虎，符志哲，邓丽珍，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：江苏;32