【技术实现步骤摘要】
基于非局部相似性及加权截断核范数的高光谱图像去噪方法
本专利技术涉及遥感图像处理领域，特别涉及一种基于非局部相似性及加权截断核范数的高光谱图像去噪方法。
技术介绍
高光谱图像(Hyperspectralimage，HSI)在遥感通信领域占有重要的地位，其包含数百个连续的谱带，由于其丰富的光谱信息，高光谱图像已经被广泛地应用在食品安全、药品过程监控、质量控制，生物医学，工业等应用上。然而，由于高光谱图像独特的物理特性，在图像的采集过程中不可避免的会受到各种噪声的干扰，其中由于传感器自身噪声的干扰，HSI经常受到高斯噪声的破坏，这必然会影响图像的质量和限制后续分类，分解，目标检测等图像后续处理的准确性。因此，作为高光谱图像的预处理步骤，去噪是一个重要并有意义的研究课题。针对高光谱图像去噪的问题，国内外许多学者已提出了大量的方法。传统的去噪方法将图像的每个光谱带视为独立的二维灰度图像逐一进行处理，代表性的方法有块匹配三维滤波(Block-matchingand3Dfiltering,BM3D)算法，非局部集中稀疏表示方法(...
【技术保护点】
1.基于非局部相似性及加权截断核范数的高光谱图像去噪方法，包括以下步骤：/n步骤1)获取待去噪的高光谱图像数据
【技术特征摘要】
1.基于非局部相似性及加权截断核范数的高光谱图像去噪方法，包括以下步骤：
步骤1)获取待去噪的高光谱图像数据利用投影技术将干净高光谱图像进行降维处理，表示为为降维后的图像,E为正交矩阵，M和N分别为高光谱图像空间维度的长和宽，P为谱带的数量；
步骤2)构建基于非局部相似性及加权截断核范数的高光谱图像去噪模型；
步骤3)对变量与参数进行迭代细化；
步骤4)输出去除噪声后的高光谱图像。
2.如权利要求1所述的基于非局部相似性及加权截断核范数的高光谱图像去噪方法，其特征在于：步骤2)具体包括：
(2-1)给定矩阵X∈Rm×n，加权截断核范数低秩正则项的定义如下：
其中r为目标秩，q＝min(m,n)，δi(X)表示X第i个奇异值，w＝[wi,…,wq]为非负递增的权值向量；
(2-2)将步骤(2-1)中加权截断核范数(WTNM)结合到去噪模型中并对此模型进行求解：
其中为带噪图像在低维子空间的表示。可分为多组...
【专利技术属性】
技术研发人员：郑建炜，黄娟娟，陈婉君，秦梦洁，徐宏辉，陶星朋，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：浙江;33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。