基于近端交替惩罚算法的低秩全变分高光谱图像修复方法技术

一种基于近端交替惩罚算法的低秩全变分模型求解及其在高光谱图像修复领域的应用，包括以下步骤：步骤1)获取待去噪的高光谱图像数据

【技术实现步骤摘要】
基于近端交替惩罚算法的低秩全变分高光谱图像修复方法
本专利技术涉及一种基于近端交替惩罚算法的低秩全变分高光谱图像修复方法。
技术介绍
高光谱遥感图像(HyperspectralImagery，HSI)由于其丰富的光谱信息，有着广泛的应用。特别是在精准农业、植被生态、地址矿产、大气环境检测等领域中有较大的应用价值。但是，高光谱图像在经由传感器采集过程中，不可避免地会损失部分像素点，这会严重降低图像质量，并影响后续处理。因此高光谱图像的修复是一个很重要的数据预处理过程。全变分(TotalVariation，TV)正则项是图像处理中广泛应用的修复模型，其能很好地保护图像边缘信息和保留平滑空间分段。近几年，基于TV的图像修复方法已被扩展至HSI修复领域。Kuiteing等人提出了用于HSI重构的迭代TV架构，Yuan等人提出了一个采用频谱空间自适应TV的HSI修复算法。低秩矩阵分解(LowRankMatrixFactorization，LRMF)也已被广泛用作图像分析，网页搜索和计算机视觉等领域。低秩模型描述了在高维数据中发现和利用低维本文档来自技高网...

【技术保护点】
1.基于近端交替惩罚算法的低秩全变分高光谱图像修复方法，包括以下步骤：/n步骤1)输入丢失像素点的高光谱图像

【技术特征摘要】
1.基于近端交替惩罚算法的低秩全变分高光谱图像修复方法，包括以下步骤：
步骤1)输入丢失像素点的高光谱图像其中m、n、p分别表示高光谱图像的宽度，高度，及谱带的数量；
步骤2)针对高光谱图像修复的低秩全变分模型定义如下：



其中是输入的丢失像素点的图像，表示输出的HSI数据矩阵；||Y||LR表示低秩项；使用核范数来表示低秩项，其定义为：||Y||LR≈||Y||*，||Y||tv表示全变分正则项，其定义为：



||·||F为Frobenius范数，其定义为：Xi,j为X的元素值，θ∈{0,1}mn×p是一个索引矩阵，0表示输入数据的丢失元素，1表示输入数据T的可观测元素；支持集Ω定义为{(i,j)|qi,j＝1}，表示未丢失的像素集；α与β分别表示低秩项与TV正则项的参数；而δ的值取决于T中观察到的元素丢失率；
步骤3)使用近端交替惩罚算法求解低秩全变分模型；
步骤4)输出修复后的高光谱图像。


2.如权利要求1所述的一种基于近端交替惩罚算法的低秩全变分高光谱图像修复方法，其特征在于：步骤3)具体包括：
31)优化低秩全变分模型：



其中||X||1表示l1范数，其定义为：||Y||*表示Y的核范数，D是矩阵的差分算子；
32)令f(X)＝||X||1，g(Y)＝||Y||*，h(Y)＝||pΩ(Y-T)||2F；...

【专利技术属性】
技术研发人员：郑建炜，周鑫杰，陈婉君，冯宇超，蒋嘉伟，徐宏辉，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：浙江;33