基于多通道截断核范数及全变差正则化的高光谱图像去噪方法技术

基于多通道截断核范数及全变差正则化的高光谱图像去噪方法，包括以下步骤：1)获取带待去噪的高光谱数据图像，其中，N为加性高斯白噪声(AWGN)，X为恢复出来的干净图像，其中m和n分别是高光谱图像空间维度的长和宽，p为谱带的数量；2)构建多通道截断核范数及全变差正则化的高光谱图像去噪模型；3)采用交替方向乘子算法(Alternating Direction Method of Multipliers，ADMM)对模型进行优化；4)输出去除噪声后的高光谱图像。本发明专利技术的优点是：更好地保留分段平滑先验和有效地保持边缘信息，同时增强了高斯噪声的去噪效果。

【技术实现步骤摘要】
基于多通道截断核范数及全变差正则化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，特别涉及一种高光谱图像去噪方法。技术背景高光谱遥感图像由于包含丰富的空间信息与光谱信息，高光谱图像在各个应用领域引起广泛关注，例如：城市规划，测绘，农业，林业和监测等领域。但是，由多探测器获取的高光谱图像(Hyperspectralimage，HSI)通常会因不同类型的噪声而损坏，这严重降低图像的质量并限制后续诸如分类、识别、解混等任务处理的精度。因此，高光谱图像去噪在当前学术研究中具有十分重要的价值与意义。近年来，高光谱图像去噪获得许多国内外学者的关注。迄今为止，针对高光谱图像已经提出了许多不同的去噪方法。传统的方法将高光谱图像的每个通道视为灰度图像并对其进行逐一处理，例如K-SVD,块匹配三维滤波(Block-matchingand3Dfiltering,BM3D)等。然而这些方法忽略了不同谱带之间的相关性，将导致较差的降噪效果。最新的去噪方法通过结合空间低秩性与光谱低秩性来提高去噪性能，代表性的方法有主成分分析(Principalc本文档来自技高网...

【技术保护点】
1.基于多通道截断核范数及全变差正则化的高光谱图像去噪方法，包括以下步骤：/n步骤1)获取带待去噪的高光谱数据图像Y＝X+N，其中

【技术特征摘要】
1.基于多通道截断核范数及全变差正则化的高光谱图像去噪方法，包括以下步骤：
步骤1)获取带待去噪的高光谱数据图像Y＝X+N，其中N为加性高斯白噪声(AWGN)，X为恢复出来的干净图像，其中m和n分别是高光谱图像空间维度的长和宽，p为谱带的数量；
步骤2)构建多通道截断核范数及全变差正则化的高光谱图像去噪模型；
步骤3)采用交替方向乘子算法(AlternatingDirectionMethodofMultipliers，ADMM)对高光谱图像去噪模型进行优化；
步骤4)输出去噪后的高光谱图像。


2.如权利要求1所述的基于多通道截断核范数及全变差正则化的高光谱图像去噪方法，其特征在于：步骤(2)所述的多通道截断核范数及全变差正则化高光谱图像去噪模型的表达公式如下：



其中W为权重矩阵，为Frobenius范数，β，λ为正则项平衡参数，为给定矩阵的截断核范数，q＝min(m,n)，是具有周期性边界条件的有限差分算子；
权重矩阵是单位矩阵，权重矩阵W是一个对角矩阵，并且由每个波段的噪声方差决定，σ1,σ2,…,σp分别对应通道的噪声方差。


3.如权利要求1所述的基于多通道截断核范数及全变差正则化的高光谱图像去噪方法，其特征在于：步骤3)所述的高光谱图像去噪模型的优化求解具体包括：
由于有权重矩阵W和有限差分算子的加入，所以采用变量分裂方法来解决新的模型，通过引入增广变量Q和Z，可将高光谱图像去噪模型重构为以下线性等约束问题：

<...

【专利技术属性】
技术研发人员：郑建炜，周鑫杰，陈培俊，黄娟娟，陈婉君，秦梦洁，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：浙江;33