一种高光谱-多光谱图像的去噪融合方法技术

本申请公开了一种高光谱

【技术实现步骤摘要】
一种高光谱
‑
多光谱图像的去噪融合方法


[0001]本申请涉及图像处理
，尤其涉及一种高光谱
‑
多光谱图像的去噪融合方法。

技术介绍

[0002]随着星载成像光谱仪的不断发展，越来越多的传感器可以获取同一场景的高光谱图像和多光谱图像（Multispectral Image, MSI）。但现有技术在处理上述图像时，通常只能假设多光谱图像和高光谱图像均是干净的图像，而实际获取的多光谱图像和高光谱图像不可避免地受到噪声的污染而退化，并且高光谱图像受到的退化更严重。
[0003]因此，现有技术在对上述图像进行去噪融合处理时的效率偏低。

技术实现思路

[0004]本申请实施例提供了一种高光谱
‑
多光谱图像的去噪融合方法，解决了现有技术对高光谱
‑
多光谱图像的去噪融合效率较低的技术问题。
[0005]一方面，本申请实施例提供了一种高光谱
‑
多光谱图像的去噪融合方法，包括以下步骤：获取原始高光谱图像和多光谱原始图像；将所述原始高光谱本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种高光谱
‑
多光谱图像的去噪融合方法，其特征在于，包括以下步骤：获取原始高光谱图像和多光谱原始图像；将所述原始高光谱图像和所述多光谱原始图像输入至目标融合模型，以获得目标融合图像；其中，所述目标融合模型是基于空间
‑
光谱特征保留策略和噪声抑制策略构建的，所述空间
‑
光谱特征保留策略是利用高光谱图像和多光谱图像的空间
‑
光谱相关性及分辨率互补特性，通过交替优化得到高空间分辨率高光谱图像的核张量和因子矩阵；所述噪声抑制策略是通过引入张量γ范数对核张量进行低秩约束来抑制噪声。2.根据权利要求1所述高光谱
‑
多光谱图像的去噪融合方法，其特征在于，所述目标融合图像满足以下关系式：其中，表示目标融合图像，表示核张量；W表示包含n
w
个原子的空间因子矩阵；H表示包含n
h
个原子的空间因子矩阵；S表示包含n
b
个原子的光谱因子矩阵；n
w
表示核张量的宽度值，n
h
表示核张量的高度值，n
b
表示核张量的光谱波段数；w表示原始高光谱图像的宽度像素值，h表示原始高光谱图像的高度像素值，b表示原始高光谱图像的光谱波段数值。3.根据权利要求1所述高光谱
‑
多光谱图像的去噪融合方法，其特征在于，所述原始高光谱图像满足以下关系式：其中，表示为原始高光谱图像；表示为空间下的采样值，表示为高光谱图像出现的高斯噪声，表示高光谱图像中出现的条带噪声。4.根据权利要求3所述高光谱
‑
多光谱图像的去噪融合方法，其特征在于，所述空间下的采样值满足以下关系式：其中，表示为空间下的采样值；表示为目标融合图像；P1表示为沿宽度模的下采样矩阵；P2表示为沿高度模的下采样矩阵。5.根据权利要求1所述高光谱
‑
多光谱图像的去噪融合方法，其特征在于，所述多光谱原始图像满足以下关系式：其中，表示为多光谱原始图像，表示为光谱下的采样值，表示为多光谱图像中出现的高斯噪声。6.根据权利要求5所述高光谱
‑
多光谱图像的去噪融合方法，其特征在于，所述光谱下的采样值满足以下关系式：其中，表示为光谱下的采样值；表示为目标融合图像；P3表示为光谱维的下采
样矩阵。7.根据权利要求1所述高光谱
‑
多光谱图像的去噪融合方法，其特征在于，所述目标融合模型满足以下关系式：其中，表示目标融合模型；表示为原始高光谱图像；表示核张量；表示高光谱图像中出现的条带噪声；W表示包含n
w
个原子的空间因子矩阵；H表示包含n
h
个原子的空间因子矩阵；S表示包含n
b
个原子的光谱因子矩阵；S
*
表示光谱下采样字典；W*表示宽度模的下采样字典；H
*
表示高度模的下采样字典；是指空间退化过程的数据保真度项值，是指光谱退化过程的数据保真度项值，表示第i模的权重，；表示核张量第i模展开矩阵的γ范数；表示条带噪声的L2,1范数；是权重正则化参数。8.根据权利要求1所述高光谱
‑
多光谱图像的去噪融合方法，其特征在于，所述通过交替优化得到高空间分辨率高光谱图像的核张量和因子矩阵，包括以下步骤：固定H参数、S参数和参数后，对W参数进行迭代优化，以获得目标W参数；固定W参数、S参数和参数，对H参数进行迭代优化，以获得目标H参数；固定W参数、H参数和参数，对S参数进行迭代优化，以获得目标S参数；固定W参数、H参数和S参数，对参数进行迭代优化，以获得目标参数；其中，表示核张量；表示高光谱图像中出现的条带噪声；W...

【专利技术属性】
技术研发人员：孔祥阳，李登万，邱黎明，唐延东，钟铃，
申请(专利权)人：四川工程职业技术学院，
类型：发明
国别省市：