【技术实现步骤摘要】
本专利技术涉及高光谱图像去噪领域，具体涉及一种基于加权schatten p-范数最小化的高光谱图像去噪方法。
技术介绍
1、随着图像去噪技术的不断进步，低秩模型由于其在处理复杂数据结构方面的有效性，已成为图像处理，尤其是高光谱图像去噪领域的关键技术。低秩技术是指将高维数据通过线性变换映射到低维空间中的一种方法。这种方法利用了高维数据在低维空间中的低秩性质，通过找到数据矩阵的最优低秩近似，实现了数据的降维和压缩，为高光谱图像去噪提供了全新的解决思路。
2、近年来，有许多基于低秩模型的高光谱图像去噪方法被提出。例如，一种基于低秩矩阵恢复(lrmr)的高光谱图像去噪模型，使用了凸的核范数来逼近秩函数来获得干净的高光谱图像。然而，核范数最小化会过度的收缩包含重要信息的大奇异值，导致了秩函数的有偏估计，无法从受到严重噪声污染的高光谱图像中成功恢复出干净的图像，并会丢失大量细节。针对这一缺点，许多基于非凸算子的方法被提出并用于高光谱图像去噪以更好的恢复高光谱图像的细节。
3、比如，使用加权schatten p-范数、γ-范数...
【技术保护点】
1.一种基于加权Schatten p-范数最小化的高光谱图像去噪方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于空间与光谱加权Schatten p-范数最小化的高光谱图像去噪方法，其特征在于，所述高光谱图像的三维数据模型为：
3.根据权利要求1所述的一种基于空间与光谱加权Schatten p-范数最小化的高光谱图像去噪方法，其特征在于，所述步骤S3包括以下子步骤；
4.根据权利要求1所述的一种基于空间与光谱加权Schatten p-范数最小化的高光谱图像去噪方法，其特征在于，所述步骤S4包括以下子步骤：
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。