科研之友
微信
新浪微博
Facebook
分享链接
摘要
高光谱图像(HSI)具有良好的光谱识别能力，但在采集过程中易受到混合噪声的污染，严重影响了后续任务的精度，因此HSI去噪是重要的预处理过程。针对现有去噪方法对空间-光谱先验信息利用不足、条纹噪声建模不合理的问题，提出一种新的基于群稀疏正则化的高光谱图像去噪算法。该算法将干净HSI的空间-光谱低秩特性和各波段上条纹噪声的低秩结构融入一个新框架，实现了干净HSI与高强度结构化条纹噪声的分离；同时为了有效保持图像的边缘信息，在去噪模型中引入新的群稀疏正则化，即基于L2,1范数的增强型三维全变分正则化(enhanced 3D total variation, E3DTV),充分挖掘HSI差分图像的稀疏先验信息，进一步提升了图像的分段平滑性。采用交替方向乘子法对变量优化求解，在仿真和真实数据集上进行数值实验表明，所提模型具有更好的去噪和去条纹性能，在视觉效果和定量评价结果上都明显优于其他对比算法。
- 单位
