[发明专利]一种改进的高光谱图像去噪方法

说明书

本发明公开了一种改进的高光谱图像去噪方法，包括以下步骤：(1)将待去噪的高光谱图像转换成空间光谱联合的二维矩阵；(2)根据空间光谱联合的二维矩阵，采用基于欧式距离的近邻相似度计算策略计算高光谱图像的像素点与近邻的空间相似度；(3)结合像素点空间局域相似性和光谱间低秩性建立去噪模型，恢复出原始无噪数据；(4)采用原始无噪数据恢复出三维无噪高光谱图像。本发明较为显著地提高了去噪的效果,可以针对实时响应和高精度不同需求的应用场景给出可靠的高光谱图像分类。

技术领域

本发明涉及高光谱图像处理领域，特别涉及一种改进的高光谱图像去噪方法。

背景技术

近年来，高光谱图像以其拥有丰富的光谱信息和能够对地物进行识别的空间信息受到了越来越多的关注。并且其已成功地在考古发现、地质勘探、深林火灾检测、大气监控、军事作战等领域得到广泛的应用和产生深远的影响。然而高光谱图像在采集和传输的过程中，往往会受到多种不同类型噪声的污染，很大程度降低了数据的可靠性，而且还对后续的解混、分割和目标检测等造成严重的影响。因此，研究高光谱图像去噪技术在其应用当中是非常有必要的。

目前出现的基于光谱信号和二维图像去噪技术的高光谱图像去噪算法，都取得了不错的效果。但由于高光谱图像具有丰富的光谱信息和空间信息等特点，单一地利用光谱信息或者空间信息进行去噪，就其去噪效果而言是远远不够的。

发明内容

发明目的：本发明为了解决高光谱图像采集、传输过程等可能出现噪声的问题，提出了一种改进高光谱图像去噪方法,较为显著地提高了去噪的效果,可以针对实时响应和高精度不同需求的应用场景给出可靠的高光谱图像分类。

技术方案：本发明所述的改进的高光谱图像去噪方法，包括以下步骤：

(1)将待去噪的高光谱图像转换成空间光谱联合的二维矩阵；

(2)根据空间光谱联合的二维矩阵，采用基于欧式距离的近邻相似度计算策略计算高光谱图像的像素点与近邻的空间相似度；

(3)结合像素点空间局域相似性和光谱间低秩性建立去噪模型，恢复出原始无噪数据；

(4)采用原始无噪数据恢复出三维无噪高光谱图像。

进一步的，步骤(1)具体包括：

(1-1)获取待去噪的高光谱图像X∈R^m×n×b，其中，m、n分别是其空间结构的行数和列数，b是波段数；

(1-2)将高光谱图像X的第i个像素点在所有波段上的值记为一个向量d_i，i＝1,2,...,mn，mn是像素点数；

(1-3)将所有向量进行集合，即为空间光谱联合的二维矩阵D＝[d₁，d₂，…，d_mn]。

进一步的，步骤(2)具体包括：

(2-1)定义高光谱图像的模型为：D＝A+E+N，其中，A代表原始无噪数据，具有低秩特性，且A＝[a₁，a₂，...，a_mn]，向量α_i表示去噪后的第i个像素点在所有波段上的值，E代表稀疏噪声，N代表高斯噪声；

(2-2)计算像素点的空间相似度S：其中，σ表示标准差，tr(·)表示矩阵的迹，L是拉普拉斯矩阵。

进一步的，步骤(3)具体包括：

(3-1)结合空间像素点的相似性和光谱间低秩性，建立去噪模型为：

s.t.D＝A+E+N

式中，λ、γ、β分别为系数噪声项、高斯噪声项和空间邻域信息的折中因子；