[发明专利]一种改进的高光谱图像去噪方法

摘要

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。

主权项

1.一种改进的高光谱图像去噪方法，其特征在于包括以下步骤：(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；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；(3‑2)对去噪模型求解，得到原始无噪数据A，具体包括：(3‑2‑1)将去噪模型转变成以下等价形式：s.t. D＝A+E+N，A＝J(3‑2‑2)其增广拉格朗日函数为：式中，Y₁和Y₂为系数矩阵，μ为步长；(3‑2‑3)固定其他项来更新J：其中，针对核函数和F范数采用奇异值阈值的方法来求解，形如⊙_k表示第k次迭代时⊙的值；(3‑2‑4)固定其他项来更新A：(3‑2‑5)固定其他项来更新E：(3‑2‑6)固定其他项来更新N：(3‑2‑7)固定其他项来更新Y₁&Y₂：Y_1，k+1＝Y_1，k+μ_k(D‑A_k+1‑E_k+1‑N_k+1)Y_2，k+1＝Y_2，k+μ_k(A_k+1‑J_k+1)(3‑2‑8)固定其他项来更新μ：式中，ρ表示迭代步长，ε₀表示迭代阈值；(3‑2‑9)判断终止条件：||D‑A‑E‑N||_∞＜ε₁||J‑A||_∞＜ε₂式中，ε₁表示设定的阈值，ε₂表示设定的阈值；(3‑2‑10)迭代终止后，得到无噪数据A；(4)采用原始无噪数据恢复出三维无噪高光谱图像。