[发明专利]一种基于非凸低秩矩阵分解的高光谱图像去噪方法

说明书

本发明公开了一种基于非凸低秩矩阵分解的高光谱图像去噪方法，包括了以下步骤：1，分割高光谱图像；2，生成矩阵；3，非凸低秩矩阵分解；4，还原子块；5，还原高光谱图像据，最后得到去噪后的高光谱图像。本发明为遥感高光谱图像去噪提供了一种高效、快速地去除各种噪声的方法。

技术领域

本发明隶属于计算机图像、信息处理技术、遥感技术等领域，尤其涉及一种基于非凸低秩矩阵分解的高光谱图像去噪方法。

背景技术

随着数字遥感技术的快速发展，高光谱图像广泛应用于军事侦察、环境科学、地质勘探、生物医学成像等领域。由于传感器的机械故障，图像传输故障等等各种因素的影响，高光谱图像在采集与传输过程中不可避免地会受到各种噪声，例如高斯噪声、脉冲噪声、条纹等的污染，严重制约了高光谱图像的进一步应用。同时，高光谱图像维数的急剧增长，导致了“维数灾难”。因此，设计一种既可以去除各种混合噪声，同时可以解决“维数灾难”的高光谱图像去噪方法成为了遥感图像应用中关键技术之一。

传统的高光谱去噪方法往往有以下缺陷：1)仅仅考虑高斯白噪声，但是在高光谱图像中往往含有多种混合噪声；2)仅仅用到单波段图像信息，没有考虑高光谱图像中丰富的地物空间特性和光谱特性。近年来，随着压缩感知理论的蓬勃发展，基于低秩矩阵分解的高光谱图像去噪方法越来越受到广大研究者的关注。此类算法多以核范数凸近似矩阵秩函数。然而，基于核范数的低秩矩阵分解算法在高光谱图像去噪中往往出现以下几种问题：

1、充分利用了高光谱图像丰富的光谱信息，但是只能有效地去除高斯噪声和部分稀疏噪声；

2、基于核范数的凸模型在实际高光谱图像去噪中实际效果差，并伴随着高光谱图像维数的增长，计算时间显著延长；

3、基于核范数的凸模型往往会导致矩阵秩估计过大，导致条带噪声无法去除；

4、基于双边随机投影的低秩矩阵分解算法，往往需要提前给出矩阵的秩等先验信息。

参考文献：

[1]Dabov K,Foi A,Katkovnik V,et al.Image denoising by sparse 3-Dtransform-domain collaborative filtering[J].IEEE Transactions on ImageProcessing,2007,16(8):2080-95.

[2]Zhang H,He W,Zhang L,et al.Hyperspectral Image Restoration UsingLow-Rank Matrix Recovery[J].IEEE Transactions on Geoscience and RemoteSensing,2014,52(8):4729-4743.

[3]He W,Zhang H,Zhang L,et al.Hyperspectral Image Denoising viaNoise-Adjusted Iterative Low-Rank Matrix Approximation[J].IEEE Journal ofSelected Topics in Applied Earth Observations and Remote Sensing,2015,8(6):1-12.

[4]Xie Y,Qu Y,Tao D,et al.Hyperspectral Image Restoration viaIteratively Regularized Weighted Schatten,p-Norm Minimization[J].IEEETransactions on Geoscience and Remote Sensing,2016,54(8):4642–4659.

发明内容