基于局部截断核范数的高光谱图像去噪优化

高光谱图像(HSI)在采集过程中易受到环境或者采集设备的干扰,遥感数据信息会受到大幅的损失,因此高光谱图像去噪是图像预处理的基本问题。设计去噪算法,将HSI划分为局部等分块,采用低秩矩阵约束表征局部特征,并在其基础上利用截断核范数最小化方法来分离出稀疏噪声,全局利用空间-光谱全变分正则化实现分离密度噪声和维持空间-光谱平滑性的目的,两者结合能高效去除高斯噪声、椒盐噪声等的混合噪声。对所提优化算法与其他4种近几年发表的去噪算法进行对比,平均结构相似度提高0.13,平均峰值信噪比提高1.10 dB,运用到不同强度的单一类型噪声中,平均结构相似度也能提高0.10。在实际图像的放大对比中,所提优化算法也有着明显的噪点去除效果。实验结果证明,所提方法对高光谱图像在局部特征表述上更加贴近,结合全局正则化方法后获得更明显的去噪效果,能够对高密度噪声和稀疏噪声有清除作用。