基于加权块稀疏联合非凸低秩约束的高光谱图像去条带方法

针对高光谱图像(hyperspectral images,HSI)去条带易引起影像结构细节丢失问题,提出一种基于加权块稀疏(weighted block sparsity,WBS)正则化联合最小最大非凸惩罚(minimax concave penalty,MCP)约束的HSI去条带方法。本算法采用加权ℓ_(2),1范数和MCP范数对条带稀疏结构和低秩约束,ℓ_(1)范数对干净图像结构保持正则化约束,构建加权块稀疏和MCP约束的条带去除模型,采用交替方向乘子(alternating direction method of multipliers,ADMM)算法迭代求解对应模型,重建获得干净的HSI图像。实验结果表明,提出方法在实际HSI的平均等效视数从28.45提高到83.47,边缘保持指数较其他算法至少增加0.056,特别是对于非周期条带噪声,采用自适应权值更新稀疏水平,增强了组稀疏性,在保持影像边缘和加强区域平滑性方面性能更佳,去噪声效果更好。

一种推扫式卫星图像的相对辐射校正方法

由于推扫式成像卫星的各探元之间存在一定的响应差异,因此推扫生成的遥感图像在推扫方向上往往存在明显的条带现象。本文提出一种基于自适应滤波模板的推扫式卫星图像的相对辐射校正方法,首先,根据条带分布情况选择合适的一维非线性滤波器去除比较明显的条带噪声;然后,利用一维平滑滤波计算每个探元的增益和偏置等相对辐射校正系数;最后,利用校正系数去除细条带噪声。实验表明,该方法能够有效改善图像质量,使推扫方向的条带噪声得到有效去除,并且保留了图像细节信息。