针对现有方法不易确定划分高光谱图像子块的大小和个数,仅考虑子块内低秩性等不足,提出一种结合地物类别和低秩特性的高光谱图像降噪方法.根据地物数据先验知识的类别数,简单划分子块的个数,指定最优参数明确分块大小,再通过相同地物中...针对现有方法不易确定划分高光谱图像子块的大小和个数,仅考虑子块内低秩性等不足,提出一种结合地物类别和低秩特性的高光谱图像降噪方法.根据地物数据先验知识的类别数,简单划分子块的个数,指定最优参数明确分块大小,再通过相同地物中像素空间和光谱的相关性定义同物空谱低秩特性,最后结合整幅高光谱图像的光谱低秩特性,并根据低秩矩阵恢复模型求解降噪图像.在Washington DC Mall和Indian Pines数据集上进行实验,结果表明:所提方法不仅对每一类地物噪声的降噪效果有所提高,而且针对更为严重的随机噪声和稀疏噪声的混合噪声,也能够达到更好的降噪效果.展开更多
文摘针对现有方法不易确定划分高光谱图像子块的大小和个数,仅考虑子块内低秩性等不足,提出一种结合地物类别和低秩特性的高光谱图像降噪方法.根据地物数据先验知识的类别数,简单划分子块的个数,指定最优参数明确分块大小,再通过相同地物中像素空间和光谱的相关性定义同物空谱低秩特性,最后结合整幅高光谱图像的光谱低秩特性,并根据低秩矩阵恢复模型求解降噪图像.在Washington DC Mall和Indian Pines数据集上进行实验,结果表明:所提方法不仅对每一类地物噪声的降噪效果有所提高,而且针对更为严重的随机噪声和稀疏噪声的混合噪声,也能够达到更好的降噪效果.
