张量环分解和空谱全变分的高光谱图像恢复算法

高光谱图像在采集和转换中会受到各种污染,目前在Tucker或CP上进行的多数去除噪声算法会改变信号固有的结构,对张量秩的最优估计非常困难.为此,提出基于张量环分解和空间光谱全变分的高光谱图像恢复模型:利用张量环分解的张量核范数和空间光谱全变分来约束低秩,更好地探索全局空间结构和相邻波段的频谱相关性,并利用增广拉格朗日算法求解此模型.数值实验表明,模型去除噪声后的图像清晰,PSNR、SSIM和FSIM三个指标均优于现有算法.

一种基于低秩先验的高光谱图像去噪算法

高光谱图像因含有十分丰富的光谱特征信息,在地物分类、目标检测等诸多领域都有着十分重要的应用。然而实际采集的高光谱图像常常含有非常复杂的噪声。这些噪声的存在不仅会严重影响图像质量,还会影响到后续的应用。因此,文章基于高光谱图像的低秩先验信息,提出了一种基于自适应全变分低秩恢复的高光谱图像去噪算法。该算法将空间-光谱自适应全变分模型引入到低秩恢复模型中,不仅可以消除高斯噪声,增强边缘信息,保留光谱特征,并且可以通过加入范数去除稀疏噪声。然后使用交替方向乘子法对提出的模型进行优化求解。实验方面,通过大量的仿真数据实验和真实数据实验,使用定量评价和视觉评价的方式验证了提出算法的有效性,能够更好地对高光谱图像中的噪声进行去除。