基于非局部低秩和全变分的多光谱图像去噪算法

在成像过程中,多光谱图像(MSI)通常会受到高斯噪声的污染,从而影响MSI的后续应用。为了去除高斯噪声,通过考虑沿光谱的全局相关性(GCS)和跨空间的非局部自相似性(NSS),提出了一种新的基于张量的去噪方法。为了同时捕获非局部相似性和光谱相关性,MSI首先被分割成重叠的三维全波段块,通过聚类算法将相似的块进行分组。再将每个三维全波段块展开成矩阵,然后把组内的相似块级联成三阶张量,利用张量核范数对该低秩张量进行正则化约束。为了避免这一操作产生的振铃效应,利用三维加权总变分探索光谱—空间平滑性。仿真实验表明:所提算法可以有效地利用内在的GCS和NSS知识,能够从退化的MSI中恢复出更加精细的信息,在综合的量化性能指标下优于对比方法。