基于稀疏约束和低秩逼近的高光谱图像混合噪声去除方法

《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》：Hyperspectral Image Mixed Noise Removal Based on Sparsity Constraint and Low-Rank Approximation

　　

摘要：

高光谱图像（HSIs）在采集过程中经常受到各种噪声的干扰，从而导致图像质量下降。因此，对HSIs进行去噪处理是进一步应用这些图像的必要预处理步骤。在本文中，我们提出了一种基于稀疏约束和低秩近似（SCLA）的HSI去噪框架。SCLA同时利用HSIs的全局低秩结构、稀疏先验以及局部空间-光谱平滑性来构建去噪模型，以去除异质高斯噪声、脉冲噪声和条纹混合噪声。我们采用Split Bregman方法来解决SCLA模型的优化问题。通过一系列实验验证了SCLA结构的有效性。与其他去噪方法相比，基于模拟和真实数据的实验结果表明，SCLA在去除高斯噪声、脉冲噪声和条纹混合噪声方面具有显著的定量和视觉优势。