结合PCA及字典学习的高光谱图像自适应去噪方法

发布时间：2017-10-17 23:08

  本文关键词：结合PCA及字典学习的高光谱图像自适应去噪方法

  更多相关文章： 高光谱遥感 主成分分析 噪声估计 奇异值分解 字典学习

【摘要】：高光谱图像各波段图像噪声分布复杂,传统去噪方法难以达到理想效果。针对这一问题,在主成分分析(PCA)的基础上,结合噪声估计和字典学习,提出一种新的高光谱去噪方法。首先,对原始高光谱数据进行主成分变换得到一组主成分图像并根据能量比重将其划分为清晰图像组和含噪图像组;然后,根据任一波段图像的信息,利用奇异值分解(SVD)对图像进行噪声估计,再将得到的噪声估计方法与K-SVD字典学习去噪算法结合,提出一种具备自适应噪声估计特性的字典学习去噪算法,并将其应用于信息量较小的含噪图像组进行去噪处理;最后,按各主成分图像对应的信息量比例进行加权融合得到最终的去噪图像。通过对模拟与实际高光谱遥感图像的实验表明,与PCA、PCA-Bish、PCA-Contourlet三种去噪方法相比,所提方法去噪后图像的峰值信噪比(PSNR)可以提升1~3 dB,且具有更多的细节信息和更好的视觉效果。
【作者单位】： 河北工业大学电子与信息工程学院;中国科学院电子学研究所;中国科学院大学;
【关键词】： 高光谱遥感 主成分分析 噪声估计 奇异值分解 字典学习
【基金】：国家自然科学基金资助项目(51208168) 天津市自然科学基金资助项目(13JCYBJC37700) 河北省自然科学基金资助项目(E2016202341) 大学生创新创业训练计划项目(河北省重点)(201510080051)~~
【分类号】：TP751
【正文快照】： 0引言近些年来,高光谱遥感图处理技术得到了广泛关注,并已被成功应用于农业、林业、环境监测、考古探索、军事侦察等多个领域中[1]。高光谱遥感图像可以看作是由一维光谱信息和二维空间信息联合组成的三维数据块。然而,由于太阳光经地面反射后穿过大气时会发生散射,散射光到达

【相似文献】

中国期刊全文数据库 前10条

1 曹静;钟毓宁;王侃;;主成分分析在评定名牌企业中的应用[J];仪器仪表学报;2006年S3期

2 查伟雄,黎新华;影响货车中时的主成分分析[J];铁道学报;2000年06期

3 高长元,丁雪伟,綦良群;高新技术产品的主成分分析评价法[J];哈尔滨理工大学学报;2000年01期

4 王美华;广东省主要城市综合经济实力的评价[J];中南工学院学报;2000年03期

5 冯炜,申恩平;企业家创业动因和障碍的主成分分析模型[J];沈阳工业大学学报;2003年02期

6 张立华;金浩;邢会;张英民;;河北省经济可持续发展的全局主成分分析[J];河北工业大学学报;2006年02期

7 王鸣涛;叶春明;;基于主成分分析的我国区域专利实力评价研究[J];河南机电高等专科学校学报;2010年02期

8 唐自来;王娟娟;;基于主成分分析的建筑业上市公司经营业绩评价[J];中国证券期货;2012年09期

9 李军;聂春晖;杨建中;;基于主成分分析的多路阀再制造质量回归模型优化[J];液压气动与密封;2013年07期

10 李瑜祥;;主成分分析程序及其应用[J];自动化仪表;1987年04期

中国重要会议论文全文数据库 前10条

1 么彩莲;魏宁;;关于主成分分析的改进方法探讨[A];中国现场统计研究会第12届学术年会论文集[C];2005年

2 陈明星;缪柏其;靳韬;;利率影响因素的主成分分析与因子分析[A];中国现场统计研究会第12届学术年会论文集[C];2005年

3 孙晓东;胡劲松;焦s，

本文编号：1051564