基于张量低秩先验的高光谱图像复原

发布时间：2021-05-16 07:00

　　高光谱图像携带大量的空间和光谱信息,为人们研究地表物体的特性、进行地物识别创造了条件,使其在多个领域受到广泛的应用和关注。然而,高光谱遥感数据在获取过程中受到各种因素的影响,存在着各种不同程度的退化,进而影响后续的处理与应用。给人们在图像处理、信息分析、分类和检测等方面提出了严峻的挑战,因此,高光谱图像的复原是数字图像处理的一个重要的内容,对于提升图像质量有重要的意义。本论文在总结高光谱复原问题现状的基础上,通过对高光谱图像自身特性的深入分析,挖掘高光谱图像的空间稀疏与光谱低秩先验知识,研究了空间稀疏与光谱低秩联合正则化建模,并设计了相应的高效算法。论文的主要工作和研究成果如下:1.阐明了高光谱图像处理和分析的发展现状及亟需解决的若干问题,归纳了现有高光谱图像复原的理论和方法,详细分析了基于空间稀疏和张量低秩等模型在高光谱图像处理和分析中的应用潜力和存在问题,如:LRTV复原模型、基于克罗内克基的张量复原模型。2.针对高光谱复原问题,提出了一种基于张量截断核范数的低秩约束和空谱全变差正则化的方法来实现高光谱遥感图像超分辨复原。首先分析高光谱遥感数据的两种低秩先验:光谱低秩先验和空间稀疏... 

【文章来源】：西北农林科技大学陕西省 211工程院校 985工程院校 教育部直属院校

【文章页数】：49 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
        1.2.1 高光谱图像去噪
        1.2.2 HSI超分辨率重构
第二章 高光谱图像复原模型相关理论背景
    2.1 高光谱图像复原模型
        2.1.1 复原模型
        2.1.2 图像质量评价标准
    2.2 有关张量的理论
第三章 基于张量截断核范数的LRTV模型
    3.1 引言
    3.2 超分辨率图像重构
        3.2.1 数据的低秩先验
        3.2.2 LRTV重构模型
        3.2.3 TNN-LRTV重构模型
        3.2.4 TNN-LRTV模型求解
第四章 基于张量克罗内克基的超分辨率重构模型
    4.0 引言
    4.1 对数函数的稀疏表示
    4.2 KBR模型和它的求解方式
    4.3 基于KBR的超分辨率重构模型
第五章 实验结果
第六章 总结
参考文献
致谢
个人简历



本文编号：3189215