基于复值特征子空间的高光谱图像去噪

发布时间：2021-04-05 07:51

　　针对传统的高光谱图像去噪方法忽视高光谱图像强烈的谱间相关性和图谱合一的问题,提出了一种基于复值特征子空间的高光谱图像去噪方法.该方法首先基于光谱数据的相似性对复域信号进行奇异值分解（Singular Value Decomposition,SVD）分析,选择最能代表信号子空间的最优低维特征子空间,然后基于非局部复域块匹配3D（Complex-Domain Block-Matching 3D,CDBM3D）滤波器对特征图像进行滤波.实验结果表明,本文算法对噪声具有较强的鲁棒性,可以有效恢复低信噪比的高光谱数据.与其他方法相比,本文方法在所有波长的RRMSE值最小的情况下准确性最佳. 

【文章来源】：西南师范大学学报(自然科学版). 2020,45(10)北大核心

【文章页数】：8 页

【部分图文】：

波长为446 nm时的去噪效果图

图4和图5给出了对干涉相位复合图像和包裹相位图像进行滤波时, 不同去噪方法的全波段RRMSE值的比较结果. 可以看出, 本文方法具有最佳性能, 尽管在波长间隔不同部分的相位图像之间存在很大差异, 本文算法仍可以实现所有波长的高质量去噪. 这是因为所提方法利用CDBM3D同时对噪声图像的相位和幅度进行去噪, 并且其基函数是自适应变化的, 从而提高了估计的精度.图5 不同算法对包裹相位图像进行滤波后的RRMSE

图4 不同算法对干涉相位复合图像进行滤波后的RRMSE表1 各算法去噪结果 方法 BM3D 文献[12] 文献[13] 本文算法 MPSNR 34.73 36.95 33.05 37.06 MSSIM 0.909 1 0.969 8 0.981 3 0.985 7

【参考文献】：
期刊论文
[1]多旋翼无人机载高光谱成像系统几何和辐射校正方法研究[J]. 周蕊,欧毅,虞豹,王茜.  西南大学学报(自然科学版). 2019(09)
[2]基于曲率约束因子与边缘加权法则的图像修复算法[J]. 韩栋,王春华.  西南师范大学学报(自然科学版). 2019(03)



本文编号：3119440