基于压缩感知的TASI数据去噪方法研究

发布时间：2017-09-05 08:36

  本文关键词：基于压缩感知的TASI数据去噪方法研究

  更多相关文章： 去噪 压缩感知 TASI 数据 字典学习

【摘要】：论文以“热红外高光谱矿化蚀变矿物提取方法研究与应用示范”项目为依托,高光谱数据的去噪一直是近年来研究的热点问题,常用遥感影像去噪方法常简单地利用噪声和信息在频域的差异分布来作为去噪的理论依据,但实际上噪声与信息在全频域均有分布,难以实现信息与噪声的完全有效分离。本文主要针对高光谱TASI数据进行去噪处理,在去噪方法上引入了压缩感知技术,图像的细节和有效信息可以在合适的过完备字典下(近似)稀疏表达,而噪声由于其随机性在该字典下不具有稀疏性的方法进行去噪,因此研究了一套针对TASI数据的自适应字典学习方法。本文的主要工作成果如下:1.系统分析了高光谱TASI数据的特性,研究了TASI数据噪声来源及分布情况,得出用高斯白噪声作为其讨论的噪声,用加性噪声模型作为其含噪模型;系统评估了TASI数据32个波段的噪声分布情况,得出TASI数据噪声主要集中在后三个波段(30、31、32波段)的结论。2.研究压缩感知相关理论,采用常用图像去噪方法和压缩感知去噪方法对加入高斯白噪声的单波段TASI数据进行仿真实验。对两种方法的去噪结果进行对比分析,从主观视觉和定量评价方面,压缩感知去噪方法都要优于常用图像去噪方法。3.针对TASI数据,提出一种基于压缩感知理论的自适应字典的图像去噪方法,该字典可以利用图像自身信息进行字典训练,克服固定字典在结构上的单一性。利用自适应字典(Trained)对TASI数据进行去噪,对比固定字典(DCT字典)和全局字典(Global字典)的去噪结果,自适应字典去噪方法优于其它两种字典去噪方法。
【关键词】：去噪 压缩感知 TASI 数据 字典学习
【学位授予单位】：中国地质大学(北京)
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：P627
【目录】：

• 摘要5-6
• Abstract6-10
• 第一章 绪论10-15
• 1.1 研究背景及意义10-11
• 1.2 国内外研究现状11-13
• 1.2.1 高光谱图像去噪技术发展现状11-12
• 1.2.2 压缩感知图像去噪技术发展现状12-13
• 1.3 主要研究内容及技术路线13-15
• 1.3.1 研究内容13-14
• 1.3.2 技术路线14-15
• 第二章 压缩感知基本理论15-27
• 2.1 引言15-18
• 2.2 稀疏表示18-19
• 2.3 感知测量19-22
• 2.3.1 观测矩阵性能19-20
• 2.3.2 常用观测矩阵20-22
• 2.4 稀疏重构22-27
• 2.4.1 凸优化算法23
• 2.4.2 贪婪算法23-25
• 2.4.3 组合重构算法25-26
• 2.4.4 贝叶斯重构算法26-27
• 第三章 TASI数据的噪声分析27-33
• 3.1 高光谱TASI数据分析27-28
• 3.2 噪声来源及特性分析28-30
• 3.2.1 噪声特性28-29
• 3.2.2 含噪模型29-30
• 3.3 噪声评估30-33
• 第四章 常用图像去噪思路及方法33-42
• 4.1 空间域去噪方法33-37
• 4.1.1 均值滤波去噪33-35
• 4.1.2 中值滤波去噪35-36
• 4.1.3 维纳滤波去噪36-37
• 4.2 变换域去噪方法37-42
• 4.2.1 低通滤波法去噪37-39
• 4.2.2 小波去噪39-42
• 第五章 基于自适应字典的高光谱图像去噪42-70
• 5.1 字典获取方法42-47
• 5.1.1 固定字典42-43
• 5.1.2 学习字典43-47
• 5.2 基于自适应字典的去噪模型47-52
• 5.2.1 从局部到全局的贝叶斯重建47-50
• 5.2.2 自适应字典的学习方法50-52
• 5.3 图像质量评价标准52-54
• 5.3.1 主观评价标准52-53
• 5.3.2 客观评价标准53-54
• 5.4 基于自适应字典的高光谱图像去噪实例54-70
• 5.4.1 实验设计54-55
• 5.4.2 实验结果及分析55-70
• 第六章 结论及展望70-72
• 6.1 结论70-71
• 6.2 存在的不足和展望71-72
• 致谢72-73
• 参考文献73-76
• 附录76

【相似文献】

中国期刊全文数据库 前10条

1 王香菊;;图像去噪方法及应用[J];科技情报开发与经济;2007年27期

2 杨文国;;基于扩散方程的图像去噪[J];科技风;2008年20期

3 ;图像去噪新技术让数码照片更清晰[J];广西科学院学报;2010年01期

4 杜卫平;;基于方向扩散的线性扩散图像去噪方法[J];西安文理学院学报(自然科学版);2010年03期

5 吴慧伶;;一类带时滞的图像去噪模型解的存在性[J];丽水学院学报;2012年05期

6 罗忠亮,王修信,胡维平;小波图像去噪研究方法概述[J];广西科学;2004年03期

7 曾步衢;刘扬;高昱光;;基于小波的数字图像去噪研究[J];科技信息(学术研究);2008年17期

8 ;图像去噪新技术让数码照片更清晰[J];广西科学;2009年02期

9 吴玲;;基于数字图像去噪的方法分析[J];科技信息;2010年06期

10 沈永顺;;基于偏微分方程的常用图像去噪方法比较研究[J];科技广场;2011年09期

中国重要会议论文全文数据库 前10条

1 刘旨春;朱伟;盛磊;;基于邻域特性的小波阈值图像去噪方法[A];第九届全国信息获取与处理学术会议论文集Ⅱ[C];2011年

2 陈仙红;屈小波;郭迪;宁本德;陈忠;;自适应方向小波在磁共振图像去噪中的应用[A];第十七届全国波谱学学术会议论文摘要集[C];2012年

3 韩希珍;赵建;;基于偏微分方程的图像去噪[A];第八届全国信息获取与处理学术会议论文集[C];2010年

4 殷明;刘卫;;基于非高斯分布的四元数小波图像去噪[A];全国第22届计算机技术与应用学术会议(CACIS·2011)暨全国第3届安全关键技术与应用（SCA·2011）学术会议论文摘要集[C];2011年

5 侯艳芹;李均利;魏平;陈刚;;一种新的基于模糊均差和小波阈值的医学图像去噪方法[A];第十三届全国图象图形学学术会议论文集[C];2006年

6 刘曙光;费佩燕;屈萍鸽;;基于对偶树复小波的图像去噪技术研究[A];2009中国仪器仪表与测控技术大会论文集[C];2009年

7 周利利;张晓明;;基于小波变换的图像去噪研究[A];2009全国测绘科技信息交流会暨首届测绘博客征文颁奖论文集[C];2009年

8 王文;康锡章;王晓东;;基于小波域HMT的航空侦察图像去噪方法[A];'2003系统仿真技术及其应用学术交流会论文集[C];2003年

9 倪永婧;王成儒;;一种纹理图像去噪方法的研究[A];2006中国控制与决策学术年会论文集[C];2006年

10 邓超;;基于改进神经网络的CCD图像去噪方法研究[A];武汉(南方九省)电工理论学会第22届学术年会、河南省电工技术学会年会论文集[C];2010年

中国博士学位论文全文数据库 前10条

1 张伟;具有扩散—波动调和特性的图像去噪方法[D];上海交通大学;2014年

2 刘孝艳;变分、PDE和非局部滤波在图像去噪中的应用研究[D];西安电子科技大学;2015年

3 罗亮;基于MCMC采样的非局部图像去噪方法研究[D];西安电子科技大学;2015年

4 廖帆;四方向全变分在图像去噪问题中的应用[D];东南大学;2015年

5 杨昊;图像去噪中几种优化算法的相关研究[D];电子科技大学;2016年

6 刘红毅;结构保持的图像去噪方法研究[D];南京理工大学;2011年

7 侯迎坤;非局部变换域图像去噪与增强及其性能评价研究[D];南京理工大学;2012年

8 侯建华;基于小波及其统计特性的图像去噪方法研究[D];华中科技大学;2007年

9 庞志峰;图像去噪问题中的几类非光滑数值方法[D];湖南大学;2010年

10 褚标;小波理论在图像去噪与纹理分析中的应用研究[D];合肥工业大学;2008年

中国硕士学位论文全文数据库 前10条

1 陈龙;偏微分方程扩散模型在图像去噪中的应用[D];昆明理工大学;2015年

2 李孟娇;基于压缩感知的图像去噪理论研究[D];长安大学;2015年

3 杨巧;新的TV改进模型以及在SAR图像去噪中的应用[D];陕西师范大学;2015年

4 颜珂;高通量基因测序碱基识别中图像去噪的方法研究[D];哈尔滨工业大学;2015年

5 迟广元;两类图像去噪模型的若干数值新方法研究[D];华北电力大学;2015年

6 陈会娟;噪声的估计及基于快速NLM的去除[D];华侨大学;2015年

7 温海娇;图像去噪与恢复[D];南京航空航天大学;2014年

8 范旭;基于Contourlet变换的SAR图像去噪研究[D];西安电子科技大学;2015年

9 田刚;基于非局部均值的MRI图像去噪研究[D];西安电子科技大学;2014年

10 范婷;基于字典学习的图像去噪方法研究[D];西安电子科技大学;2014年

，

本文编号：796949