张量组稀疏表示的高光谱图像去噪算法

发布时间：2018-01-04 13:30

  本文关键词：张量组稀疏表示的高光谱图像去噪算法　出处：《测绘学报》2017年05期 　论文类型：期刊论文

  更多相关文章： 高光谱图像 张量 稀疏表示 非局部相似性

【摘要】：提出了一种基于张量组稀疏表示的高光谱遥感影像降噪。高光谱影像数据可视为三阶张量。首先,高光谱图像被划分为小的张量分块,然后,对相似的张量分块进行聚类,并对聚类分组进行稀疏表示。基于高光谱图像的空间非局部自相似性和光谱相关性,将张量组稀疏表示模型分解为一系列无约束低秩张量的近似问题,进而通过张量分解进行求解。对模拟和真实高光谱数据进行试验,验证了该算法的有效性。
[Abstract]:A hyperspectral remote sensing image denoising based on the sparse representation of Zhang Liang group is proposed. The hyperspectral image data can be regarded as the third order Zhang Liang. Firstly, the hyperspectral image is divided into small Zhang Liang blocks, and then the hyperspectral image is divided into blocks. The similar Zhang Liang is clustered and the clustering groups are represented sparsely. Based on the spatial nonlocal self-similarity and spectral correlation of hyperspectral images. The sparse representation model of Zhang Liang group is decomposed into a series of approximate problems of unconstrained and low-rank Zhang Liang, and then solved by Zhang Liang decomposition. Experiments on simulation and real hyperspectral data show that the algorithm is effective.
【作者单位】： 电子科技大学;中国科学院地理科学与资源研究所;中国科学院遥感与数字地球研究所;
【基金】：国家重点研发计划(2016YFB0501404;2016YFC1402003) 国家自然科学基金(41671436)~~
【分类号】：TP751
【正文快照】： 高光谱图像是由二维空间信息和一维光谱信息谱数据的处理、分析和应用非常重要。组成的三维数据,具有图谱合一且波段连续的特点,高光谱图像去噪方法是当前的研究热点问在军事监测、农业、林业、地质勘探和大气监控等多题,目前针对高光谱图像去噪问题提出了多种方个领域都得到

【参考文献】

相关期刊论文 前6条

1 黄芝娟;唐超影;陈跃庭;李奇;徐之海;冯华君;;基于非局部相似性和低秩矩阵的遥感图像重构方法[J];光学学报;2016年06期

2 崔宾阁;张杰;马毅;任广波;;高分辨率图像辅助提取高光谱图像端元[J];遥感学报;2014年01期

3 陈昭;王斌;张立明;;基于低秩张量分析的高光谱图像降维与分类[J];红外与毫米波学报;2013年06期

4 秦振涛;杨武年;潘佩芬;;基于稀疏表示和自适应字典学习的“高分一号”遥感图像去噪[J];光电工程;2013年09期

5 郭贤;黄昕;张乐飞;张良培;;采用张量子空间的高光谱影像多维滤波算法[J];测绘学报;2013年02期

6 杨可明;薛朝辉;贾涛涛;张涛;王立博;;高光谱影像小目标谐波分析探测模型[J];测绘学报;2013年01期

【共引文献】

相关期刊论文 前10条

1 王忠美;杨晓梅;顾行发;;张量组稀疏表示的高光谱图像去噪算法[J];测绘学报;2017年05期

2 杨可明;张文文;程龙;王晓峰;赵骏武;;玉米叶片重金属铜污染的ED-T-DSGA光谱分析模型[J];农业机械学报;2017年04期

3 袁其政;邵枫;郁梅;蒋刚毅;;基于联合字典的3D图像去块效应方法[J];光电工程;2016年08期

4 张从梅;孙权森;王超;封磊;顾一禾;;基于非局部自相似性的遥感图像稀疏去噪算法[J];遥感技术与应用;2016年04期

5 杨可明;刘二雄;卓伟;张婉婉;刘聪;;谐波能量谱特征向量的高光谱影像Bayes分类[J];计算机应用研究;2017年05期

6 唐超影;陈跃庭;李奇;冯华君;徐之海;;基于信号相关性的自适应时域视频压缩感知重建方法[J];光学学报;2016年10期

7 徐江明;;光谱曲线概率的高光谱影像小目标探测算法[J];黑龙江工程学院学报;2016年03期

8 汪国平;杨可明;卓伟;夏天;张文文;;高光谱影像端元数目估计的谐波分析假设检验模型[J];科学技术与工程;2016年15期

9 张涛;刘军;杨可明;罗文杉;张育育;;结合Gram-Schmidt变换的高光谱影像谐波分析融合算法[J];测绘学报;2015年09期

10 刘飞;杨可明;孙阳阳;魏华锋;史钢强;;谐波分析红边光谱监测玉米重金属污染[J];湖北农业科学;2015年15期

【二级参考文献】

相关期刊论文 前10条

1 翁嘉文;秦怡;杨初平;李海;;单幅弱相干光数字全息图的压缩感知重建[J];激光与光电子学进展;2015年10期

2 谭诗语;刘震涛;李恩荣;韩申生;;基于先验图像约束的多光谱压缩感知[J];光学学报;2015年08期

3 唐超影;陈跃庭;李奇;冯华君;徐之海;;基于视频重建的颤振探测与图像复原方法[J];光学学报;2015年04期

4 吴建荣;沈夏;喻虹;陈U，

本文编号：1378733