欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2020106838662
申请人: 南京邮电大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于低秩和全变分约束的高光谱图像去噪方法,其特征在于,其具体操作步骤如下:步骤(1.1)、从遥感传感器中得到含有混合噪声的高光谱图像Y;利用提取矩阵Ri,j提取其中的图像块Yi,j,计算Yi,j的非局部滤波步骤(1.2)、采用非局部滤波的先验信息 引导图像块Yi,j低秩优化求解;其具体步骤如下:基于鲁棒主成分分析的非局部滤波为:其中,正则化系数λ1表示稀疏噪声的平衡系数,λ2表示非局部滤波的平衡系数,rank(Li,j)表示Li,j的秩,r表示期望秩约束,ε表示终止误差;

利用增广拉格朗日函数交替迭代优化求解Li,j子优化问题和Si,j子优化问题:Li,j子优化问题:

通过转化为求解核范数最小化问题:

其中,A表示: 式(3)通过奇异值阈值求解,即:

*

Li,j=UΣrV,Σr=diag({ηi}1≤i≤r)        (4)*

其中,UΣrV 是A关于秩r约束的奇异值分解,U和V分别表示左右正交矩阵;Dδ表示软阈值求解算子,即:Dδ(Σr)=diag{max(ηi‑δ,0)}                              (5)Si,j子优化问题:使用软阈值算法求解式(6),即 表示拉格朗日乘子,表示软阈值操作,即:

更新拉格朗日乘子 μ表示惩罚系数,计算误差满足则输出去噪图像块Li,j;

步骤(1.3)、采用空‑谱全局全变分约束去除高光谱图像Y中含有的噪声,从而提高高光谱图像Y的去噪效果。

2.根据权利要求1所述的一种基于低秩和全变分约束的高光谱图像去噪方法,其特征在于,在步骤(1.1)中,所述含有混合噪声的高光谱图像Y的尺寸是M×N×B,其中,M×N表示噪声高光谱图像的空间维度,B表示噪声高光谱图像的波段数。

3.根据权利要求1所述的一种基于低秩和全变分约束的高光谱图像去噪方法,其特征在于,在步骤(1.1)中,利用提取矩阵Ri,j提取其中的图像块Yi,j,其计算Yi,j的非局部滤波的操作过程是:对于任意i,j(i∈[1,M‑m+1],j∈[1,N‑n+1]),利用提取矩阵Ri,j提取含有混合噪声的高光谱图像Y中第(i,j)位置的图像块Yi,j;

所述图像块Yi,j的尺寸是m×n×B,其中,m×n表示选取的噪声高光谱图像块的空间维度,通过欧几里得距离寻找Yi,j的非局部相似图像块 利用和 求得非局部相似图像块 与图像块Yi,j之间的权重 计算

4.根据权利要求1所述的一种基于低秩和全变分约束的高光谱图像去噪方法,其特征在于,在步骤(1.3)中,所述空‑谱全局全变分约束的具体产生过程:F O

初始化参数X=O=0,F=0,拉格朗日乘子 M ,M=0,μ=0.01;

全局空间‑谱间全变分约束求解为:

O子优化问题:

其优化解为:

其中 表示元素全为1的张量;

X子优化问题:

式(10)求解等式为:

其中,I表示单位张量,D表示光谱域和空间域的全变分乘子通过快速傅里叶变换求解:2

其中,ffn表示快速傅里叶变换,iffn表示快速傅里叶逆变换,· 表示元素平方,F子优化问题:其中, F=[F1,F2,F3];使用软阈值算法求解,即为:F O

通过 更新拉格朗日乘子 M ,M ,更新惩罚系数μ=min(ρμ,μmax),l+1 l+1 l+1 l+1

计算误差max(||O ‑X ||∞,||F ‑DX ||∞)≤ε,满足输出去噪后的图像L。