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 the remote sensing image denoising of“the first satellite of high resolution”based on sparse representation and dictionary learning.pdfVIP

下载本文档

2
0
约2.25万字
约 6页
2017-08-21 发布于上海
举报
版权申诉

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 the remote sensing image denoising of“the first satellite of high resolution”based on sparse representation and dictionary learning.pdf

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

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 the remote sensing image denoising of“the first satellite of high resolution”based on sparse representation and dictionary learning

第 40 卷第 9 期光电工程 Vol.40, No.9 2013 年 9 月 Opto-Electronic Engineering Sept, 2013 文章编号：1003-501X(2013)09-0016-06 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 1,2 1 1 秦振涛，杨武年，潘佩芬 ( 1. 成都理工大学地学空间信息技术国土资源部重点实验室/遥感与GIS 研究所，成都 610059 ； 2. 攀枝花学院数学与计算机学院，四川攀枝花 617000 ) 摘要：对高分辨率遥感图像进行去噪是遥感研究中的一个重要难题。本文提出了一种新的基于稀疏表示的高分辨率遥感图像去噪算法，该算法根据加噪高分辨率遥感图像的特点利用 K-SVD 算法自适应的学习得到能高效描述遥感图像内容的字典，利用稀疏表示实现去噪，并且保留原图像的有用信息。通过对“高分一号”获取的遥感图像进行实验表明，该算法能较好地滤除遥感图像的噪声，提高了图像的峰值信噪比，该方法比其他字典学习算法及其他去噪算法具有更好的性能。关键词：稀疏表示；图像去噪；字典学习；K-SVD；高分一号中图分类号：TN911.73 ；TN391 文献标志码：A doi：10.3969/j.issn.1003-501X.2013.09.003 The Remote Sensing Image Denoising of “The First Satellite of High Resolution” Based on Sparse Representation and Dictionary Learning 1,2 1 1 QIN Zhentao ，YANG Wunian ，PAN Peifen ( 1. Key Laboratory of Geo-special Information Technology, Ministry of Land and Resources / Institute of Remote Sensing GIS, Chengdu University of Technology, Chengdu 610059, China ； 2. School of Mathmatics and Computer Science, Panzhihua College, Panzhihua 617000, Sichuan Province, China ) Abstract : Denoising the high resolution remote sensing images is a difficult problem in the relative research field of remote sensing. A novel algorithm for denoising the high resolution remote sensing images is proposed based on sparse representation. A dictionary which has an effi