基于主成分分析探究的高光谱遥感图像非局部去噪.pdfVIP

2015年6月1日 现代电子技术 Jun.2015 第38卷第11期 ModernElectronicsTechnique Vol.38 No. 11 70 70 基于主成分分析的高光谱遥感图像非局部去噪 印 佳，杜战战 （南京理工大学 计算机科学与工程学院，江苏 南京 210094） 摘 要：高光谱图像光谱分辨率的提高带来数据量的显著增加，普通针对二维图像的去噪方法不能有效地应用到高光 谱图像上。根据高光谱图像本身和噪声的特征，研究基于PCA的非局部去噪方法，充分利用光谱谱间相似性和谱内相似性， 首先进行PCA降维选择具有代表性的维度，然后在这些维度运用非局部的BM3D方法去除噪声，最后再返回到原图像得到 去噪结果。实验结果表明，该方法的去噪效果令人满意。 关键词：高光谱遥感图像；高斯白噪声；PCA；BM3D 中图分类号：TN911.73⁃34 文献标识码：A 文章编号：1004⁃373X（2015）11⁃0070⁃03 Non⁃localdenoisingmethodbasedonprincipalcomponentanalysis forhyperspectralremotesensingimages YINJia，DUZhan⁃zhan （SchoolofComputerScienceandEngineering，NanjingUniversityofScienceandTechnology，Nanjing 210094，China） Abstract：Theimprovementofspectralresolutionforhyperspectralimagesbroughtsignificantincreaseofdatasize，butthe common denoising methods for two⁃dimensional image cannot be effectively applied to hyperspectral image. According to the characteristicsofthehyperspectralimageanditsnoise，anon⁃localdenoisingmethodbasedonprincipalcomponentanalysis （PCA）isstudiedtomakefulluseofthesimilaritybetweenthespectraandwithinthespectrum.Firstly，therepresentativedi⁃ mensionisselectedbyreducingthedimensionofPCA，andthennoiseisremovedbythenon⁃localBM3Dmethodintherepre⁃ sentative dimension.Finally，the denoising resultis obtained by returning to the originalimage.The experimentresults show thattheeffectoftheproposedmethodissatisfactory. Keywords：hyperspectralremotesensingimage；Gaussianwhitenoise；PCA；BM3D 的空间信息，后者针对一幅图像进行处理，而对高维数 0 引 言 据机械式地处理效率很低。 高光谱分辨率遥感或成像光谱遥感技术的发展是 因此，本文