基于超像素分割与低秩张量近似的高光谱图像去噪算法研究.pdfVIP

摘要

摘要

高光谱图像包含了丰富的可用光谱信息，具有波段数目多、高光谱分辨率和

高冗余性等特点，因此被广泛运用到很多地球遥感领域中，包括自然资源、生态

系统和灾害的监测和管理等众多领域。然而，在现实场景的应用中，高光谱图像

在采集、转换、传输、压缩和储存等过程中经常遭受各种不可避免的污染与干扰，

例如，传感器、光子效应和校准误差造成的噪声污染、条纹损坏和数据丢失严重

影响到高光谱图像视觉效果以及高光谱图像进一步的分析与应用，因此高光谱图

像去噪是一个非常必要且重要的过程。

近年来，由于能够更好地利用高光谱图像的语义信息和感知信息，超像素分

割算法在高光谱图像去噪方面的应用受到了关注。然而，现有的基于超像素的去

噪方法只是简单地沿着光谱维将不规则的三维超像素区域展开成二维矩阵，这不

可避免地破坏了不规则三维超像素块固有的内在结构。因此，我们引入了不规则

张量表示，并将其应用到高光谱图像去噪任务中。本文的主要工作如下：

通过引入0-1加权张量，我们提出了每个三维超像素的不规则张量表示，该表

示保留了不规则三维超像素的内在结构。根据加权张量，我们建立了一个基于不

规则超像素张量表示的高光谱去噪模型，该模型不仅充分地挖掘了高光谱图像的

语义信息还保留了不规则三维超像素的内在三维结构，从而提高基于超像素分割

的高光谱去噪模型的性能。

本文提出了一种有效的非精确增广拉格朗日乘子算法来求解所提出的模型，

并且证明了该算法的数值收敛性。在仿真和真实的高光谱图像数据上进行了大

量实验，并与较先进的高光谱图像去噪算法比较。实验结果表明，所提出的方法

在视觉和定量比较方面能够优于许多主流的方法，以及具有相对更优的MPSNR、

MSSIM和ERGAS数值结果。

关键词：高光谱图像去噪；超像素分割；低秩张量近似；0-1加权张量；非精确增

广拉格朗日乘子法

I

ABSTRACT

ABSTRACT

Hyperspectralimage(HSI)containsabundantspectralinformation,characterizedby

alargenumberofbands,highspectralresolution,andredundancy.Theyarewidelyused

invariousEarthobservationfields,includingmonitoringandmanagementofnaturalre-

sources,ecosystems,anddisasterssurveys.However,inpracticalapplications,HSIoften

suffersfrominevitablecontaminationandinterferenceduringprocessessuchasacqui-

sition,conversion,transmission,compression,andstorage.Theseissuesincludenoise

pollution,stripedamage,anddatalosscausedbysensor,photon,andcalibrationerrors,

severelyaffectingthevisualqualityofHSIandfurtheranalysisandapplications.There-

fore,HSIdenoisinghasbeenacrucialpreprocessingstepbeforesubsequentapplications.

Inrecentyears,theapplicationofsuperpixelsegmentationalgorithmsinHSIde-

noisinghasreceivedattentionduetotheirabilitytobetterutilizesemanticandperceptual

informationofHSI.However,existingsuperpixel-baseddenoisingmethodsgenerallyre-

shapeeachs