高光谱图像去噪的全局和局部张量稀疏近似模型
摘要
1.简介
(1) 我们将HSI分解模型转换为张量框架,以更好地利用相邻频带之间的高相关性。 在张量框架下,构建了一个非凸优化模型,以同时估计条纹和底层无条纹图像,从而获得更高的光谱保真度。 (2) 该方法充分考虑了张量框架中条纹和无条纹图像的先验鉴别 和 分别是。 实验结果表明,该方法优于现有的最新方法,尤其是当条纹为非周期时。 (3) 我们使用PADMM有效地求解了一个非凸优化模型。 对模拟数据和真实数据进行了大量实验。 与现有方法相比,该方案在定量评估和视觉比较方面都取得了优异的性能。
2.条纹和清晰图像的固有统计特性分析
2.1. 符号和序言
2.2. Priors和Regularizers
2.2.1. 条带的全局稀疏性
2.2.2. 沿条纹方向的局部平滑度
2.2.3. HSI沿空间域的连续性
2.2.4. HSI沿谱域的连续性
3.GLTSA去triping方法
3.1. 条带降级模型
3.2. GLTSA破坏模型
3.3. 优化程序和算法
4.实验结果
4.1. 模拟数据实验
4.2. 真实数据实验
4.3. 参数设置分析
4.4. 运行时间的收敛性分析与比较
5.结论
作者贡献
基金
利益冲突
工具书类
薛,J。; Zhao,Y。; Liao,W。; Chan,J.C.-W.用于高光谱图像去噪的非局部低秩正则张量分解。 IEEE传输。 地质科学。 远程传感器。 2019 , 57 , 5174–5189. [ 谷歌学者 ] [ 交叉参考 ] Sánchez,N。; González Zamora,Á。; Martínez-Fernández,J.全球农业干旱监测的综合高光谱方法。 农业。 对于。 美托洛尔。 2018 , 259 , 141–153. [ 谷歌学者 ] [ 交叉参考 ] 陈,J。; Shao,Y。; Guo,H.通过功率滤波去除CMODIS数据。 IEEE传输。 地质科学。 远程传感器。 2003 , 41 , 2119–2124. [ 谷歌学者 ] [ 交叉参考 ] Yi,C。; 赵勇强。; Yang,J.联合高光谱超分辨和非混合与交互反馈。 IEEE传输。 地质科学。 远程传感器。 2017 , 55 , 3823–3834. [ 谷歌学者 ] [ 交叉参考 ] 杨,J。; 赵勇强。; Chan,C.W.高光谱图像的低秩约束耦合稀疏去噪和去混合。 IEEE传输。 地质科学。 远程传感器。 2015 , 1–16. [ 谷歌学者 ] [ 交叉参考 ] Yi,C。; 赵勇强。; Chan,J.C.W.基于光谱改进策略和空间保留策略的多光谱图像光谱超分辨率。 IEEE传输。 地质科学。 远程传感器。 2019 , 1–15. [ 谷歌学者 ] [ 交叉参考 ] 塔拉巴尔卡,Y。; 查努索特,J。; Benediktsson,J.A.使用分水岭变换对高光谱图像进行分割和分类。 模式识别。 2010 , 43 , 2367–2379. [ 谷歌学者 ] [ 交叉参考 ] [ 绿色版本 ] 杨,J。; Zhao,Y。; Chan,J.C.学习和传输深部联合光谱-高光谱分类的空间特征。 IEEE传输。 地质科学。 远程传感器。 2017 , 55 , 4729–4742. [ 谷歌学者 ] [ 交叉参考 ] 薛,J。; Zhao,Y。; Liao,W。; Chan,J.C.-W.高光谱图像压缩传感重建中的超拉普拉斯正则化非局部低秩矩阵恢复。 信息科学。 2019 , 501 , 406–420. [ 谷歌学者 ] [ 交叉参考 ] 薛,J。; Zhao,Y。; Liao,W。; Chan,J.-W.高光谱图像压缩传感重建的非局部张量稀疏表示和低秩正则化。 远程传感器。 2019 , 11 , 193. [ 谷歌学者 ] [ 交叉参考 ] [ 绿色版本 ] Xue,J.非凸张量秩最小化及其在张量恢复中的应用。 信息科学。 2019 , 503 , 109–128. [ 谷歌学者 ] [ 交叉参考 ] 薛,J。; Zhao,Y。; Liao,W。; Chan,J.C。; Kong,S.G.低水位张量完井的强化稀疏优先模型。 IEEE传输。 神经网络。 学习。 系统。 2019 , 12 , 1–15. [ 谷歌学者 ] [ 交叉参考 ] 刘,X。; 卢,X。; Shen,H.在考虑全球稀疏性和局部变分特性的遥感图像中的分割和去除。 IEEE传输。 地质科学。 远程传感器。 2016 , 54 , 3049–3060. [ 谷歌学者 ] [ 交叉参考 ] Bouali,M。; Ladjal,S.使用单向变分模型实现MODIS数据的最佳去纹理。 IEEE传输。 地质科学。 远程传感器。 2011 , 49 , 2924–2935. [ 谷歌学者 ] [ 交叉参考 ] 陈,Y。; 黄,T。; X.赵。; 邓,L。; Huang,J.用总变差正则化和组稀疏性约束去除遥感图像的条带。 远程传感器。 2017 , 9 , 559. [ 谷歌学者 ] [ 交叉参考 ] [ 绿色版本 ] 洪西娅,D。; Ting-Zhu,H。; 梁健,D.Directional ℓ 0 图像条纹去除的稀疏建模。 远程传感器。 2018 , 10 , 361. [ 谷歌学者 ] [ 交叉参考 ] [ 绿色版本 ] 陈,J。; Lin,H。; Shao,Y。; Yang,L.基于小波变换的高光谱图像斜条带去除。 《国际遥感杂志》。 2006 , 27 , 1717–1723. [ 谷歌学者 ] [ 交叉参考 ] 刘,X。; 卢,X。; Shen,H.通过定向变化去除遥感图像中的倾斜条纹。 2018.在线提供: https://arxiv.org/ftp/arxiv/papers/1809/1809.02043.pdf (2020年2月18日访问)。 Chang,Y。; Yan,L。; 方,H。; Luo,C.多光谱遥感图像去噪的各向异性光谱-空间总变差模型。 IEEE传输。 图像处理。 2015 , 24 , 1852–1866. [ 谷歌学者 ] [ 交叉参考 ] 陈,Y。; 黄,T。; Zhao,X.使用低秩张量分解的多光谱遥感图像去噪。 IEEE J.选择。 顶部。 申请。 地球目标遥感。 2018 , 11 , 4950–4967. [ 谷歌学者 ] [ 交叉参考 ] Hao,W.一种新的稀疏系数可分离二维有限脉冲响应滤波器设计。 IEEE传输。 电路系统。 雷古尔。 论文 2017 , 62 , 2864–2873. [ 谷歌学者 ] [ 交叉参考 ] Münch,B。; Trtik,P。; 马龙,F。; Stampanoni,M.利用组合小波-傅里叶滤波去除条纹和环形伪影。 选择。 快递 2009 , 17 , 8567–8591. [ 谷歌学者 ] [ 交叉参考 ] [ 公共医学 ] [ 绿色版本 ] Carfantan,H。; Idier,J.基于卫星的推扫式图像的统计线性去噪。 IEEE传输。 地质科学。 远程传感器。 2009 , 48 , 1860–1871. [ 谷歌学者 ] [ 交叉参考 ] 加达拉,F.L。; Csillag,G。; Smith,E.J.M.使用矩匹配来分解多感官图像。 《国际遥感杂志》。 2000 , 21 , 2505–2511. [ 谷歌学者 ] [ 交叉参考 ] 霍恩,B.K.P。; Woodham,R.J.通过直方图修改去除LANDSAT MSS图像。 计算。 图表。 图像处理 1979 , 10 , 69–83. [ 谷歌学者 ] [ 交叉参考 ] [ 绿色版本 ] 曹,B。; 杜,Y。; Xu,D.一种改进的直方图匹配算法,用于去除光学高光谱图像中的条带噪声。 Optik Int.J.光电子光学。 2015 , 126 , 4723–4730. [ 谷歌学者 ] [ 交叉参考 ] Sun,L.X.公司。; 内维尔·R。; 斯塔恩斯,K。; White,H.P.基于光谱矩匹配的Hyperion图像自动去条纹。 可以。 J.远程传感器。 2008 , 34 ,S68–S81。 [ 谷歌学者 ] [ 交叉参考 ] Shen,H.F。; 蒋伟(Jiang,W.)。; 张,H.Y。; Zhang,L.P.一种去除MODIS数据中非线性和不规则条纹的分段方法。 《国际遥感杂志》。 2014 , 35 , 44–53. [ 谷歌学者 ] [ 交叉参考 ] Rakwatin,P。; 武内西。; Yasuoka,Y.通过结合直方图匹配和小面滤波来减少MODIS数据中的条纹。 IEEE传输。 地质科学。 远程传感器。 2007 , 45 , 1844–1856. [ 谷歌学者 ] [ 交叉参考 ] Chang,W.W。; Guo,L。; Fu,Z.Y.成像光谱仪图像去噪的新方法。 《IEEE小波分析与模式识别国际会议论文集》,中国北京,2007年11月2-4日。 [ 谷歌学者 ] [ 交叉参考 ] Chang,Y。; 方,H。; Yan,L。; Liu,H.带单向全变分和框架正则化的稳健去枝方法。 选择。 快递 2013 , 21 , 23307–23323. [ 谷歌学者 ] [ 交叉参考 ] Chang,Y。; 严,L.X。; 方,H.Z。; Liu,H.单向全变分稀疏表示高光谱图像的同时去噪。 IEEE地质科学。 遥感快报。 2014 , 11 , 1051–1055. [ 谷歌学者 ] [ 交叉参考 ] 陈,Y。; 黄,T.Z。; 邓,L.J。; Zhao,X.L。; Wang,M.Group基于稀疏性的高光谱图像条纹去除正则化模型。 神经计算机 2017 , 267 , 95–106. [ 谷歌学者 ] [ 交叉参考 ] Chang,Y。; Yan,L。; Wu,T。; Zhong,S.高光谱图像条纹去除:从图像分解的角度。 IEEE传输。 地质科学。 远程传感器。 2016 , 54 , 7018–7031. [ 谷歌学者 ] [ 交叉参考 ] Chang,Y。; Yan,L。; Fang,H.用于高光谱图像恢复的加权低秩张量恢复。 arXiv公司 2017 ,arXiv:1709.00192。 [ 谷歌学者 ] 曹伟。; Chang,Y。; Han,G.通过低秩近似和非局部总变差去除遥感图像。 IEEE地质科学。 遥感快报。 2018 , 1–5. [ 谷歌学者 ] [ 交叉参考 ] T.G.科尔达。; Bader,B.W.张量分解和应用。 SIAM版本。 2009 , 51 , 455–500. [ 谷歌学者 ] [ 交叉参考 ] Shen,H.F。; Zhang,L.P.一种基于MAP的遥感图像去纹理和修复算法。 IEEE传输。 地质科学。 远程传感器。 2009 , 47 , 1492–1502. [ 谷歌学者 ] [ 交叉参考 ] 袁国忠。; Ghanem,B.L0TV:脉冲噪声存在下图像恢复的新方法。 《IEEE计算机视觉和模式识别会议论文集》,美国马萨诸塞州波士顿,2015年6月8日至10日。 [ 谷歌学者 ] Blumensath,T。; Davies,M.E.稀疏近似的迭代阈值。 J.傅里叶分析。 申请。 2008 , 14 , 629–654. [ 谷歌学者 ] [ 交叉参考 ] [ 绿色版本 ] 焦,Y。; Jin,B。; Lu,X.L0正则化优化问题的原对偶活动集及其延拓算法。 申请。 计算。 哈蒙。 分析。 2015 , 39 , 400–426. [ 谷歌学者 ] [ 交叉参考 ] Donoho,D.L.通过软阈值去噪。 IEEE传输。 Inf.理论 1995 , 41 , 613–627. [ 谷歌学者 ] [ 交叉参考 ] [ 绿色版本 ] 王,Z。; 博维克,A.C。; 谢赫,H.R。; Simoncelli,E.P.图像质量评估:从错误可见性到结构相似性。 IEEE传输。 图像。 过程。 2004 , 13 , 600–612. [ 谷歌学者 ] [ 交叉参考 ] [ 绿色版本 ] 张,L。; 张,L。; 牟某。; Zhang,D.FSIM:用于图像质量评估的特征相似性指数。 IEEE传输。 2011 , 20 , 2378–2386. [ 谷歌学者 ] [ 交叉参考 ] [ 绿色版本 ] Yuhas,R.H。; F.H.A.戈茨。; Boardman,J.W.使用光谱角度映射器(SAM)算法在半干旱景观端点之间进行区分。 1992年6月1日至5日,美国加利福尼亚州帕萨迪纳,喷气推进实验室航空地球科学年度研讨会论文集。 [ 谷歌学者 ] 孔,X。; Zhao,Y。; 薛,J。; Chan,J.使用全局加权张量范数最小值和非局部Low-Rank近似进行高光谱图像去噪。 远程传感器。 2019 , 11 , 2281. [ 谷歌学者 ] [ 交叉参考 ] [ 绿色版本 ]