基于空间谱残差全变分正则化低秩张量分解的高光谱图像复原
摘要
1.简介
(1) 我们设计了一个空间谱残差总变差(SSRTV)来更好地捕捉HSI的直接空间平滑度和空间谱分段平滑度。 这可以克服以往TV方法的缺点,即低阶正则化无法去除结构化稀疏噪声。 (2) SSRTV被纳入LRTD模型中,以将底层清洁HSI与其具有混合噪声的降级版本分离。 采用LRTD保持HSI的全局空间和光谱相关性,恢复干净的低阶HSI。 (3) 经典的高阶正交迭代(HOOI)算法[ 30 ]被采用以有效地实现塔克分解,而不会带来额外的计算负担。 通过使用交替方向乘数法(ADMM),我们的方法被分解为几个简单的子问题。 与基于低秩矩阵/张量分解的方法相比,仿真和实际数据的实验结果验证了该方法的有效性。
2.注释和前言
3.建议模型
3.1. 混合噪声观测模型
3.2. S的方向结构稀疏先验
3.3. HSI低秩Priori
3.4. SSRTV规范化
3.5. 模型建议和优化
4.实验结果与分析
4.1. 模拟数据实验
4.2. 真实世界数据实验
4.2.1. AVIRIS印度松数据集
4.2.2. HYDICE城市数据集
4.3. 分类性能比较
5.讨论
(1) 参数的选择
(2) 收敛性分析
(3) 运行时间分析
6.结论
作者贡献
基金
机构审查委员会声明
知情同意书
数据可用性声明
致谢
利益冲突
工具书类
Bioucas-Dias,J.M。; A广场。; Camps-Valls,G。; Schenders,P。; 北卡罗来纳州纳斯拉巴迪。; Chanussot,J.高光谱遥感数据分析和未来挑战。 IEEE地质科学。 远程传感器磁。 2013 , 1 , 6–36. [ 谷歌学者 ] [ 交叉参考 ] [ 绿色版本 ] 张,H。; He,W。; 张,L。; 沈,H。; 袁,Q.基于低秩矩阵恢复的高光谱图像恢复。 IEEE传输。 地质科学。 远程传感器。 2014 , 52 , 4729–4743. [ 谷歌学者 ] [ 交叉参考 ] Sun,L。; 吴,Z。; 肖,L。; 刘杰。; 魏,Z。; Dang,F.一种新的用于高光谱分解的l 1/2稀疏回归方法。 《国际遥感杂志》。 2013 , 34 , 6983–7001. [ 谷歌学者 ] [ 交叉参考 ] Sun,L。; 王,S。; Wang,J。; 郑毅。; Jeon,B.在隐藏场中使用空间-光谱低秩表示的高光谱分类。 J.环境。 智力。 Humaniz公司。 计算。 2017 , 1–12. [ 谷歌学者 ] [ 交叉参考 ] 吴,Z。; Shi,L。; 李,J。; 王,Q。; Sun,L。; 魏,Z。; J.广场。; Plaza,A.GPU空间自适应高光谱图像分类的并行实现。 IEEE J.选择。 顶部。 申请。 地球目标遥感。 2017 , 11 , 1131–1143. [ 谷歌学者 ] [ 交叉参考 ] Xu,Y。; 吴,Z。; 李,J。; A广场。; Wei,Z.基于低秩稀疏表示的高光谱图像异常检测。 IEEE传输。 地质科学。 远程传感器。 2016 , 54 , 1990–2000. [ 谷歌学者 ] [ 交叉参考 ] 博伦贝克,F。; Backhaus,A。; Seiffert,U。高光谱图像的多元小波-PCA去噪滤波器。 2011年6月6日至9日,葡萄牙里斯本,2011年第三届高光谱图像和信号处理:遥感进化研讨会论文集; 第1-4页。 [ 谷歌学者 ] Heo,A。; Lee,J.-H。; Choi,E.-J。; Choi,W.C。; Kim,S.H。; Park,D.-J.使用融合图像的联合双边滤波器降低高光谱图像的噪声。 2011年5月20日,美国佛罗里达州奥兰多市,《国际光学工程学会学报》; 第80481R页。 [ 谷歌学者 ] 刘,X。; 伯伦纳,S。; Fossati,C.使用PARAFAC模型和统计性能分析对高光谱图像进行去噪。 IEEE传输。 地质科学。 远程传感器。 2012 , 50 , 3717–3724. [ 谷歌学者 ] [ 交叉参考 ] 格林,A。; 伯曼,M。; Switzer,P。; Craig,M.从图像质量的角度对多光谱数据进行排序的一种变换,具有去除噪声的含义。 IEEE传输。 地质科学。 远程传感器。 1988 , 26 , 65–74. [ 谷歌学者 ] [ 交叉参考 ] [ 绿色版本 ] Elad,M。; Aharon,M.通过学习词典上的稀疏和冗余表示进行图像去噪。 IEEE传输。 图像处理 2006 , 15 , 3736–3745. [ 谷歌学者 ] [ 交叉参考 ] [ 公共医学 ] Wang,Y。; 彭杰。; 赵(Q.Zhao)。; 梁,Y。; 赵晓乐。; Meng,D.基于全变分正则化低秩张量分解的高光谱图像恢复。 IEEE J.选择。 顶部。 申请。 地球目标遥感。 2018 , 11 , 1227–1243. [ 谷歌学者 ] [ 交叉参考 ] [ 绿色版本 ] 卡拉米,A。; 亚兹迪,M。; Asli,A.Z.使用核非负Tucker分解降低高光谱图像的噪声。 IEEE J.选择。 顶部。 信号处理 2011 , 5 , 487–493. [ 谷歌学者 ] [ 交叉参考 ] 彭,Y。; 孟,D。; 徐,Z。; 高,C。; Yang,Y。; Zhang,B.用于多光谱图像去噪的可分解非局部张量字典学习。 2014年IEEE计算机视觉和模式识别会议记录,美国俄亥俄州哥伦布,2014年6月24日至27日; 第2949–2956页。 [ 谷歌学者 ] Othman,H。; Qian,S.-E.使用混合空间谱导数域小波收缩降低高光谱图像的噪声。 IEEE传输。 地质科学。 远程传感器。 2006 , 44 , 397–408. [ 谷歌学者 ] [ 交叉参考 ] 赵永清。; Yang,J.通过稀疏表示和低秩约束进行高光谱图像去噪。 IEEE传输。 地质科学。 远程传感器。 2015 , 53 , 296–308. [ 谷歌学者 ] [ 交叉参考 ] 袁,Q。; 张,L。; Shen,H.采用光谱-空间自适应总变分模型的高光谱图像去噪。 IEEE传输。 地质科学。 远程传感器。 2012 , 50 , 3660–3677. [ 谷歌学者 ] [ 交叉参考 ] 陈,Y。; 郭毅。; Wang,Y。; 王,D。; 彭,C。; He,G.高光谱图像的非凸低秩矩阵去噪。 IEEE传输。 地质科学。 远程传感器。 2017 , 55 , 5366–5380. [ 谷歌学者 ] [ 交叉参考 ] 谢毅。; 曲,Y。; 陶,D。; Wu,W。; 袁,Q。; Zhang,W.基于迭代正则加权Schatten p范数最小化的高光谱图像复原。 IEEE传输。 地质科学。 远程传感器。 2016 , 54 , 4642–4659. [ 谷歌学者 ] [ 交叉参考 ] 谢,Y。; 顾S。; 刘,Y。; 左,W。; 张伟。; Zhang,L.加权Schatten p-范数最小化用于图像去噪和背景减除。 IEEE传输。 图像处理 2016 , 25 , 4842–4857. [ 谷歌学者 ] [ 交叉参考 ] [ 绿色版本 ] He,W。; 张,H。; 张,L。; Shen,H.用于高光谱图像恢复的全变量正则化低秩矩阵分解。 IEEE传输。 地质科学。 远程传感器。 2016 , 54 , 178–188. [ 谷歌学者 ] [ 交叉参考 ] 郑,X。; 袁,Y。; Lu,X.通过融合选定的相关波段进行高光谱图像去噪。 IEEE传输。 地质科学。 远程传感器。 2018 , 57 , 2596–2609. [ 谷歌学者 ] [ 交叉参考 ] 香港阿加瓦尔。; Majumdar,A.使用空间光谱总变化的高光谱图像去噪。 IEEE地质科学。 遥感快报。 2016 , 13 , 442–446. [ 谷歌学者 ] [ 交叉参考 ] He,W。; 张,H。; 沈,H。; Zhang,L.高光谱图像的局部低秩矩阵恢复和全局空间谱总变差去噪。 IEEE J.选择。 顶部。 申请。 地球目标遥感。 2018 , 11 , 713–729. [ 谷歌学者 ] [ 交叉参考 ] Sun,L。; Jeon,B。; 郑毅。; Wu,Z.一种新的加权交叉全变分高光谱图像混合去噪方法。 IEEE接入 2017 , 5 , 27172–27188. [ 谷歌学者 ] [ 交叉参考 ] 风扇,H。; 李,C。; 郭毅。; Kuang,G。; Ma,J.用于高光谱图像去噪的空间-光谱总变差正则化低秩张量分解。 IEEE传输。 地质科学。 远程传感器。 2018 , 56 , 6196–6213. [ 谷歌学者 ] [ 交叉参考 ] 黄,Z。; 李,S。; 方,L。; 李,H。; Benediktsson,J.A.用群稀疏和低秩张量分解进行高光谱图像去噪。 IEEE接入 2017 , 6 , 1380–1390. [ 谷歌学者 ] [ 交叉参考 ] 竹山,S。; 小野,S。; Kumazawa,I.使用混合空间光谱总变差去除高光谱图像的混合噪声。 2019年IEEE图像处理国际会议(ICIP)会议记录,台湾台北,2019年9月22日至25日; 第3128-3132页。 [ 谷歌学者 ] 袁,Y。; 郑,X。; Lu,X.Spectral–用于高光谱图像去噪的空间核正则化。 IEEE传输。 地质科学。 远程传感器。 2015 , 53 , 3815–3832. [ 谷歌学者 ] [ 交叉参考 ] 科尔达,T。; Bader,B.W.张量分解与应用。 SIAM版本。 2009 , 51 , 455–500. [ 谷歌学者 ] [ 交叉参考 ] 黄,Y.-M。; Yan,H.-Y。; Zeng,T.基于无偏盒变换的乘性噪声去除。 Commun公司。 计算。 物理学。 2017 , 22 , 803–828. [ 谷歌学者 ] [ 交叉参考 ] 陈,Y。; He,W。; 横屋,N。; Huang,T.-Z。基于加权群稀疏正则化低秩张量分解的高光谱图像复原。 IEEE传输。 赛博。 2019 , 50 , 3556–3570. [ 谷歌学者 ] [ 交叉参考 ] [ 公共医学 ] 朱,R。; 董,M。; Xue,J.-H.具有低秩特性的高光谱图像的光谱非局部恢复。 IEEE J.选择。 顶部。 申请。 地球目标遥感。 2015 , 8 , 3062–3067. [ 谷歌学者 ] [ 交叉参考 ] He,W。; 张,H。; 张,L。; Shen,H.基于噪声调整迭代低秩矩阵逼近的高光谱图像去噪。 IEEE J.选择。 顶部。 申请。 地球目标遥感。 2015 , 8 , 3050–3061. [ 谷歌学者 ] [ 交叉参考 ] 徐,H。; 卡拉马尼斯,C。; Sanghavi,S.通过Outlier Pursuit实现稳健PCA。 IEEE传输。 Inf.理论 2012 , 58 , 3047–3064. [ 谷歌学者 ] [ 交叉参考 ] [ 绿色版本 ] 刘,G。; 林,Z。; 严,S。; Sun,J。; Yu,Y。; Ma,Y.用低秩表示法稳健恢复子空间结构。 IEEE传输。 模式分析。 机器。 智力。 2013 , 35 , 171–184. [ 谷歌学者 ] [ 交叉参考 ] [ 公共医学 ] [ 绿色版本 ] Bioucas-Dias,J.M。; A广场。; 北多比根。; Parent,M。; 杜琪。; Gader,P。; Chanussot,J.高光谱解混概述:基于几何、统计和稀疏回归的方法。 IEEE J.选择。 顶部。 申请。 地球目标遥感。 2012 , 5 , 354–379. [ 谷歌学者 ] [ 交叉参考 ] [ 绿色版本 ] 博伊德,S。; 北卡罗来纳州帕里赫。; Chu,E.通过乘数交替方向法进行分布式优化和统计学习。 已找到。 趋势马赫数。 学习。 2010 , 三 , 1–122. [ 谷歌学者 ] [ 交叉参考 ] 冯·P。; Ling,B.W。; 雷·R。; Chen,J.基于奇异谱分析的去噪,无需通过增广拉格朗日乘子算法计算奇异值。 IET信号处理杂志 2019 , 13 , 149–156. [ 谷歌学者 ] [ 交叉参考 ] 王,Q。; 吴,Z。; Jin,J。; Wang,T。; Shen,Y.高光谱图像混合去噪的低秩约束和空间谱总变分。 信号处理 2018 , 142 , 11–26. [ 谷歌学者 ] [ 交叉参考 ] 王,Z。; 博维克,H.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。 图像处理 2004 , 13 , 600–612. [ 谷歌学者 ] [ 交叉参考 ] [ 绿色版本 ] 孔,X。; Zhao,Y。; 薛,J。; 陈,J.C.-W。; Kong,S.G.高光谱图像去噪的全局和局部张量稀疏近似模型。 远程传感器。 2020 , 12 , 704. [ 谷歌学者 ] [ 交叉参考 ] [ 绿色版本 ] Toksoz,文学硕士。; Ulusoy,I.通过基本阈值分类器进行高光谱图像分类。 IEEE传输。 地质科学。 远程传感器。 2016 , 54 , 4039–4051. [ 谷歌学者 ] [ 交叉参考 ] Bioucas-Dias,J。; Nascimento,J.高光谱子空间识别。 IEEE传输。 地质科学。 远程传感器。 2008 , 46 , 2435–2445. [ 谷歌学者 ] [ 交叉参考 ] [ 绿色版本 ]