| 基于超像素块聚类与低秩特性的高光谱图像降噪 |
| |
| 引用本文： | 张明华,武玄,宋巍,梅海彬,贺琪,苏诚.基于超像素块聚类与低秩特性的高光谱图像降噪[J].数据采集与处理,2023,38(3):549-564. |
| |
| 作者姓名： | 张明华 武玄 宋巍 梅海彬 贺琪 苏诚 |
| |
| 作者单位： | 1.上海海洋大学信息学院，上海 201306;2.自然资源部东海预报中心，上海 200136 |
| |
| 基金项目： | 国家重点研发计划(2021YFC3101601)；国家自然科学基金面上项目(61972240，41906179)；上海市科委地方能力建设项目(20050501900)。 |
| |
| 摘 要： | 高光谱图像通常受到高斯噪声、脉冲噪声、死线和条纹等干扰，因此去噪必不可少。现有基于低秩特性的降噪方法通过引入空间信息改善了降噪效果，但由于其只利用了局部相似性或非局部自相似性，而对在光谱维度存在一定结构信息的稀疏噪声去除效果较差。本文提出了基于超像素块聚类与低秩特性的高光谱图像降噪方法，实现了分块的自适应划分与聚类，在较好地保留了局部细节的同时又充分利用了非局部空间自相似性，且实验表明聚类后的超像素块组成的同物分块具有良好的空-谱双重低秩属性。该方法首先对高光谱图像进行超像素分割，再对超像素块进行聚类，得到同物分块；然后对其建立低秩矩阵恢复模型并求解，最终得到降噪后图像。本文分别在模拟数据和真实数据上进行实验，并与其他基于低秩特性的方法进行比较，结果表明：本文方法对混合噪声，尤其是具有一定结构信息的稀疏噪声具有较好的降噪性能。
|
| 关 键 词： | 高光谱图像处理 降噪 低秩矩阵恢复 超像素分割 聚类 |
| 收稿时间： | 2022/5/4 0:00:00 |
| 修稿时间： | 2022/9/15 0:00:00 |
Hyperspectral Image Denoising Based on Superpixel Block Clustering and Low-Rank Characteristics |
| |
| ZHANG Minghu,WU Xuan,SONG Wei,MEI Haibin,HE Qi,SU Cheng.Hyperspectral Image Denoising Based on Superpixel Block Clustering and Low-Rank Characteristics[J].Journal of Data Acquisition & Processing,2023,38(3):549-564. |
| |
| Authors: | ZHANG Minghu WU Xuan SONG Wei MEI Haibin HE Qi SU Cheng |
| |
| Affiliation: | 1.College of Information Technology, Shanghai Ocean University, Shanghai 201306, China;2.East China Sea Forecast Center, Ministry of Natural Resources, Shanghai 200136, China |
| |
| Abstract: | |
| |
| Keywords: | hyperspectral image processing denoising low-rank matrix restoration superpixel segmentation clustering |
|
| 点击此处可从《数据采集与处理》浏览原始摘要信息 |
|
点击此处可从《数据采集与处理》下载全文 |
