基于混合噪声估计的高光谱图像异常检测方法

随着光谱分辨率越来越高,高光谱图像更容易受到噪声的干扰,直接用传统的检测算子会产生较高的虚警。针对RX算法存在较大噪声干扰的问题,提出了一种基于混合噪声评估的RX异常检测方法。首先对高光谱图像进行分块,利用滤波的思想选取均匀图像块;考虑图像光谱-空间信息,运用多元线性回归分析对均匀图像块进行混合噪声评估;然后将高光谱图像和混合噪声进行作差,消除噪声的干扰;最后运用RX算子进行异常检测。实验结果表明,该方法达到了消除噪声的效果,与RX和MNF-RX算法相比具有更好的目标检测性能。     

基于边缘剔除的陆基高光谱图像噪声评估方法

为了准确地对陆基成像条件下高光谱图像的噪声水平进行评估, 提出了一种基于边缘剔除后残差调整的局部标准差法。首先将获取的高光谱图像分成若干个大小合适的子块, 而后利用Canny边缘检测算子检测出图像的边缘信息, 判断并剔除其中含有边缘的子块, 将剔除边缘子块后的均匀子块采用多元线性回归后求取残差的方法进行噪声估计。结果表明, 对同一幅陆基高光谱图像的不同子区域进行4×4像元与8×8像元分块, 得到的噪声总误差值分别为1.985×103与2.197×103。该噪声估计方法对陆基成像条件下高光谱图像的噪声评估具有较强的鲁棒性, 可为后续陆基高光谱图像处理与应用提供参考。     

基于图像块先验的单帧红外自适应校正算法

红外焦平面阵列的非均匀性严重限制了红外成像系统对目标的灵敏度,降低了图像的成像质量。本文基于图像块统计特性的期望块对数似然概率(EPLL),提出了基于图像块先验的单帧红外图像非均匀性校正算法,可以完成单帧红外图像的非均匀性校正。该算法首先利用高斯混合模型完成对图像块训练分类,然后利用EPLL准则获取带有非均匀性噪声图像对应的最大似然概率对数期望图像来完成对图像的校正。仿真试验和真实红外图像实验结果表明该方法对单帧红外图像的非均匀性校正效果良好,校正速度快,可以避免鬼影的产生并且可以完成持续性工作。     

基于相关向量机的高光谱图像噪声评估算法

为了更准确的估计高光谱图像噪声强度,提出了一种基于相关向量机(RVM)的高光谱图像噪声评估算法。对该算法所采用的RVM 回归原理、残差与噪声的关系等进行了研究。首先,介绍了高光谱图像噪声评估中应用较为广泛的空间/光谱维去相关法的特点及不足。接着,对可有效进行非线性回归分析的RVM 进行了介绍。然后,针对传统的空间/光谱维去相关法在系统中存在较强的非线性关系时,得到的残差将会过大这一问题,提出利用RVM 回归分析去除具有高相关性的信号,利用得到的残差图像对噪声进行估算,从而提高评估系统的稳定性。实验结果表明:噪声强度估计精度优于8%;相比传统算法更有效。总体看,该算法可以满足自动高光谱图像噪声评估的稳定可靠、精度高等要求。     

高光谱图像光谱域噪声检测与去除的DSGF方法

高光谱遥感图像中不仅存在空间域噪声而且存在光谱域噪声.传统的图像滤波仅对图像空间域噪声进行处理,而不能去除光谱域噪声,为改进这种状况,提出了DSGF(Derivative based Savitzky-Golay F ilter)方法.首先,基于反射率光谱的二阶导数对反射率光谱各波段噪声大小进行判定,然后用不同大小平滑窗的Savitzky-Golay滤波器对反射率光谱作两步滤波.对高光谱图像进行的逐像元DSGF滤波,在去除光谱域中噪声的同时,保留了图像反射率光谱的大部分细微特征.     

基于视觉传达理论的高光谱图像复原研究

研究基于视觉传达理论的高光谱图像复原方法,提升图像复原的抗干扰能力以及高光谱图像视觉传达效果。依据视觉传达理论,使用图像差分法计算高光谱视频图像灰度值获取运动区域,依据压缩感知理论获取运动区域初始信息,通过字典学习方法表征高光谱视频图像静止区域的空间性、相关性的稀疏信息后,获取静止区域初始信息;利用压缩感知方法分块视频图像、建立图像块观测值向量、观测矩阵等获取运动区域复原图像块,结合静止区域复原图像块完成高光谱图像复原。实验结果表明：该方法复原后的高光谱视频图像具有层次分明、清晰度高的优势,且该方法抗高斯白噪声干扰能力强,视觉传达效果卓越。     

基于列相关的热红外高光谱遥感图像非均匀性校正

由于探测单元之间响应不一致、电子增益和偏置发生变化、焦平面污染和损伤等因素,推扫式热红外成像光谱仪获取的图像常常表现为图像列之间不均匀,条带噪声严重,影响了热红外高光谱遥感图像的后续处理和应用。结合推扫式成像光谱仪非均匀性的来源和成因,以相邻地物的相关性为理论基础,提出了适用于热红外高光谱遥感图像的非均匀性校正方法。该方法的步骤是,首先逐波段对原始热红外高光谱遥感图像进行标准矩匹配校正,得到标准矩匹配校正图像;然后,以标准矩匹配校正图像为基础,选择相邻两列像元中相同的地物像元;最后,用两列中相同的地物像元,通过线性回归得到后一列的校正系数,并对其进行校正,顺次遍历一个波段的所有列,完成一个波段图像的非均匀性校正。按照此过程,遍历一幅热红外高光谱遥感图像的所有波段,完成一幅热红外高光谱遥感图像的非均匀性校正。将该方法应用于推扫式热红外光谱成像仪实际获取图像的非均匀性校正中。结果表明,相比矩匹配方法,在保证非均匀性校正效果的情况下,本文方法的各列均值和标准差更符合实际情况。     

基于群稀疏空间光谱总变分的高光谱混合噪声图像恢复北大核心CSCD

高光谱图像(HSI)在采集的过程中,由于受到环境和传感器的影响,图像会被大量混合噪声污染,会影响遥感图像后续应用的性能,因此从混合噪声中恢复干净的HSI成为了重要的预处理过程。而一些现有的张量模型,在去除含有条带和死线的混合噪声时,并不能取得很好的效果。为此,提出了一种基于群稀疏空间光谱总变分的高光谱混合噪声图像恢复算法(FRTCSSTV);为了避免过度平滑,该算法利用群稀疏空间光谱全变分正则化来增强空间谱维的稀疏性,同时为了保持HSI原有的结构,采用直接对张量纤维秩进行约束的方法来表示HSI的全局低秩。在模拟和真实的高光谱图像实验中,与其他模型相比,FRTCSSTV方法在去除含有条带和死线噪声的混合噪声时具有更好的性能。     

利用期望最大化算法的EMCCD噪声分布模型的参数估计

讨论了电子倍增CCD（EMCCD）图像的噪声来源及其统计特性,建立了混合泊松-高斯噪声分布模型。针对混合泊松-高斯噪声分布模型的极大似然函数难以求解的问题,对噪声模型进行了适当的初始化设置,利用期望最大化算法对噪声模型进行参数估计,有效实现了噪声参数的极大似然估计。Monte Carlo仿真结果及实验结果表明,期望最大化算法估计性能较好,对混合泊松-高斯分布有较好的拟合效果,能得到较高精度的参数估计值。     

红外焦平面阵列的非均匀性仿真方法研究

在研究红外焦平面阵列(Infrared Focal Plane Array, IRFPA)非均匀性校正算法的过程中, 需要通过仿真获取大量带有非均匀性信息的目标图像。根据IRFPA非均匀性的产生机 理,分别建立了探测元非均匀性、读出电路非均匀性和漂移噪声的数学模型,并利用这些 模型在理想图像上分别叠加了这三部分的非均匀性,最终获取了目标图像。在仿真过程中,假设非均 匀性噪声符合高斯分布,通过设置模型系数使其具有不同的均值和方差,可以实现 不同程度的非均匀性仿真。由于考虑了漂移噪声,本文方法的仿真结果更为符合实际情况。     

基于高光谱解混的伪装目标识别技术研究

高光谱遥感图像识别技术在伪装目标识别方面具有很大的应用前景。针对高光谱遥感图像中的混合像元和光谱变异问题,提出基于高光谱解混技术的伪装目标识别方法。该方法采用扩展线性混合模型表征高光谱图像中的光谱变异问题,利用超像元分割技术将原始高光谱图像转换为粗细多尺度特征图,对超像元丰度矩阵附加8-邻域空间加权与行约束,以降低噪声和奇异点像元的影响。针对伪装目标空间分布稀疏的特点,在模型中增加丰度矩阵的截断加权核范数作为正则化项,以提高算法精度。实验结果表明提出的方法具有良好的抗噪性和较高的解混精度,可以有效提高伪装目标识别精度。     

基于同质区分割的非线性端元提取算法

端元提取是高光谱遥感图像混合像元分解的关键步骤。传统端元提取算法忽略了高光谱图像中地物空间分布相关性与非线性结构,制约了端元提取算法的精度。针对高光谱图像的空间关系与非线性结构,提出一种基于同质区分割的非线性端元提取算法。使用超像素分割方法将图像分割为若干同质区,利用流形学习构造高光谱图像数据的非线性结构,最后在同质区内提取端元并利用聚类方法优选端元。模拟和真实图像数据实验表明,该算法能够保证高光谱数据的非线性结构,端元提取结果优于其他传统线性端元提取方法,在低信噪比的情况下,可以保持较好的端元提取结果。     

电子倍增CCD噪声参数的估计方法

为定量评价电子倍增CCD(EMCCD)图像噪声的大小,实现对EMCCD 图像噪声参数的准确估计,研究了EMCCD 的噪声分布模型及其参数估计方法。首先,讨论了EMCCD 图像的噪声来源及其统计特性,由此建立了适于EMCCD 的噪声分布模型。然后,提出了两种EMCCD 噪声参数估计方法矩估计法和高斯-牛顿法,采用Monte Carlo 仿真验证其性能。仿真结果表明,矩估计法和高斯-牛顿法的平均相对误差和相对标准偏差均为10-2 量级,估计精度较高,且高斯-牛顿法的估计精度要高于矩估计法。采集一系列无增益时积分时间为50 s的暗场图片和增益为50 的本底图片,利用矩估计法和高斯-牛顿法分别估计出EMCCD 的暗电流噪声、时钟感生电荷噪声和读出噪声,实验结果表明,估计值与EMCCD 指标值一致,证明矩估计法和高斯-牛顿法能有效估计噪声参数且具有较高的精度。     

JPEG压缩对噪声相关性影响的修正

提出了一种修正JPEG压缩对噪声相关性大小影响的新方法。该方法应用最小二乘法估计原理求出噪声相关性大小与品质因素的函数关系,根据修正的约束条件和归一化条件推导出修正函数,利用该修正函数把各种品质因素下的噪声相关性大小修正为最高品质因素下的噪声相关性大小,使得判别阈值与品质因素无关,从而修正了JPEG压缩对噪声相关性大小的影响。实验结果表明,利用该方法产生的错误拒绝率很小,但错误接受率随着品质因素的变小而变大。     

Blind Decomposition of Transmission Light Microscopic Hyperspectral Cube Using Sparse Representation

In this paper, we address the problem of fully automated decomposition of hyperspectral images for transmission light microscopy. The hyperspectral images are decomposed into spectrally homogeneous compounds. The resulting compounds are described by their spectral characteristics and optical density. We present the multiplicative physical model of image formation in transmission light microscopy, justify reduction of a hyperspectral image decomposition problem to a blind source separation problem, and provide method for hyperspectral restoration of separated compounds. In our approach, dimensionality reduction using principal component analysis (PCA) is followed by a blind source separation (BSS) algorithm. The BSS method is based on sparsifying transformation of observed images and relative Newton optimization procedure. The presented method was verified on hyperspectral images of biological tissues. The method was compared to the existing approach based on nonnegative matrix factorization. Experiments showed that the presented method is faster and better separates the biological compounds from imaging artifacts. The results obtained in this work may be used for improving automatic microscope hardware calibration and computer-aided diagnostics.      

Multi-frame super-resolution reconstruction based on mixed Poisson–Gaussian noise

In this paper, a non-blind multi-frame super-resolution (SR) model based on mixed Poisson–Gaussian noise (MPGSR) is proposed. Poisson noise arises from the stochastic nature of the photon-counting process. Readout noise and reset noise inherent to the readout circuitry can be modeled by an additive Gaussian noise. Therefore, a mixed Poisson–Gaussian noise model is more appropriate for real imaging system. Instead of deriving the data fidelity term from the perspective of error norms and the corresponding influence functions, we address the multi-frame SR problem based on a statistical noise model. The derived objective function is decomposed into sub-functions and solved by the alternating direction method of multipliers (ADMM) algorithm which allows using techniques of constrained optimization. The validation of the proposed MPGSR was performed quantitatively and qualitatively on natural and X-ray images. In comparison to the optimization-based and learning-based state-of-the-art methods, we have demonstrated the feasibility of MPGSR and the significance of applying a more appropriate noise model on the SR image reconstruction.