本文關(guān)鍵詞： 圖像處理 影像去噪 超圖拉普拉斯 高光譜影像 流形正則項(xiàng) 低秩表示模型　出處：《光學(xué)學(xué)報(bào)》2017年05期 　論文類型：期刊論文

【摘要】：針對(duì)傳統(tǒng)高光譜影像低秩表示去噪方法無(wú)法保持影像多元幾何結(jié)構(gòu)信息的問(wèn)題,提出一種基于局部超圖拉普拉斯約束的高光譜影像低秩表示去噪方法。在低秩表示模型中增加超圖拉普拉斯正則項(xiàng),保持?jǐn)?shù)據(jù)間多元幾何流形結(jié)構(gòu);并對(duì)低秩模型系數(shù)矩陣增加稀疏和非負(fù)約束條件,進(jìn)一步提高模型對(duì)影像局部信息的保持能力,使得模型不僅能夠恢復(fù)具有低秩性質(zhì)的影像信號(hào)分量,而且可以很好地保持影像的多元幾何流形結(jié)構(gòu)。在AVIRIS影像和ProSpecTIR-VS影像上的對(duì)比實(shí)驗(yàn)表明,所提方法更好地保持了影像的空間和光譜信息,有效地改善了高光譜影像去噪效果。
[Abstract]:Aiming at the problem that the traditional low rank denoising method of hyperspectral image can not keep the multi-geometric structure information of the image. A low rank representation denoising method for hyperspectral images based on local hypergraph Laplacian constraints is proposed. The hypergraph Laplacian canonical terms are added to the low rank representation model to preserve the multivariate geometric manifold structure between data. The sparse and non-negative constraints are added to the coefficient matrix of the low-rank model, and the ability of preserving the local information of the image is further improved, so that the model can not only restore the image signal component with low rank property. In addition, the multivariate geometric manifold structure of the image can be preserved well. The comparison between the AVIRIS image and the ProSpecTIR-VS image shows that. The proposed method can better preserve the spatial and spectral information of the image and effectively improve the denoising effect of the hyperspectral image.
【作者單位】： 解放軍信息工程大學(xué)地理空間信息學(xué)院;國(guó)家地理信息工程國(guó)家重點(diǎn)實(shí)驗(yàn)室;
【基金】：衛(wèi)星測(cè)繪技術(shù)與應(yīng)用國(guó)家測(cè)繪地理信息局重點(diǎn)實(shí)驗(yàn)室經(jīng)費(fèi)項(xiàng)目(KLSMTA-201603) 地理信息工程國(guó)家重點(diǎn)實(shí)驗(yàn)室開(kāi)放研究基金(SKLGIE2015-M-3-1,SKLGIE2015-M-3-2)
【分類號(hào)】：TP751
【正文快照】： 0510001-1高光譜遙感技術(shù)是20世紀(jì)80年代以來(lái)綜合對(duì)地觀測(cè)的重要組成部分,其優(yōu)勢(shì)在于將地理空間幾何信息和屬性信息進(jìn)行有機(jī)結(jié)合,實(shí)現(xiàn)對(duì)觀測(cè)對(duì)象的透徹理解和認(rèn)知,達(dá)到對(duì)地面目標(biāo)精細(xì)探測(cè)識(shí)別的目的[1-2]。高光譜遙感技術(shù)已被廣泛應(yīng)用于農(nóng)業(yè)生產(chǎn)、礦物填圖、目標(biāo)識(shí)別與探測(cè)、

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 甘甫平;王潤(rùn)生;;高光譜遙感技術(shù)在地質(zhì)領(lǐng)域中的應(yīng)用[J];國(guó)土資源遙感;2007年04期

2 余旭初;楊國(guó)鵬;馮伍法;周欣;;基于簡(jiǎn)約集支持向量機(jī)的高光譜影像分類[J];計(jì)算機(jī)科學(xué);2010年11期

3 李新雙;張良培;李平湘;吳波;;基于小波分量特征值匹配的高光譜影像分類[J];武漢大學(xué)學(xué)報(bào)(信息科學(xué)版);2006年03期

4 楊可明;陳云浩;郭達(dá)志;蔣金豹;;基于高光譜影像的小麥條銹病光譜信息探測(cè)與提取(英文)[J];光子學(xué)報(bào);2008年01期

5 蘇俊英;舒寧;;一種基于非線性增益小波濾波的高光譜影像去噪技術(shù)研究[J];遙感技術(shù)與應(yīng)用;2008年04期

6 楊可明;李慧;郭達(dá)志;;基于最佳小波包基的高光譜影像特征制圖[J];測(cè)繪學(xué)報(bào);2008年01期

7 楊國(guó)鵬;余旭初;劉偉;陳偉;;基于支持向量機(jī)的高光譜影像分類研究[J];計(jì)算機(jī)工程與設(shè)計(jì);2008年08期

8 董超;趙慧潔;;關(guān)聯(lián)向量機(jī)在高光譜影像分類中的應(yīng)用[J];遙感學(xué)報(bào);2010年06期

9 馮海亮;潘競(jìng)文;黃鴻;;半監(jiān)督鄰域保持嵌入在高光譜影像分類中的應(yīng)用[J];計(jì)算機(jī)科學(xué);2014年S1期

10 杜輝強(qiáng);舒寧;;高光譜影像能量邊緣提取[J];武漢大學(xué)學(xué)報(bào)(信息科學(xué)版);2006年02期

相關(guān)會(huì)議論文 前4條

1 于美嬌;董廣軍;張永生;紀(jì)松;楊靖宇;;一種基于極大后驗(yàn)估計(jì)的高光譜影像分辨率增強(qiáng)方法[A];圖像圖形技術(shù)與應(yīng)用進(jìn)展——第三屆圖像圖形技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2008年

2 張杰林;;砂巖型鈾礦床高光譜數(shù)據(jù)挖掘技術(shù)研究[A];第十五屆全國(guó)遙感技術(shù)學(xué)術(shù)交流會(huì)論文摘要集[C];2005年

3 董彥芳;龐勇;;高光譜影像與LiDAR數(shù)據(jù)融合提取城市目標(biāo)提取[A];中國(guó)地震學(xué)會(huì)空間對(duì)地觀測(cè)專業(yè)委員會(huì)2013年學(xué)術(shù)研討會(huì)論文摘要集[C];2013年

4 李飛;周成虎;陳榮國(guó);;基于光譜曲線形態(tài)的高光譜影像檢索方法研究[A];第二屆中國(guó)科學(xué)院博士后學(xué)術(shù)年會(huì)暨高新技術(shù)前沿與發(fā)展學(xué)術(shù)會(huì)議程序冊(cè)[C];2010年

相關(guān)博士學(xué)位論文 前1條

1 楊國(guó)鵬;基于機(jī)器學(xué)習(xí)方法的高光譜影像分類研究[D];解放軍信息工程大學(xué);2010年

相關(guān)碩士學(xué)位論文 前7條

1 張風(fēng);基于子空間學(xué)習(xí)的高光譜影像地物分類[D];西安電子科技大學(xué);2015年

2 祝鵬飛;面向?qū)ο蟮母吖庾V影像地物分類技術(shù)研究[D];解放軍信息工程大學(xué);2011年

3 楊國(guó)鵬;基于核方法的高光譜影像分類與特征提取[D];解放軍信息工程大學(xué);2007年

4 潘競(jìng)文;半監(jiān)督鄰域保持嵌入在高光譜影像分類中的應(yīng)用[D];重慶大學(xué);2014年

5 徐衛(wèi)霄;高光譜影像集成學(xué)習(xí)分類及后處理技術(shù)研究[D];解放軍信息工程大學(xué);2011年

6 聞兵工;地物光譜特征分析技術(shù)研究[D];解放軍信息工程大學(xué);2009年

7 陳偉;高光譜影像混合像元分解技術(shù)研究[D];解放軍信息工程大學(xué);2009年

，

本文編號(hào)：1482363