本文關鍵詞： 圖像處理 影像去噪 超圖拉普拉斯 高光譜影像 流形正則項 低秩表示模型　出處：《光學學報》2017年05期 　論文類型：期刊論文

【摘要】：針對傳統(tǒng)高光譜影像低秩表示去噪方法無法保持影像多元幾何結(jié)構(gòu)信息的問題,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,保持數(shù)據(jù)間多元幾何流形結(jié)構(gòu);并對低秩模型系數(shù)矩陣增加稀疏和非負約束條件,進一步提高模型對影像局部信息的保持能力,使得模型不僅能夠恢復具有低秩性質(zhì)的影像信號分量,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影像上的對比實驗表明,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地理空間信息學院;國家地理信息工程國家重點實驗室;
【基金】：衛(wèi)星測繪技術與應用國家測繪地理信息局重點實驗室經(jīng)費項目(KLSMTA-201603) 地理信息工程國家重點實驗室開放研究基金(SKLGIE2015-M-3-1,SKLGIE2015-M-3-2)
【分類號】：TP751
【正文快照】： 0510001-1高光譜遙感技術是20世紀80年代以來綜合對地觀測的重要組成部分,其優(yōu)勢在于將地理空間幾何信息和屬性信息進行有機結(jié)合,實現(xiàn)對觀測對象的透徹理解和認知,達到對地面目標精細探測識別的目的[1-2]。高光譜遙感技術已被廣泛應用于農(nóng)業(yè)生產(chǎn)、礦物填圖、目標識別與探測、

【相似文獻】

相關期刊論文 前10條

1 甘甫平;王潤生;;高光譜遙感技術在地質(zhì)領域中的應用[J];國土資源遙感;2007年04期

2 余旭初;楊國鵬;馮伍法;周欣;;基于簡約集支持向量機的高光譜影像分類[J];計算機科學;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];武漢大學學報(信息科學版);2006年03期

4 楊可明;陳云浩;郭達志;蔣金豹;;基于高光譜影像的小麥條銹病光譜信息探測與提取(英文)[J];光子學報;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研究[J];遙感技術與應用;2008年04期

6 楊可明;李慧;郭達志;;基于最佳小波包基的高光譜影像特征制圖[J];測繪學報;2008年01期

7 楊國鵬;余旭初;劉偉;陳偉;;基于支持向量機的高光譜影像分類研究[J];計算機工程與設計;2008年08期

8 董超;趙慧潔;;關聯(lián)向量機在高光譜影像分類中的應用[J];遙感學報;2010年06期

9 馮海亮;潘競文;黃鴻;;半監(jiān)督鄰域保持嵌入在高光譜影像分類中的應用[J];計算機科學;2014年S1期

10 杜輝強;舒寧;;高光譜影像能量邊緣提取[J];武漢大學學報(信息科學版);2006年02期

相關會議論文 前4條

1 于美嬌;董廣軍;張永生;紀松;楊靖宇;;一種基于極大后驗估計的高光譜影像分辨率增強方法[A];圖像圖形技術與應用進展——第三屆圖像圖形技術與應用學術會議論文集[C];2008年

2 張杰林;;砂巖型鈾礦床高光譜數(shù)據(jù)挖掘技術研究[A];第十五屆全國遙感技術學術交流會論文摘要集[C];2005年

3 董彥芳;龐勇;;高光譜影像與LiDAR數(shù)據(jù)融合提取城市目標提取[A];中國地震學會空間對地觀測專業(yè)委員會2013年學術研討會論文摘要集[C];2013年

4 李飛;周成虎;陳榮國;;基于光譜曲線形態(tài)的高光譜影像檢索方法研究[A];第二屆中國科學院博士后學術年會暨高新技術前沿與發(fā)展學術會議程序冊[C];2010年

相關博士學位論文 前1條

1 楊國鵬;基于機器學習方法的高光譜影像分類研究[D];解放軍信息工程大學;2010年

相關碩士學位論文 前7條

1 張風;基于子空間學習的高光譜影像地物分類[D];西安電子科技大學;2015年

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

3 楊國鵬;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;2007年

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

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

6 聞兵工;地物光譜特征分析技術研究[D];解放軍信息工程大學;2009年

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

，

本文編號：1482363