高光譜影像通常由搭載在不同空間平臺上的成像光譜儀,從空間和光譜兩個維度對地物同時成像所得,擁有結(jié)構(gòu)豐富的空間圖像和幾十到數(shù)百個連續(xù)的光譜波段。高光譜影像具有十分廣泛的應用,如環(huán)境監(jiān)測、軍事安全、礦物開采和食物安全檢測。相對于自然圖像,高光譜影像對成像設備的質(zhì)量要求更高,其成像過程也更加復雜,盡管研究人員不斷地改進成像設備和優(yōu)化成像過程,但仍然不可避免地受到不同類型的噪聲以及其他因素的干擾,對影像的視覺質(zhì)量造成影響,降低影像后續(xù)處理的精度,如分類、解混和目標探測。高光譜影像中存在不同類型的噪聲,包括高斯噪聲、脈沖噪聲、條帶噪聲和死線等,而且不同類型的噪聲在影像中的分布不同,這給去噪任務帶來了巨大的挑戰(zhàn)。目前高光譜去噪的主要方式是充分利用影像的空間-光譜先驗信息,設計符合數(shù)據(jù)特點的去噪模型,然后利用學習算法進行優(yōu)化求解�；诖�,本文開展的主要工作如下:1)從稀疏表示、矩陣分解、張量分解和子空間表示四個方面綜述了目前高光譜影像去噪的研究現(xiàn)狀,介紹了高光譜影像的先驗信息,包括光譜波段相關性、空間非局部相似性和平滑特性,并且對高光譜影像的稀疏、低秩和全變分先驗模型進行了闡述。2)提出了一種基于子... 

【文章來源】：湘潭大學湖南省

【文章頁數(shù)】：69 頁

【學位級別】：碩士

【部分圖文】：

高光譜影像(IndianPines)數(shù)據(jù)示意圖

還給高光譜影像后續(xù)的處理，如地物分類[5,6]、目標探測[7]任務帶來較大的影響。目前去除高光譜影像中的噪聲通常有兩種方式，一種方式是改進成像光譜儀，優(yōu)化成像過程，雖然能夠從一定程度上抑制噪聲，但是成像設備設計復雜，價格昂貴，且需要搭載在航空平臺上，這種方式難以有效提升去噪性能。另一種方式是基于高光譜影像的數(shù)據(jù)和噪聲特點，利用先進的計算設備和機器學習算法，設計普適性強的去噪算法，這是目前最有效的去噪方式。此外，高光譜影像中噪聲類型復雜，比如高斯噪聲、脈沖噪聲、條帶噪聲和泊松噪聲，而且不同光譜波段中的噪聲強度和類型都不同，如圖 1.2 所示。高光譜影像去噪是一項極具挑戰(zhàn)性的任務，研究能夠從最大程度上保持影像原始信息、快速和穩(wěn)定的去噪算法具有非常重要的現(xiàn)實意義。

解的核心思想是將矩陣分解為兩個維度較小的矩陣乘積的形的高光譜影像處理中發(fā)揮著巨大的作用。如果對分解后的矩約束，可以得到非負矩陣分解和低秩矩陣分解�；谶@兩類出了很多方法用于高光譜影像去噪。矩陣分解：許多真實的高光譜影像數(shù)據(jù)本身就具有非負性質(zhì)譜影像去噪中具有重要意義。Ye 等人最早將非負矩陣分解用的基礎上，還進行了稀疏約束。該方法分別對每個光譜波段信息，然后對所有塊組成的矩陣進行稀疏非負矩陣分解，另的相關性，將多任務學習技術(shù)引入到去噪模型中，使得所有陣[17]。在此基礎上，F(xiàn)an 等人對每個光譜波段分別提取非局部多任務稀疏非負矩陣分解的去噪方法，取得了更佳的去噪法不同，Xu 和 Qian 則是直接對高光譜影像提取非局部相似矩陣，再使用稀疏非負矩陣分解方法建立去噪模型，這種方光譜影像的空間和光譜信息[19]。

【參考文獻】：
期刊論文
[1]當代遙感科技發(fā)展的現(xiàn)狀與未來展望[J]. 張兵.  中國科學院院刊. 2017(07)
[2]高光譜圖像稀疏信息處理綜述與展望[J]. 張良培,李家藝.  遙感學報. 2016(05)

博士論文
[1]基于權(quán)重核范數(shù)的高光譜圖像去噪與解混方法研究[D]. 吳釗君.哈爾濱工業(yè)大學 2018
[2]高光譜影像多類型噪聲分析的低秩與稀疏方法研究[D]. 賀威.武漢大學 2017



本文編號：3256618