針對傳統(tǒng)的高光譜圖像去噪方法忽視高光譜圖像強烈的譜間相關(guān)性和圖譜合一的問題,提出了一種基于復(fù)值特征子空間的高光譜圖像去噪方法.該方法首先基于光譜數(shù)據(jù)的相似性對復(fù)域信號進(jìn)行奇異值分解（Singular Value Decomposition,SVD）分析,選擇最能代表信號子空間的最優(yōu)低維特征子空間,然后基于非局部復(fù)域塊匹配3D（Complex-Domain Block-Matching 3D,CDBM3D）濾波器對特征圖像進(jìn)行濾波.實驗結(jié)果表明,本文算法對噪聲具有較強的魯棒性,可以有效恢復(fù)低信噪比的高光譜數(shù)據(jù).與其他方法相比,本文方法在所有波長的RRMSE值最小的情況下準(zhǔn)確性最佳. 

【文章來源】：西南師范大學(xué)學(xué)報(自然科學(xué)版). 2020,45(10)北大核心

【文章頁數(shù)】：8 頁

【部分圖文】：

波長為446 nm時的去噪效果圖

圖4和圖5給出了對干涉相位復(fù)合圖像和包裹相位圖像進(jìn)行濾波時, 不同去噪方法的全波段RRMSE值的比較結(jié)果. 可以看出, 本文方法具有最佳性能, 盡管在波長間隔不同部分的相位圖像之間存在很大差異, 本文算法仍可以實現(xiàn)所有波長的高質(zhì)量去噪. 這是因為所提方法利用CDBM3D同時對噪聲圖像的相位和幅度進(jìn)行去噪, 并且其基函數(shù)是自適應(yīng)變化的, 從而提高了估計的精度.圖5 不同算法對包裹相位圖像進(jìn)行濾波后的RRMSE

圖4 不同算法對干涉相位復(fù)合圖像進(jìn)行濾波后的RRMSE表1 各算法去噪結(jié)果 方法 BM3D 文獻(xiàn)[12] 文獻(xiàn)[13] 本文算法 MPSNR 34.73 36.95 33.05 37.06 MSSIM 0.909 1 0.969 8 0.981 3 0.985 7

【參考文獻(xiàn)】：
期刊論文
[1]多旋翼無人機載高光譜成像系統(tǒng)幾何和輻射校正方法研究[J]. 周蕊,歐毅,虞豹,王茜.  西南大學(xué)學(xué)報(自然科學(xué)版). 2019(09)
[2]基于曲率約束因子與邊緣加權(quán)法則的圖像修復(fù)算法[J]. 韓棟,王春華.  西南師范大學(xué)學(xué)報(自然科學(xué)版). 2019(03)



本文編號：3119440