高光譜圖像(HSI)是由幾十至幾百個(gè)連續(xù)的波段信息組成,具有光譜分辨率高、紋理信息豐富等優(yōu)點(diǎn)。其圖譜合一的特性,為深度挖掘地物信息提供了有利條件,被廣泛應(yīng)用于資源勘探、城市規(guī)劃、軍事監(jiān)測(cè)等不同領(lǐng)域。然而,在高光譜圖像捕獲和傳輸過(guò)程中,受儀器故障與大氣環(huán)境等因素的干擾,導(dǎo)致高光譜圖像被各種噪聲污染,限制了后續(xù)的分析與應(yīng)用性能。因此,如何有效地恢復(fù)高光譜圖像是遙感圖像處理領(lǐng)域的一個(gè)重點(diǎn)研究方向。高光譜圖像去噪是根據(jù)觀測(cè)圖像以及高光譜圖像自身的空間幾何結(jié)構(gòu)特點(diǎn),從噪聲圖像中恢復(fù)出原始圖像的過(guò)程。通過(guò)利用高光譜圖像的先驗(yàn)信息構(gòu)建合理的正則化約束項(xiàng)是高光譜圖像去噪的有效方法之一。本文充分挖掘高光譜圖像的多個(gè)先驗(yàn)屬性,如局部(全局)低秩性、分段光滑性、高光譜影像稀疏性,針對(duì)高光譜圖像的混合噪聲去除問(wèn)題展開研究,并設(shè)計(jì)了相應(yīng)的去噪算法。本文的主要內(nèi)容包括:1.受L₀梯度映射方法的啟發(fā),將L₀梯度約束模型推廣到高光譜圖像稀疏度衡量問(wèn)題,提出聯(lián)合局部低秩矩陣恢復(fù)與L₀梯度約束的高光譜圖像去噪算法。該方法通過(guò)局部低秩性有效的提取高光譜圖像的...

【文章頁(yè)數(shù)】：107 頁(yè)

【學(xué)位級(jí)別】：博士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景和意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀及發(fā)展趨勢(shì)
        1.2.1 傳統(tǒng)去噪算法研究現(xiàn)狀
        1.2.2 基于先驗(yàn)約束的去噪算法研究現(xiàn)狀
        1.2.3 現(xiàn)狀解析及難點(diǎn)分析
    1.3 主要工作與創(chuàng)新
    1.4 本文的主要內(nèi)容和章節(jié)安排
第二章 高光譜圖像去噪基本理論與模型
    2.1 高光譜圖像降噪模型
    2.2 圖像去噪基本理論
        2.2.1 全變差先驗(yàn)?zāi)Ｐ?br>        2.2.2 稀疏和低秩先驗(yàn)?zāi)Ｐ?br>    2.3 影像質(zhì)量評(píng)價(jià)方法
    2.4 公開實(shí)驗(yàn)數(shù)據(jù)集
    2.5 本章小結(jié)
第三章 聯(lián)合局部低秩矩陣恢復(fù)和L₀范數(shù)的去噪方法
    3.1 基于局部低秩矩陣分解的高光譜去噪方法
    3.2 基于L₀梯度約束的稀疏分解方法
        3.2.1 L₀梯度最小化模型
        3.2.2 L₀梯度約束模型描述
    3.3 聯(lián)合L₀梯度約束與局部低秩分解的高光譜去噪方法
        3.3.1 L₀梯度約束與局部低秩分解模型構(gòu)建
        3.3.2 L₀梯度約束與局部低秩分解模型求解
    3.4 實(shí)驗(yàn)結(jié)果及分析
        3.4.1 仿真數(shù)據(jù)實(shí)驗(yàn)
        3.4.2 真實(shí)數(shù)據(jù)實(shí)驗(yàn)
        3.4.3 參數(shù)影響分析
    3.5 本章小結(jié)
第四章 聯(lián)合局部低秩和Moreau增強(qiáng)全變分的去噪方法
    4.1 基于全變差的高光譜去噪方法
    4.2 Moreau增強(qiáng)全變分去噪方法
        4.2.1 Moreau增強(qiáng)全變分模型構(gòu)建
        4.2.2 Moreau增強(qiáng)全變分模型求解
    4.3 聯(lián)合局部低秩和Moreau增強(qiáng)全變分的高光譜去噪方法
        4.3.1 局部低秩和Moreau增強(qiáng)全變分模型構(gòu)建
        4.3.2 模型優(yōu)化求解
    4.4 實(shí)驗(yàn)結(jié)果對(duì)比分析
        4.4.1 仿真數(shù)據(jù)實(shí)驗(yàn)結(jié)果
        4.4.2 真實(shí)數(shù)據(jù)實(shí)驗(yàn)結(jié)果
    4.5 本章小結(jié)
第五章 基于子空間Moreau增強(qiáng)全變分和稀疏分解的去噪方法
    5.1 基于子空間的高光譜圖像去噪算法
    5.2 基于子空間Moreau增強(qiáng)全變分和稀疏分解的去噪模型
        5.2.1 子空間Moreau增強(qiáng)全變分和稀疏分解模型描述
        5.2.2 子空間Moreau增強(qiáng)全變分和稀疏分解模型求解
    5.3 實(shí)驗(yàn)結(jié)果及分析
        5.3.1 仿真數(shù)據(jù)實(shí)驗(yàn)結(jié)果
        5.3.2 真實(shí)數(shù)據(jù)實(shí)驗(yàn)結(jié)果
        5.3.3 參數(shù)分析
    5.4 本章小結(jié)
第六章 結(jié)論與展望
    6.1 研究工作總結(jié)
    6.2 研究展望
參考文獻(xiàn)
致謝
作者簡(jiǎn)介
    1 作者簡(jiǎn)歷
    2 攻讀博士學(xué)位期間發(fā)表的學(xué)術(shù)論文
    3 參與的科研項(xiàng)目及獲獎(jiǎng)情況
    4 發(fā)明專利
學(xué)位論文數(shù)據(jù)集



本文編號(hào)：3788214