作者:
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
高光谱图像在获取过程中容易产生噪音,从而影响了地物空间信息的识别.噪声去除是高光谱图像处理十分必要的步骤.结合低秩矩阵分解理论,在传统奇异值阈值方法的基础上提出基于分块的噪声自适应遥感去噪方法.实验结果证明,该方法运算速度快,并能够有效去除缺失值造成的死线噪声以及高斯噪声,在平均峰值信噪比(MPSNR)和平均结构相似性(MSSIM)上优于Godec算法.
推荐文章
基于RTF的高光谱图像去噪方法
高光谱去噪
回归树场
代价函数
光谱和空间上下文信息
过平滑
结合分块噪声估计的字典学习图像去噪算法
图像去噪
平滑图像块
奇异值分解
噪声估计
字典学习
基于Ridgelet变换的自适应软硬折衷图像去噪算法
Wavelet变换
Radon变换
Ridgelet变换
图像去噪
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 分块噪声自适应高光谱图像去噪算法研究
来源期刊 井冈山大学学报(自然科学版) 学科 工学
关键词 高光谱图像 低秩矩阵 奇异值分解 去噪
年,卷(期) 2016,(1) 所属期刊栏目 信息科学
研究方向 页码范围 69-74
页数 6页 分类号 TP751
字数 2966字 语种 中文
DOI 10.3969/j.issn.1674-8085.2016.01.014
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 孔祥阳 四川工程职业技术学院基础教学部 27 32 4.0 4.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (54)
共引文献  (39)
参考文献  (22)
节点文献
引证文献  (2)
同被引文献  (15)
二级引证文献  (3)
1976(1)
  • 参考文献(0)
  • 二级参考文献(1)
1981(1)
  • 参考文献(0)
  • 二级参考文献(1)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(5)
  • 参考文献(0)
  • 二级参考文献(5)
2002(4)
  • 参考文献(1)
  • 二级参考文献(3)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(2)
  • 参考文献(1)
  • 二级参考文献(1)
2005(4)
  • 参考文献(1)
  • 二级参考文献(3)
2006(4)
  • 参考文献(0)
  • 二级参考文献(4)
2007(3)
  • 参考文献(0)
  • 二级参考文献(3)
2008(6)
  • 参考文献(0)
  • 二级参考文献(6)
2009(6)
  • 参考文献(2)
  • 二级参考文献(4)
2010(3)
  • 参考文献(2)
  • 二级参考文献(1)
2011(7)
  • 参考文献(2)
  • 二级参考文献(5)
2012(3)
  • 参考文献(1)
  • 二级参考文献(2)
2013(9)
  • 参考文献(2)
  • 二级参考文献(7)
2014(7)
  • 参考文献(5)
  • 二级参考文献(2)
2015(6)
  • 参考文献(5)
  • 二级参考文献(1)
2016(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2017(1)
  • 引证文献(1)
  • 二级引证文献(0)
2018(3)
  • 引证文献(0)
  • 二级引证文献(3)
2019(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
高光谱图像
低秩矩阵
奇异值分解
去噪
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
井冈山大学学报(自然科学版)
双月刊
1674-8085
36-1309/N
大16开
江西省吉安市青原区
2010
chi
出版文献量(篇)
2946
总下载数(次)
3
总被引数(次)
7565
论文1v1指导