一种结合空间相似性和RPCA的高光谱图像去噪算法

• 作者: 俞珍秒 杨明
• 来源期刊: 南京大学学报（自然科学版）
• 学科: 工学
• 关键词: 高光谱图像去噪 鲁棒主成分分析 邻域相似性 低秩
• 年，卷（期）: 2017,（3）
• 所属期刊栏目: 硅基纳电子和光电子专栏
• 页码范围: 518-524
• 页数: 7页
• 分类号: TP391
• 字数: 3545字
• 语种: 中文
• DOI: 10.13232/j.cnki.jnju.2017.03.016

摘要

高光谱图像在采集过程中极易产生高斯、椒盐、条纹等噪声,从而对后续的地物空间识别工作产生影响.因此有效的噪声去除工作在高光谱图像处理中是不可缺少的一步.鲁棒主成分分析(Robust Principal Component Analysis,RPCA)是能将受稀疏噪声干扰的低秩矩阵进行有效恢复的模型.高光谱图像由于其光谱特征之间存在很高的相关性,即每个光谱特征可以用光谱端元的线性组合来表示,因此高光谱图像具有高度低秩性,从而RPCA算法能在高光谱图像去噪中取得显著的效果.结合高光谱图像空间邻域相似性和改进RPCA(Spatial Neighboring Similarity and Improve RPCA,S_IRPCA),提出一种新的高光谱图像去噪算法.算法在去除噪声的同时,更好的保留了细节信息.实验表明,算法与主流的低秩恢复算法相比,无论在主观视觉上还是在客观评价指标上,都做到了显著提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨明	南京师范大学计算机科学与技术学院	58	1074	15.0	32.0
2	俞珍秒	南京师范大学计算机科学与技术学院	1	2	1.0	1.0