基于群稀疏正则化的高光谱图像去噪

来源：计算机技术与发展杂志2023年第12期北京时间：

作者：姜斌;叶军

单位：南京邮电大学 理学院,江苏 南京 210023 Author(s): JIANG Bin;YE Jun School of Science,Nanjing University of Posts and Telecommunications,Nanjing 210023,China 关键词: 高光谱图像;图像去噪;群稀疏正则化;低秩约束;条纹噪声 Keywords: hyperspectral images;images denoising;group sparse regularization;low-rank constraint;stripe noise 分类号: TP751 DOI: 10. 3969 / j. issn. 1673-629X. 2023. 12. 024 摘要: 高光谱图像( HSI) 具有良好的光谱识别能力,但在采集过程中易受到混合噪声的污染,严重影响了后续任务的精度,因此 HSI 去噪是重要的预处理过程。 针对现有去噪方法对空间-光谱先验信息利用不足、条纹噪声建模不合理的问题,提出一种新的基于群稀疏正则化的高光谱图像去噪算法。 该算法将干净 HSI 的空间-光谱低秩特性和各波段上条纹噪声的低秩结构融入一个新框架,实现了干净 HSI 与高强度结构化条纹噪声的分离;同时为了有效保持图像的边缘信息,在去噪模型中引入新的群稀疏正则化,即基于 L2,1 范数的增强型三维全变分正则化(enhanced 3D total variation,E3DTV) ,充分挖掘 HSI 差分图像的稀疏先验信息,进一步提升了图像的分段平滑性。 采用交替方向乘子法对变量优化求解,在仿真和真实数据集上进行数值实验表明,所提模型具有更好的去噪和去条纹性能,在视觉效果和定量评价结果上都明显优于其他对比算法。

摘要：高光谱图像( HSI) 具有良好的光谱识别能力,但在采集过程中易受到混合噪声的污染,严重影响了后续任务的精度,因此 HSI 去噪是重要的预处理过程。 针对现有去噪方法对空间-光谱先验信息利用不足、条纹噪声建模不合理的问题,提出一种新的基于群稀疏正则化的高光谱图像去噪算法。 该算法将干净 HSI 的空间-光谱低秩特性和各波段上条纹噪声的低秩结构融入一个新框架,实现了干净 HSI 与高强度结构化条纹噪声的分离;同时为了有效保持图像的边缘信息,在去噪模型中引入新的群稀疏正则化,即基于 L2,1 范数的增强型三维全变分正则化(enhanced 3D total variation,E3DTV) ,充分挖掘 HSI 差分图像的稀疏先验信息,进一步提升了图像的分段平滑性。 采用交替方向乘子法对变量优化求解,在仿真和真实数据集上进行数值实验表明,所提模型具有更好的去噪和去条纹性能,在视觉效果和定量评价结果上都明显优于其他对比算法。

关键词：高光谱图像;图像去噪;群稀疏正则化;低秩约束;条纹噪声