研究目的
提出一种新的低秩光谱非局部方法(LRSNL),用于同时去除高光谱图像(HSI)中混合的不同类型噪声,提高其视觉质量及目标检测或分类的准确性。
研究成果
所提出的LRSNL方法能有效去除高光谱图像中的混合噪声并保留精细的空间结构。实验表明,该方法优于低秩矩阵恢复方法(LRMR)和无预清洁的SNL方法。研究强调了预清洁步骤对提升聚类效果和图像复原质量的重要性。
研究不足
LRSNL对所有光谱波段一视同仁,并采用所有波段的平均值来计算图像块之间的相似性,当光谱波段重要性不同时,这种方法可能并非最优。
1:实验设计与方法选择:
LRSNL方法结合了高光谱图像(HSI)的低秩(LR)特性与光谱非局部(SNL)修复方法。利用LR特性进行预清洗块处理,并基于光谱和空间信息采用SNL方法进行最终修复。
2:样本选择与数据来源:
使用合成与真实高光谱图像数据集,包括Indian Pine数据集和EO-1 Hyperion影像数据集。
3:实验设备与材料清单:
论文中未明确提及。
4:实验流程与操作步骤:
将高光谱立方体分割为小块,利用LR特性预清洗后,通过基于光谱和空间信息计算权重的SNL方法进行修复。
5:数据分析方法:
通过各光谱波段的改进信噪比(ISNR)及修复图像与光谱特征的视觉对比评估性能。
独家科研数据包,助您复现前沿成果,加速创新突破
获取完整内容