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)中多种类型噪声的混合干扰,以提高其视觉质量及目标检测或分类的准确性。
研究成果
提出的LRSNL方法能有效去除混合噪声并保留高光谱图像中的精细空间结构。LR预清洁与SNL恢复相结合的效果优于仅使用LR或SNL的方法。未来工作可探索针对不同重要性光谱波段的适应性加权方案。
研究不足
LRSNL对所有光谱波段一视同仁,仅通过计算所有波段的平均值来确定图像块间的相似度。针对不同重要性的波段,可以开发自适应加权方案。
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)恢复方法。利用低秩特性进行预清洁分块,再通过考虑光谱和空间信息的非局部方法实现最终修复。
2:样本选择与数据来源:
采用合成与真实高光谱数据集,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分块,先利用低秩特性预清洁,再通过基于光谱和空间相似性计算权重的非局部方法进行修复。
5:数据分析方法:
采用改进信噪比(ISNR)指标,并通过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