[發明專利]基于無參數的非凸低秩矩陣逼近的高光譜圖像去噪方法

在審

• 申請號: 201911256883.1
• 申請日: 2019-12-10
• 公開（公告）號: CN111028172A
• 公開（公告）日: 2020-04-17
• 發明（設計）人: 鄭建煒;陶星朋;陳婉君;秦夢潔;徐宏輝;黃娟娟
• 申請（專利權）人: 浙江工業大學
• 主分類號: G06T5/00
• 分類號: G06T5/00
• 代理公司: 杭州天正專利事務所有限公司 33201
• 代理人: 王兵;黃美娟

基于無參數的非凸低秩矩陣逼近的高光譜圖像去噪方法，包括：1)獲取待去噪的高光譜圖像數據其中M、N、K分別表示高光譜圖像的寬度、高度，及譜帶的數量；2)提出無參數非凸正則項，并構建無參數非凸低秩矩陣逼近去噪模型；3)采用增廣拉格朗日函數(Augmented Lagrange multipliers，ALM)算法對模型進行優化；4)遵循Gauss–Seidel方法的思想對優化過程中的子問題進行求解；5)輸出去除混合噪聲后的高光譜圖像。本發明能很有效地去除高斯噪聲、脈沖噪聲、條紋等，并可以較好地保持高光譜圖像的結構和細節。

技術領域

本發明涉及一種高光譜圖像去噪方法。

背景技術

光譜分辨率在10l數量級范圍內的光譜圖像稱為高光譜圖像(Hyperspectralimage，HSI)，在獲得地表圖像信息的同時，也獲得其光譜信息。由于數字傳感技術的發展，高光譜圖像在環境研究、軍事監視、生物醫學成像等領域有著廣泛的應用。然而，在這些應用中暴露出一些問題。首先，圖像規模急劇增加會導致維數災難；其次，由于光子效應、相機傳感器陣列故障、硬件存儲位置錯誤等原因，高光譜圖像常會受到各種噪聲的干擾，包括高斯噪聲、脈沖噪聲，條紋等。噪聲的存在不僅影響高光譜圖像的視覺效果,而且也限制了后續處理工作的精度。因此,去除噪聲，提高圖像質量至關重要。

近年來，針對高光譜圖像去噪的方法有很多。高光譜圖像的光譜維度包含了同一空間場景在不同光譜波段內的成像結果，故不同光譜通道之間存在著高度相關性，即，光譜低秩性。Wright等人和Candes等人表明，在非相干假設下，盡管低秩模型存在顯著的破壞，但仍然能使其準確獲得解。與傳統的主成分分析方法(PCA)相比，低秩模型對各種噪聲具有較強的魯棒性。雖然低秩模型在理論研究和實際應用中取得了一定成功，但凸松弛仍存在不足。比如，核范數是所有奇異值的總和，在實際應用中無法很好地逼近秩，這意味著較大奇異值比較小奇異值受到的懲罰更大；此外，以往的理論分析通常基于矩陣滿足非相干性這一假設，而該假設在實際場景中可能得不到保證。因此，用非凸函數代替l₁范數作為l₀范數的代理函數得到了廣泛的關注。Zhang等人提出了一種混合HSI恢復模型，該模型將低秩矩陣恢復(low rank matrix recovery，LRMR)應用于每個圖像塊，同時去除高斯噪聲、脈沖噪聲等，并利用GoDec算法，用硬閾值算子估計在稀疏矩陣之間進行切換，從而求出解。Li等人采用類似于自然圖像的塊(patch)匹配算法來確定干凈圖像的低秩部分，并使用自適應迭代奇異值閾值法從噪聲圖像中恢復出干凈的圖像。

各種算法都在嘗試使用非凸低秩逼近，其性能都優于核范數。但它們通常在正則項中引入一些附加的參數，在實踐中，選擇一個合理的參數值并不容易。本發明主要研究利用無參數的非凸低秩矩陣逼近對混合噪聲進行去除。

發明內容

本發明要克服現有技術的上述缺點，提出了一個非凸正則項，利用它構造去噪模型，其中該正則項為無參數的，并在此基礎上提出了一種非凸低秩矩陣逼近的高光譜圖像去噪方法。

本發明解決其技術問題所采用的技術方案是：

一種基于無參數的非凸低秩矩陣逼近的高光譜圖像去噪方法，包括以下步驟：

步驟1)獲取待去噪的高光譜圖像數據其中M、N、K分別表示高光譜圖像的寬度、高度，及譜帶的數量；

步驟2)提出無參數非凸正則項，并構建無參數非凸低秩矩陣逼近去噪模型；

步驟3)采用增廣拉格朗日函數(Augmented Lagrange multipliers，ALM)算法對模型進行優化；

步驟4)遵循Gauss–Seidel方法的思想對優化過程中的子問題進行求解；

步驟5)輸出去除混合噪聲后的高光譜圖像。