[發明專利]稀疏判別張量魯棒性PCA的遙感圖像去噪方法

有效

• 申請號: 202010129712.9
• 申請日: 2020-02-28
• 公開（公告）號: CN111369457B
• 公開（公告）日: 2022-05-17
• 發明（設計）人: 潘磊;李恒超;崔瑩;丁洪麗;劉鑫
• 申請（專利權）人: 西南電子技術研究所(中國電子科技集團公司第十研究所)
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06T7/11;G06K9/62;G06V10/774
• 代理公司: 成飛(集團)公司專利中心 51121
• 代理人: 郭純武

1.一種稀疏判別張量魯棒性PCA的遙感圖像去噪方法，其特征在于，包括如下步驟：對輸入高光譜遙感圖像進行圖像分割，按固定尺寸，將高光譜遙感圖像分割成不重疊的張量數據塊；分別對每個張量數據塊進行稀疏判別張量魯棒性主成分分析：首先將張量數據塊分解為低秩分量、稀疏判別分量和稀疏噪聲分量，對切割的張量數據塊逐一進行成分分解，再根據張量數據塊組成的成分矩陣，構建稀疏判別的張量魯棒性主成分分析模型，迭代求解該模型得到去噪后的張量數據塊，重構組合圖像分塊，對每個張量數據塊分別進行稀疏判別張量魯棒性主成分分析去噪，獲得去噪圖像；對重構去噪后的無噪聲數據，按比例劃分訓練集和測試集，最后將訓練集和測試集輸入到分類器，通過分類器輸出所有測試樣本的類別標記，實現對高光譜遙感圖像去噪效果的評估。

2.如權利要求1所述的稀疏判別張量魯棒性PCA的遙感圖像去噪方法，其特征在于：張量數據塊X包含相同類別的共有信息L由低秩特性刻畫為低秩分量，每個子空間特有的判別信息S由稀疏特性刻畫為稀疏判別分量，數據中的噪聲分量E表現出稀疏特性，稱為稀疏噪聲分量。

3.如權利要求1或2所述的稀疏判別張量魯棒性PCA的遙感圖像去噪方法，其特征在于：在稀疏判別張量魯棒性主成分分析模型求解中，根據數據中的相同類別像素的共有信息L、各個類別像素中獨有的判別信息S、噪聲干擾E，將張量數據塊X按如下形式分解：

X＝L+S+E (1)

然后根據張量數據塊成分分解模式X＝L+S+E求解圖像塊對應的各個分量，對切割的張量數據塊X逐一進行成分分解，再根據張量數據塊組成的成分矩陣，構建如下稀疏判別張量魯棒性主成分分析模型：

其中，||·||_*表示張量核范數，||·||₁表示l₁范數，β和λ表示正則化參數，s.t.表示subject to后接目標函數的約束條件。

4.如權利要求3所述的稀疏判別張量魯棒性PCA的遙感圖像去噪方法，其特征在于：根據代數理論，在求解稀疏判別張量魯棒性主成分分析模型(2)中引入拉格朗日乘子D，構建稀疏判別張量魯棒性主成分分析模型(2)的拉格朗日函數，然后利用交替方向法求解拉格朗日函數得到低秩分量L、稀疏判別分量S和稀疏噪聲分量E，更新拉格朗日乘子和懲罰系數μ，寫出如下稀疏判別張量魯棒性主成分分析模型(2)的拉格朗日函數：

其中,F表示Frobenius范數。