基于張量正則化框架的遙感多光譜圖像降噪研究.pdf

1、較傳統(tǒng)遙感圖像而言，多光譜遙感圖像能夠獲取更多的光譜信息，從而為識別邊界和地物創(chuàng)造更加良好的條件，因此具有更高的研究意義和應用價值。隨著地理信息系統(tǒng)技術中多光譜圖像在空間分辨率上的高速提升，針對多光譜圖像的處理及應用也逐漸增加。然而，在多光譜圖像的采集過程中不可避免地會引入噪聲，影響圖像的清晰度，從而給后續(xù)的圖像處理和分析工作帶來困難。目前的圖像去噪方法多針對多光譜圖像單個通道進行分別去噪，無法有效的利用多光譜圖像間的相關信息，往往去噪

2、效果不好，或者引入新噪聲點的問題。本文基于構建的張量正則化框架對遙感多光譜圖像進行降噪及圖像重建研究。通過張量模型，對不同通道間的相關性進行建模。本文的研究內(nèi)容及創(chuàng)新點可總結(jié)如下:
　　1.對傳統(tǒng)的圖像去噪方法進行實驗分析，對添加了高斯、椒鹽或者斑點噪聲的原始多光譜圖像利用傳統(tǒng)的圖像去噪方法進行去噪。通過對不同噪聲來源以及不同去噪方法的結(jié)果進行分析，比較了現(xiàn)有去噪模型對不同噪聲的去噪結(jié)果的差異，結(jié)果表明，傳統(tǒng)的去噪方法無法滿足現(xiàn)有

3、的多光譜圖像去噪應用的要求，會丟失一部分的邊緣等細節(jié)信息。一些圖像去噪方法如高斯濾波和雙邊巴特沃斯濾波會引入新的偽影，并造成圖像失真的問題。
　　2.將張量正則化框架引入到圖像去噪模型中，對現(xiàn)有圖像去噪模型進行改進。通過正則化框架中的數(shù)據(jù)擬合項和正則項分別對圖像的噪聲機制以及圖像的先驗信息進行建模，從而在新的角度嘗試提出一個穩(wěn)定和系統(tǒng)的圖像去噪建?？蚣?。以低秩假設作為一個先驗，引入了低秩正則項。并在原始圖像上增加了泊松噪聲(κ=6

4、)和高斯噪聲(∑=0.2)，根據(jù)模型進行仿真實驗，對噪聲圖像進行恢復，并對恢復圖像進行客觀評價，驗證了模型的有效性。另外，本文將current learning模型引入到正則化框架并與低秩化先驗結(jié)合，進一步提升了圖像去噪效果。
　　3.基于多光譜圖像在空間上的非局部相似性和整個頻譜上的全局相關性，將字典學習轉(zhuǎn)化為新的正則項并引入到圖像去噪模型中，構建了具有組塊相似以及字典的稀疏約束的基于字典學習的張量正則化學習模型。通過這種方式使