基于組稀疏非負矩陣分解的高光譜圖像去噪方法研究.pdf

1、高光譜遙感圖像包含同一空間位置較大數(shù)量的連續(xù)窄波段圖像，是由二維空間信息和一維光譜信息組成的三維數(shù)據(jù)，在環(huán)境監(jiān)測、地質調查等領域有著廣泛的應用。噪聲在高光譜圖像獲取的過程中不可避免地被引入，降低了圖像質量并影響著之后圖像處理應用的性能。因此，高光譜圖像去噪是非常重要的圖像預處理工作。最近，基于低秩近似和稀疏表達的高光譜圖像去噪方法吸引了很多的關注。在高光譜圖像中，全波段圖像塊（包含同一局部區(qū)域不同波段圖像的子立方體）中的光譜向量間存在著

2、較大的聯(lián)系，同時相鄰波段間也具有較大的相關性。這樣的特點揭示著在純凈全波段圖像塊中的光譜向量可以被一小部分基元線性表示。非局部相似性，即一個圖像塊在圖像空間范圍內存在著與其相似的若干圖像塊，在高光譜圖像中也同樣存在。對于高光譜圖像中非局部相似的全波段圖像塊聯(lián)合進行去噪可以利用圖像在空間維的自相似性帶來的額外結構信息，有機會帶來更好的去噪效果。需要注意的是，非局部相似的全波段圖像塊由于來自不同的空間位置，它們之間在存在著相似結構的同時也存

3、在著一些差異性。
　　本研究提出了一個全新的基于組稀疏非負矩陣分解的高光譜圖像去噪方法用于同時反映這樣的相似性和差異性。在本文提出的方法中，全波段圖像塊中的光譜向量假設可以被較小數(shù)目的基元線性表示，且表示系數(shù)是稀疏的。每個全波段圖像塊對應分解中的一組，由于組稀疏正則化項的使用，同一個全波段圖像塊中的光譜向量在重構中共享完全相同的基元子集，體現(xiàn)出高光譜圖像中的強局部相關性。同時，不同全波段圖像塊的光譜向量部分共享一些基元，即每一個全

4、波段圖像塊在分解中可能持有自己特有的基元，對應高光譜圖像中的非局部相似性和差異性。由此，通過組稀疏非負矩陣分解，高光譜圖像中共享+特有的結構同時得以體現(xiàn)。首先建立高光譜圖像噪聲模型，包括高斯噪聲模型和泊松高斯混合噪聲模型。對于泊松高斯混合噪聲的情況，使用方差穩(wěn)定化變換將其轉換為高斯噪聲的近似。然后，基于對高光譜結構特性的分析，給出基于組稀疏非負矩陣分解的高光譜圖像去噪方法的思想和詳細過程。對于模型優(yōu)化，本文給出了三種優(yōu)化算法的理論推導和