結(jié)合PCA及字典學(xué)習(xí)的高光譜圖像自適應(yīng)去噪方法

汪浩然+夏克文+任苗苗+李綽

摘 要：高光譜圖像各波段圖像噪聲分布復(fù)雜，傳統(tǒng)去噪方法難以達(dá)到理想效果。針對(duì)這一問(wèn)題，在主成分分析（PCA）的基礎(chǔ)上，結(jié)合噪聲估計(jì)和字典學(xué)習(xí)，提出一種新的高光譜去噪方法。首先，對(duì)原始高光譜數(shù)據(jù)進(jìn)行主成分變換得到一組主成分圖像并根據(jù)能量比重將其劃分為清晰圖像組和含噪圖像組；然后，根據(jù)任一波段圖像的信息，利用奇異值分解（SVD）對(duì)圖像進(jìn)行噪聲估計(jì)，再將得到的噪聲估計(jì)方法與K-SVD字典學(xué)習(xí)去噪算法結(jié)合，提出一種具備自適應(yīng)噪聲估計(jì)特性的字典學(xué)習(xí)去噪算法，并將其應(yīng)用于信息量較小的含噪圖像組進(jìn)行去噪處理；最后，按各主成分圖像對(duì)應(yīng)的信息量比例進(jìn)行加權(quán)融合得到最終的去噪圖像。通過(guò)對(duì)模擬與實(shí)際高光譜遙感圖像的實(shí)驗(yàn)表明，與PCA、PCA-Bish、PCA-Contourlet三種去噪方法相比，所提方法去噪后圖像的峰值信噪比（PSNR）可以提升1～3dB，且具有更多的細(xì)節(jié)信息和更好的視覺(jué)效果。

關(guān)鍵詞：高光譜遙感；主成分分析；噪聲估計(jì)；奇異值分解；字典學(xué)習(xí)

中圖分類號(hào)： TP751

文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：1001-9081（2016）12-3411-07