[发明专利]一种基于张量环分解的高光谱图像去噪方法及装置

权利要求书

1.一种基于张量环分解的高光谱图像去噪方法，其特征在于，所述基于张量环分解的高光谱图像去噪方法，包括：

获取带噪的高光谱图像数据，建立高光谱图像噪声的数学模型；

结合全变分和张量环分解，构建基于全变分正则化张量环分解的高光谱图像去噪模型；

在基于全变分正则化张量环分解的高光谱图像去噪模型的基础上，将加权邻域均值三维全变分作为低秩项的非凸松弛，构建基于加权邻域均值三维全变分正则化张量环分解的高光谱图像去噪模型；

引入辅助变量和优化基于加权邻域均值三维全变分正则化张量环分解的高光谱图像去噪模型；

采用ADMM算法求解优化后的基于加权邻域均值三维全变分正则化张量环分解的高光谱图像去噪模型，获得降噪后的高光谱图像。

2.根据权利要求1所述的基于张量环分解的高光谱图像去噪方法，其特征在于，所述高光谱图像噪声的数学模型为：

其中，表示带噪的高光谱图像，表示干净的高光谱图像，表示稀疏噪声，表示高密度噪声；

所述结合全变分和张量环分解，构建基于全变分正则化张量环分解的高光谱图像去噪模型为：

其中，D_v和D_t代表在水平与垂直方向的梯度操作子，τ是调整全变分的参数，λ是限制稀疏噪声的稀疏性参数，β是限制高斯噪声的参数，||·||₁表示张量的L1范数，||·||_F表示张量的Frobenius范数，G₁(i₁)、G₂(i₂)、G₃(i₃)是张量环核，i₁、i₂、i₃是空间索引参数。

3.根据权利要求2所述的基于张量环分解的高光谱图像去噪方法，其特征在于，所述在基于全变分正则化张量环分解的高光谱图像去噪模型的基础上，将加权邻域均值三维全变分作为低秩项的非凸松弛，构建基于加权邻域均值三维全变分正则化张量环分解的高光谱图像去噪模型，包括：

首先，定义图像的邻域均值差分运算：

其中，(i,j,k)表示图像对应的沿空间长度、宽度和谱段方向的坐标位置，表示图像在位置(i,j,k)沿水平、垂直和光谱方向的差分运算之后得到的梯度值，表示图像在位置的灰度值，和表示对应图像在位置(i,j,k)沿着空间长度、宽度和谱段方向平移一个位置的像素灰度值；

进而构造邻域均值差分操作算子G_s(·)，

G_s(·)＝[ρ_vG_v(·)；ρ_tG_t(·)；ρ_zG_z(·)]

其中，G_v(·)、G_t(·)和G_z(·)分别表示水平、垂直和光谱三个不同方向的差分操作，ρ_s(s＝v,t,z)是用来控制对三个维度的约束强度的参数；

从而得到加权邻域均值三维全变分：

其中，w_i,j,k是位置(i,j,k)上图像的梯度值权重；

所述加权邻域均值三维全变分简写为

在基于全变分正则化张量环分解的高光谱图像去噪模型的基础上，将加权邻域均值三维全变分作为低秩项的非凸松弛，得到基于加权邻域均值三维全变分正则化张量环分解的高光谱图像去噪模型：

4.根据权利要求3所述的基于张量环分解的高光谱图像去噪方法，其特征在于，所述引入辅助变量和优化基于加权邻域均值三维全变分正则化张量环分解的高光谱图像去噪模型，优化后的模型表示为：

5.一种基于张量环分解的高光谱图像去噪装置，包括处理器以及存储有若干计算机指令的存储器，其特征在于，所述计算机指令被处理器执行时实现权利要求1至权利要求4中任意一项所述方法的步骤。