[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

说明书

本发明公开了一种基于张量环分解的高光谱图像去噪方法及装置，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TR‑TV；在模型TR‑TV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TR‑WTDTV；引入辅助变量；优化去噪模型TR‑WTDTV，采用ADMM算法求解，获得降噪后的高光谱图像。本发明有良好的高光谱图像去噪效果。

技术领域

本发明属于高光谱图像处理技术领域，尤其涉及一种基于张量环分解的高光谱图像去噪方法及装置。

背景技术

随着高光谱成像技术的出现和近三十年的迅速发展，高光谱遥感已经成为空间遥感领域的关键技术，被广泛应用于地质勘探、农业遥测、水文监视和军事探测等重要领域。

由于大气干扰，传感器精度等各种因素，高光谱图像(HIS)在获取过程中有可能会受到高斯噪声、脉冲噪声和条带噪声等的影响。由于应用范围十分广泛，去噪成为在HSI后续应用前必不可少的预处理步骤。

围绕高光谱图像的去噪问题，国内外研究者们提出了很多的去噪方法。已有的高光谱图像去噪办法主要分为三类：第一类是基于滤波的去噪方法。基于滤波的高光谱图像去噪技术通常使用三维滤波，或在光谱/空间其中一个维度进行滤波去噪，另外维度使用其他方法去噪。第二类是基于低秩表示的方法。考虑到高光谱图像的三维结构，张量和多重线性代数常常被用于高光谱图像的低秩近似，经典的张量分解方法有CP分解，Tucker分解和张量环分解(Tensor Ring decomposition，TR)。第三类是基于全变分的方法。全变分(Total variation，TV)的图像去噪方法，其思想是无噪声的图像应具有平滑性，将带噪声图像通过全变分范数正则化，即可将噪声去除。基于TV的去噪算法能很好处理成片光滑的高光谱图像，但用于细节较多的高光谱图像，容易导致细节丢失。

发明内容

本申请的目的是提供一种基于张量环分解的高光谱图像去噪方法及装置，简称为TR-WTDTV，进一步提高高光谱图像去噪的效果。

为了实现上述目的，本申请技术方案如下：

一种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。

进一步的，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，S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：

s.t.