[发明专利]一种基于张量分解的总变分遥感图像去条带方法

权利要求书

1.一种基于张量分解的总变分遥感图像去条带方法，其特征是，包括以下过程：

将被条带噪声污染的高光谱遥感图像分解为目标图像、条带噪声图像和随机噪声图像三个部分；

对目标图像、条带噪声图像和随机噪声图像采取不同正则化约束构成目标模型；

求解目标模型，实现从原始图像中恢复目标图像；

其中，所述目标模型如下：

其中为三阶张量数据，分别表示被条带污染的源图像、待求解的目标图像，条带噪声成分和随机噪声；M和N表示每一谱段图像的行列数，K表示高光谱图像的光谱总数；

λ＞0，为条带噪声约束项系数，

为数据保真项，其中P(·)为一个非凸函数；

为目标图像的总变分正则项约束；

为条带噪声的低秩Tucker分解联合加权L2,1范数约束；

为核张量，U₁、U₂、U₃为因子矩阵，且是正交矩阵，I为单位矩阵。

2.根据权利要求1所述的一种基于张量分解的总变分遥感图像去条带方法，其特征是，所述将被条带噪声污染的高光谱遥感图像分解为目标图像、条带噪声图像和随机噪声图像三个部分，包括：

其中为三阶张量数据，分别表示被条带污染的源图像、待求解的目标图像，条带噪声成分和随机噪声；M和N表示每一谱段图像的行列数，K表示高光谱图像的光谱总数。

3.根据权利要求1所述的一种基于张量分解的总变分遥感图像去条带方法，其特征是，目标图像的总变分正则项约束为通过最小化目标图像在水平方向、竖直方向和光谱方向的梯度值以刻画其分段平滑特性：

其中▽_x为x方向一阶差分算子,▽_y为y方向一阶差分算子,▽_z为光谱方向一阶差分算子；α_x,α_y,α_z＞0，为各方向梯度系数。

4.根据权利要求1所述的一种基于张量分解的总变分遥感图像去条带方法，其特征是，条带噪声的低秩Tucker分解联合加权L2,1范数约束为：

其中||·||_w2,1表示加权L2,1范数：

ω_j为权重系数，表示图像第k个谱段，第i行第j列的像素值。

5.根据权利要求1所述的一种基于张量分解的总变分遥感图像去条带方法，其特征是，采用交替方向乘子法求解目标模型。