基于张量低秩与稀疏先验的高光谱图像去噪方法研究.pdf

摘要

高光谱遥感是遥感技术的前沿领域，它通过结合成像技术和光谱技术来获取高光谱图像

（HyperspectralImage,HSI）数据。所获取的HSI数据具有波段数目多、高光谱分辨率和高冗

余性等特点，能够提供十分丰富的地物特征，因此被广泛应用于环境监测、农业遥感、地质

勘探、军事侦察等众多应用领域。然而，由于成像光谱仪在成像的过程中，容易受到自身设

备和外界环境因素的影响，所获取的HSI通常会受到各种混合噪声的干扰（如高斯噪声、椒

盐噪声、条纹和坏线等），不仅严重影响图像的质量，还对后续的处理与应用造成极大影响。

作为改善高光谱图像质量的一种重要且有效的方案，高光谱图像去噪问题旨在从含有混合噪

声的高光谱图像中恢复出干净的高光谱图像。因此，本文围绕高光谱图像去噪问题，对高光

谱图像中混合噪声和条纹噪声的去除进行研究，利用高光谱图像的张量结构特性并联合空谱

结构保持，在高光谱图像的张量表示建模基础上，重点研究高光谱图像潜在的张量低秩特性、

稀疏噪声的稀疏特性、以及条纹噪声的低秩特性先验建模，提出了基于张量低秩与稀疏先验

的高光谱图像去噪方法。本文的主要研究工作如下：

（1）提出了一种基于空谱梯度域张量低秩先验的高光谱图像去噪方法。首先，研究HSI

在光谱梯度域中的光谱梯度低秩特性，提出了基于加权核范数的光谱梯度低秩先验项。然后，

研究HSI在空间梯度域中的空间梯度张量的空间模式低秩特性，提出了基于张量核范数的空

间梯度张量低秩先验项。最后，联合稀疏噪声的张量稀疏先验项，提出了统一的基于空谱梯

度域张量低秩先验的高光谱图像去噪模型，并设计了模型的优化求解算法。

（2）提出了一种基于张量子空间非局部与全局低秩先验的高光谱图像去条纹与去噪方法。

首先，利用张量核范数对HSI的光谱维张量低秩特性进行建模。其次，研究HSI的张量子空

间低秩表示系数张量的非局部自相似性，并施加了非局部低秩先验项。然后，基于条纹噪声

的特殊性，研究了条纹噪声的全局低秩特性建模，提出了基于核范数的条纹噪声全局低秩先

验项。最后，联合稀疏噪声的张量稀疏先验项，提出了统一的基于张量子空间非局部与全局

低秩先验的高光谱图像去条纹与去噪模型，并设计了模型的优化求解算法。

通过在模拟和真实HSI数据集上进行了大量实验，并与一些主流的HSI去噪方法进行了

比较。实验结果表明，所提出的方法在视觉和定量比较方面能够优于许多主流的方法，表现

出更好的视觉去噪效果，以及相对更优的MPSNR、MSSIM和SAM结果。

关键词:高光谱图像去噪，低秩先验，稀疏先验，光谱和空间梯度域，张量核范数，去

条纹，张量子空间低秩表示，非局部自相似性

Abstract

Hyperspectralremotesensingisthefrontierfieldofremotesensingtechnology.Itobtains

hyperspectralimage(HSI)databycombiningimagingtechnologyandspectraltechnology.The

obtainedhyperspectralimagedatahasthecharacteristicsofmanybands,highspectralresolutionand

highredundancy,andcanprovideveryrichfeaturesofgroundobjects,soitiswidelyusedinmany

applicationfieldssuchasenvironmentalmonitoring,agriculturalremotesensing,geological

explorationandmilitaryreconnaissance.However,becausetheimagingspectrometeriseasily

influencedbyitsownequipmentandexternalenvironmentalfactorsintheimaging