基于权重核范数的高光谱图像去噪与解混方法研究
发布时间：2024-04-06 23:27
高光谱图像具有图谱合一和光谱分辨率高的特点,可以提供丰富的地物特征信息,因此被广泛应用于地质勘探、农业遥测等重要领域。然而由于高光谱遥感平台离地观测距离高,且属于被动式光谱成像,在图像获取和传输过程中,受大气干扰、仪器故障和传感器精度等多种因素影响,导致所获得的高光谱图像通常带有严重的多类型的混合噪声(包括高斯噪声、椒盐噪声和条纹噪声),对高光谱图像的后续处理和应用造成了极大的困难。另外,由于高光谱图像空间分辨率低,且地物分布复杂多样,在高光谱图像中混合像元广泛存在,极大影响了亚像元级的数据处理和分析。为了提高地物的识别和分类精度,必须对混合像元进行端元分解,并求取端元的丰度分布信息。本文围绕高光谱图像的混合噪声去除,和混合噪声情况下的端元稀疏解混两大基本问题展开研究,联合利用高光谱图像的空间和谱间信息,提出了新型的高光谱图像去噪和解混方法。本文的主要研究工作及成果如下:针对现有基于低秩约束的高光谱图像混合噪声去除方法中,存在主特征奇异值削减过度和空间结构信息约束欠缺的问题,提出了一种基于权重核范数和分波段全变分正则化的混合噪声去除方法(TV-regularized weighted ...
【文章页数】：178 页
【学位级别】：博士
【文章目录】：
摘要
ABSTRACT
第1章 绪论
1.1 课题背景及意义
1.2 高光谱图像去噪方法及其研究现状
1.2.1 空间域去噪方法
1.2.2 光谱域去噪方法
1.2.3 空-谱联合去噪方法
1.2.4 高光谱去噪方法研究现状简析及存在的问题
1.3 高光谱图像解混方法及其研究现状
1.3.1 高光谱像元混合模型
1.3.2 盲解混问题研究现状
1.3.3 稀疏解混问题研究现状
1.3.4 高光谱解混方法研究现状简析及存在的问题
1.4 本文主要研究内容及章节安排
第2章 基于权重核范数和分波段全变分的高光谱图像去噪方法
2.1 引言
2.2 高光谱图像特性分析
2.2.1 高光谱图像空间平滑性
2.2.2 高光谱图像光谱相关性
2.2.3 高光谱图像全局低秩性
2.3 基于低秩特性的高光谱去噪方法
2.4 基于权重核范数和分波段全变分的去噪方法
2.4.1 模型动机
2.4.2 模型描述
2.4.3 模型求解
2.4.4 模型参数
2.4.5 收敛性分析
2.5 实验结果及分析
2.5.1 仿真数据实验设置
2.5.2 仿真数据实验结果及分析
2.5.3 真实数据实验设置
2.5.4 真实数据实验结果及分析
2.5.5 正则化参数λ3敏感性分析
2.5.6 算法复杂度分析
2.6 本章小结
第3章 基于权重核范数和结构张量全变分的高光谱图像去噪方法
3.1 引言
3.2 全变分去噪方法导致的“油画”现象
3.3 结构张量全变分
3.4 基于权重核范数和结构张量全变分的去噪方法
3.4.1 模型动机
3.4.2 模型描述
3.4.3 针对该模型的两种不同求解方法
3.4.4 模型参数
3.5 实验结果及分析
3.5.1 仿真数据实验设置
3.5.2 仿真数据实验结果及分析
3.5.3 两种求解方法的结果对比及收敛性分析
3.5.4 真实数据实验设置
3.5.5 真实数据实验结果及分析
3.5.6 参数敏感性分析
3.5.7 算法复杂度分析
3.6 本章小结
第4章 基于权重核范数和空间谱间三维全变分的高光谱图像去噪方法
4.1 引言
4.2 去噪方法导致的光谱失真
4.3 基于权重核范数和空间谱间三维全变分的去噪方法
4.3.1 模型动机
4.3.2 模型描述
4.3.3 模型求解
4.3.4 模型参数
4.4 实验结果及分析
4.4.1 仿真数据实验设置
4.4.2 仿真数据实验结果及分析
4.4.3 真实数据实验设置
4.4.4 真实数据实验结果及分析
4.4.5 参数敏感性分析
4.4.6 收敛性分析
4.4.7 算法复杂度分析
4.5 本章小结
第5章 基于权重核范数和超图正则化的高光谱图像稀疏解混方法
5.1 引言
5.2 稀疏解混模型
5.3 丰度矩阵的超图正则化约束
5.4 去噪与解混的关联性分析
5.5 基于权重核范数和超图正则化的稀疏解混方法
5.5.1 模型描述
5.5.2 模型求解
5.5.3 模型参数
5.6 实验结果及分析
5.6.1 仿真数据实验设置
5.6.2 仿真数据实验结果及分析
5.6.3 真实数据实验设置
5.6.4 真实数据解混实验结果及分析
5.6.5 参数敏感性分析
5.6.6 收敛性分析
5.7 本文所提四种去噪/解混方法的对比分析
5.8 本章小结
结论
参考文献
攻读博士学位期间发表的论文及其他成果
致谢
个人简历
本文编号：3947325
【文章页数】：178 页
【学位级别】：博士
【文章目录】：
摘要
ABSTRACT
第1章 绪论
1.1 课题背景及意义
1.2 高光谱图像去噪方法及其研究现状
1.2.1 空间域去噪方法
1.2.2 光谱域去噪方法
1.2.3 空-谱联合去噪方法
1.2.4 高光谱去噪方法研究现状简析及存在的问题
1.3 高光谱图像解混方法及其研究现状
1.3.1 高光谱像元混合模型
1.3.2 盲解混问题研究现状
1.3.3 稀疏解混问题研究现状
1.3.4 高光谱解混方法研究现状简析及存在的问题
1.4 本文主要研究内容及章节安排
第2章 基于权重核范数和分波段全变分的高光谱图像去噪方法
2.1 引言
2.2 高光谱图像特性分析
2.2.1 高光谱图像空间平滑性
2.2.2 高光谱图像光谱相关性
2.2.3 高光谱图像全局低秩性
2.3 基于低秩特性的高光谱去噪方法
2.4 基于权重核范数和分波段全变分的去噪方法
2.4.1 模型动机
2.4.2 模型描述
2.4.3 模型求解
2.4.4 模型参数
2.4.5 收敛性分析
2.5 实验结果及分析
2.5.1 仿真数据实验设置
2.5.2 仿真数据实验结果及分析
2.5.3 真实数据实验设置
2.5.4 真实数据实验结果及分析
2.5.5 正则化参数λ3敏感性分析
2.5.6 算法复杂度分析
2.6 本章小结
第3章 基于权重核范数和结构张量全变分的高光谱图像去噪方法
3.1 引言
3.2 全变分去噪方法导致的“油画”现象
3.3 结构张量全变分
3.4 基于权重核范数和结构张量全变分的去噪方法
3.4.1 模型动机
3.4.2 模型描述
3.4.3 针对该模型的两种不同求解方法
3.4.4 模型参数
3.5 实验结果及分析
3.5.1 仿真数据实验设置
3.5.2 仿真数据实验结果及分析
3.5.3 两种求解方法的结果对比及收敛性分析
3.5.4 真实数据实验设置
3.5.5 真实数据实验结果及分析
3.5.6 参数敏感性分析
3.5.7 算法复杂度分析
3.6 本章小结
第4章 基于权重核范数和空间谱间三维全变分的高光谱图像去噪方法
4.1 引言
4.2 去噪方法导致的光谱失真
4.3 基于权重核范数和空间谱间三维全变分的去噪方法
4.3.1 模型动机
4.3.2 模型描述
4.3.3 模型求解
4.3.4 模型参数
4.4 实验结果及分析
4.4.1 仿真数据实验设置
4.4.2 仿真数据实验结果及分析
4.4.3 真实数据实验设置
4.4.4 真实数据实验结果及分析
4.4.5 参数敏感性分析
4.4.6 收敛性分析
4.4.7 算法复杂度分析
4.5 本章小结
第5章 基于权重核范数和超图正则化的高光谱图像稀疏解混方法
5.1 引言
5.2 稀疏解混模型
5.3 丰度矩阵的超图正则化约束
5.4 去噪与解混的关联性分析
5.5 基于权重核范数和超图正则化的稀疏解混方法
5.5.1 模型描述
5.5.2 模型求解
5.5.3 模型参数
5.6 实验结果及分析
5.6.1 仿真数据实验设置
5.6.2 仿真数据实验结果及分析
5.6.3 真实数据实验设置
5.6.4 真实数据解混实验结果及分析
5.6.5 参数敏感性分析
5.6.6 收敛性分析
5.7 本文所提四种去噪/解混方法的对比分析
5.8 本章小结
结论
参考文献
攻读博士学位期间发表的论文及其他成果
致谢
个人简历
本文编号：3947325
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3947325.html