基于约束凸优化与混合空谱正则化的高光谱图像复原方法
信号处理
2020-09-09 v3 最优化与控制
摘要
我们提出一种用于高光谱(HS)图像复原的约束优化新方法。大多数现有方法通过求解由正则项与数据保真项构成的优化问题来复原理想的HS图像。这些方法必须在一个目标函数中同时处理正则项与数据保真项,因此需要仔细控制平衡这些项的超参数。然而,此类超参数的设定往往十分棘手,因为其合适取值强烈依赖于所采用的正则项以及给定观测上的噪声强度。我们提出的方法被表述为一个凸优化问题,其中利用一种名为混合空谱全变分(HSSTV)的新型混合正则化技术,并将数据保真作为硬约束纳入。HSSTV具有强大的噪声与伪影去除能力,同时避免过平滑与光谱失真,且无需结合基于低秩建模等其他正则化。此外,约束型数据保真使我们能够将平衡正则化与数据保真的超参数转化为数据保真程度的上界,从而以更简便的方式设定。我们还基于交替方向乘子法(ADMM)开发了高效算法来求解该优化问题。通过综合实验,我们展示了所提方法相对于包括最先进方法在内的多种HS图像复原方法的优势。
引用
@article{arxiv.1907.13357,
title = {A Constrained Convex Optimization Approach to Hyperspectral Image Restoration with Hybrid Spatio-Spectral Regularization},
author = {Saori Takeyama and Shunsuke Ono and Itsuo Kumazawa},
journal= {arXiv preprint arXiv:1907.13357},
year = {2020}
}
备注
20 pages, 4 tables, 10 figures, submitted to MDPI Remote Sensing