具有非独立同分布噪声结构的高光谱图像去噪
计算机视觉与模式识别
2017-02-02 v1
摘要
高光谱图像（HSI）去噪因其在提升 HSI 质量方面的重要性，在遥感领域吸引了大量研究关注。现有 HSI 去噪方法主要关注 HSI 中特定的光谱与空间先验知识，并共享一个基本假设，即 HSI 中嵌入的噪声是独立同分布（i.i.d.）的。然而，在实际场景中，自然 HSI 中存在的噪声总是具有远为复杂的非独立同分布（non-i.i.d.）统计结构，而对这种噪声复杂性的低估往往明显削弱现有方法的鲁棒性。为缓解此问题，本文首次尝试使用非独立同分布高斯混合（NMoG）噪声假设对 HSI 噪声建模，该假设与自然 HSI 所具有的噪声特性高度吻合，从而能够适应实际应用中遇到的各种噪声形状。随后我们将此种噪声建模策略整合进低秩矩阵分解（LRMF）模型，并在贝叶斯框架下提出 NMoG-LRMF 模型。设计了一种变分贝叶斯算法来推断所提模型的后验。所有涉及参数均可以闭合形式递归更新。与现有技术相比，所提方法表现出超越当前最优（state-of-the-arts）的更强鲁棒性，这一点在我们基于合成与真实含噪 HSI 的实验中也得到证实。
引用
@article{arxiv.1702.00098,
title = {Denoising Hyperspectral Image with Non-i.i.d. Noise Structure},
author = {Yang Chen and Xiangyong Cao and Qian Zhao and Deyu Meng and Zongben Xu},
journal= {arXiv preprint arXiv:1702.00098},
year = {2017}
}
备注
13 pages, 14 figures