Geometric Spatio-Spectral Total Variation for Hyperspectral Image Denoising and Destriping

Shingo Takemoto; Shunsuke Ono

Geometric Spatio-Spectral Total Variation for Hyperspectral Image Denoising and Destriping

信号处理 2025-10-02 v1

作者: Shingo Takemoto , Shunsuke Ono

摘要

本文提出一种新型正则化方法，称为几何时空-光谱总变异(GeoSSTV)，用于高光谱(HS)图像去噪和去条纹。HS图像因测量设备和环境因素不可避免地受到各种类型的噪声的影响。基于总变异(TV)的正则化方法建模HS图像中固有的时空-分量分段光滑性，是HS图像去噪和去条纹的有前景的方法。然而，现有的TV-based方法基于经典的各向异性和各向同性TV，导致梯形效应，缺乏旋转不变性，难以准确恢复圆形结构和倾斜边缘。为解决此问题，GeoSSTV引入了TV的几何一致表述，测量所有方向上的变化以欧几里得方式。通过该表述，GeoSSTV在保持圆形结构和倾斜边缘的同时去除噪声。此外，我们将HS图像去噪问题形式化为涉及GeoSSTV的受约束凸优化问题，并开发了基于预条件共轭梯度分裂方法的高效算法。在含混合噪声的HS图像上的实验结果表明，所提出的方法优于现有方法。

关键词

高光谱图像总变异图像去噪去条纹几何正则化

引用

@article{arxiv.2510.00562,
  title  = {Geometric Spatio-Spectral Total Variation for Hyperspectral Image Denoising and Destriping},
  author = {Shingo Takemoto and Shunsuke Ono},
  journal= {arXiv preprint arXiv:2510.00562},
  year   = {2025}
}

备注

Submitted to IEEE Open Journal of Signal Processing. The source code is available at https://github.com/MDI-TokyoTech/Geometric-Spatio-Spectral-Total-Variation

Geometric Spatio-Spectral Total Variation for Hyperspectral Image Denoising and Destriping

摘要

关键词

引用

备注

相关论文