用于高光谱图像去噪的图空间-光谱全变分模型
图像与视频处理
2022-10-05 v1 计算机视觉与模式识别
摘要
空间-光谱全变分（SSTV）模型已广泛用作高光谱图像（HSI）在各种应用（如混合噪声去除）中的有效正则化项。然而，由于SSTV统一计算局部空间差异，难以在去除噪声的同时保留具有精细边缘和纹理的复杂空间结构，尤其在强噪声情况下。为解决此问题，我们提出了一种称为图-SSTV（GSSTV）的新型TV类正则化项，它从含噪HSI中显式生成反映目标HSI空间结构的图，并融入基于该图设计的加权空间差分算子。此外，我们将混合噪声去除问题表述为涉及GSSTV的凸优化问题，并基于原始-对偶分裂方法开发了一种高效算法来求解该问题。最后，我们通过混合噪声去除实验证明了GSSTV相较于现有HSI正则化模型的有效性。源代码将发布于 https://www.mdi.c.titech.ac.jp/publications/gsstv。
引用
@article{arxiv.2207.11050,
title = {Graph Spatio-Spectral Total Variation Model for Hyperspectral Image Denoising},
author = {Shingo Takemoto and Kazuki Naganuma and Shunsuke Ono},
journal= {arXiv preprint arXiv:2207.11050},
year = {2022}
}
备注
Accepted to IEEE Geoscience and Remote Sensing Letters. The code is available at https://www.mdi.c.titech.ac.jp/publications/gsstv