基于非凸局部低秩与稀疏分离及空间-光谱全变分正则化的高光谱图像去噪
图像与视频处理
2022-12-07 v1 计算机视觉与模式识别
机器学习
摘要
本文提出一种用于高光谱图像（HSI）去噪的非凸鲁棒主成分分析新方法，该方法侧重于分别为低秩与稀疏分量发展更精确的秩与列向稀疏性近似。具体而言，新方法采用对数行列式秩近似和一种新颖的 范数，分别约束分量矩阵的局部低秩或列向稀疏性质。针对 正则化收缩问题，我们给出了一种高效的闭式解，称为 -收缩算子。该新正则化及其对应算子可普遍用于其他需要列向稀疏性的问题。此外，我们在基于对数的非凸 RPCA 模型中引入空间-光谱全变分正则化，从空间与光谱视角增强了恢复 HSI 的全局分段平滑性与光谱一致性。在模拟与真实 HSI 上的大量实验证明了所提方法在 HSI 去噪中的有效性。
引用
@article{arxiv.2201.02812,
title = {Hyperspectral Image Denoising Using Non-convex Local Low-rank and Sparse Separation with Spatial-Spectral Total Variation Regularization},
author = {Chong Peng and Yang Liu and Yongyong Chen and Xinxin Wu and Andrew Cheng and Zhao Kang and Chenglizhao Chen and Qiang Cheng},
journal= {arXiv preprint arXiv:2201.02812},
year = {2022}
}