基于全局空间-光谱全变分正则化非凸局部低秩张量近似的高光谱图像去噪
图像与视频处理
2021-04-07 v1 计算机视觉与模式识别
摘要
高光谱图像 (HSI) 去噪旨在从受噪声污染的图像中恢复干净 HSI。噪声污染常发生于数据采集与转换过程中。本文提出一种新颖的空间-光谱全变分 (SSTV) 正则化非凸局部低秩 (LR) 张量近似方法，以去除 HSI 中的混合噪声。一方面，干净 HSI 数据具有其潜在的局部 LR 张量性质，即便真实 HSI 数据可能因离群值和非高斯噪声而不具备全局低秩。基于此事实，我们提出一种新颖的张量 -范数来表述局部 LR 先验。另一方面，假设 HSI 在全局空间与光谱域中分段平滑。不同于传统的逐带全变分，我们采用 SSTV 正则化以同时考虑相邻波段的全局空间结构与光谱相关性。在模拟与真实 HSI 数据集上的结果表明，局部 LR 张量惩罚与全局 SSTV 的使用可提升对 HSI 中局部细节与整体结构信息的保持。
引用
@article{arxiv.2006.00235,
title = {Hyperspectral Image Denoising via Global Spatial-Spectral Total Variation Regularized Nonconvex Local Low-Rank Tensor Approximation},
author = {Haijin Zeng and Xiaozhen Xie and Jifeng Ning},
journal= {arXiv preprint arXiv:2006.00235},
year = {2021}
}