基于降升尺度方法与间隙填充的遥感图像散斑噪声抑制采样 Kantorovich 算子
数值分析
2025-10-22 v2 数值分析
摘要
文献中已提出多种遥感图像恢复与增强方法，包括基于插值、滤波和深度学习的方法。本文研究多元采样 Kantorovich (SK) 算子在图像重建中的应用，特别关注间隙填充和散斑噪声抑制。为理解所提算法的精度性能，我们首先利用 Euler-Maclaurin 求和公式，在弱正则性条件下推导了 空间中逼近误差的定量估计。我们还建立了收敛性结果，以及关于 Lebesgue 空间中函数用连续 SSIM 衡量的不相似性指数的定量估计。此外，我们证明了一个多维线性预测结果，并以此设计了一种新的基于 SK 的重建算法来处理缺失数据，我们称之为 LP-SK 算法。为处理散斑噪声，我们将 SK 算子集成到一种新提出的降升尺度方法中。在合成和真实 SAR 图像上进行了数值实验以验证所提方法。使用 SSIM 和 PSNR 等相似性度量以及散斑特定指标评估性能。与最先进技术的对比分析突显了所提方法的有效性。
引用
@article{arxiv.2505.02422,
title = {Sampling Kantorovich operators for speckle noise reduction using a Down-Up scaling approach and gap filling in remote sensing images},
author = {Danilo Costarelli and Mariarosaria Natale},
journal= {arXiv preprint arXiv:2505.02422},
year = {2025}
}