空间-频谱自适应保真度与噪声先验约简引导的高光谱图像去噪
计算机视觉与模式识别
2026-04-22 v1 数值分析
数值分析
摘要
高光谱图像去噪的核心挑战在于在数据保真度和噪声先验建模之间取得恰当的平衡。大多数现有方法过度强调图像内在的先验，忽视了多样化的噪声假设以及保真度与先验之间动态权衡。为此，本文提出一种集成噪声先验约简和空间-频谱自适应保真度项的去噪框架。该框架考虑更全面的噪声先验并采用更少的参数，引入自适应权重张量以动态平衡保真度和先验正则化项。在该框架中，进一步开发了一种快速稳健的像素级模型结合代表系数总变异正则化器，以准确去除HSIs中的混合噪声。该方法不仅有效处理各种类型噪声，还准确捕捉HSIs的谱低秩结构和局部平滑性。设计了基于交替方向乘子法的高效优化算法，确保稳定快速收敛。大量在模拟数据和真实世界数据集上的实验表明，所提出的方法在保持具竞争计算效率的同时实现了优异的去噪性能。
引用
@article{arxiv.2604.12600,
title = {Spatial-Spectral Adaptive Fidelity and Noise Prior Reduction Guided Hyperspectral Image Denoising},
author = {Xuelin Xie and Xiliang Lu and Zhengshan Wang and Yang Zhang and Long Chen},
journal= {arXiv preprint arXiv:2604.12600},
year = {2026}
}