基于权重核范数的高光谱图像去噪与解混方法研究.pdf

《基于权重核范数的高光谱图像去噪与解混方法研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、博士学位论文基于权重核范数的高光谱图像去噪与解混方法研究HYPERSPECTRALIMAGEDENOISINGANDUNMIXINGBASEDONWEIGHTEDNUCLEARNORM吴钊君哈哈哈尔尔尔滨滨滨工工工业业业大大大学学学2018年3月国内图书分类号：TP751.1学校代码：10213国际图书分类号：62密级：公开工学博士学位论文基于权重核范数的高光谱图像去噪与解混方法研究博士研究生：吴钊君导师：王强教授副导师：金晶副教授申请学位：工学博士学科：控制科学与工程所在单位：航天学院答辩日期：2018年3月授予学位单位：哈尔滨工业大学Classifi

2、edIndex:TP751.1U.D.C:62DissertationfortheDoctoralDegreeinEngineeringHYPERSPECTRALIMAGEDENOISINGANDUNMIXINGBASEDONWEIGHTEDNUCLEARNORMCandidate:WuZhaojunSupervisor:Prof.WangQiangAssociateSupervisor:A.Prof.JinJingAcademicDegreeAppliedfor:DoctorofEngineeringSpecialty:ControlSciencea

3、ndEngineeringAffiliation:SchoolofAstronauticsDateofDefence:March,2018Degree-Conferring-Institution:HarbinInstituteofTechnology摘要摘要高光谱图像具有图谱合一和光谱分辨率高的特点，可以提供丰富的地物特征信息，因此被广泛应用于地质勘探、农业遥测等重要领域。然而由于高光谱遥感平台离地观测距离高，且属于被动式光谱成像，在图像获取和传输过程中，受大气干扰、仪器故障和传感器精度等多种因素影响，导致所获得的高光谱图像通常带有严重的多类型的混合噪声

4、（包括高斯噪声、椒盐噪声和条纹噪声），对高光谱图像的后续处理和应用造成了极大的困难。另外，由于高光谱图像空间分辨率低，且地物分布复杂多样，在高光谱图像中混合像元广泛存在，极大影响了亚像元级的数据处理和分析。为了提高地物的识别和分类精度，必须对混合像元进行端元分解，并求取端元的丰度分布信息。本文围绕高光谱图像的混合噪声去除，和混合噪声情况下的端元稀疏解混两大基本问题展开研究，联合利用高光谱图像的空间和谱间信息，提出了新型的高光谱图像去噪和解混方法。本文的主要研究工作及成果如下：针对现有基于低秩约束的高光谱图像混合噪声去除方法中，存在主特征奇异值削减过度和

5、空间结构信息约束欠缺的问题，提出了一种基于权重核范数和分波段全变分正则化的混合噪声去除方法（TV-regularizedweightednuclearnormmixeddenoising,TWNNM）。现有方法在求解高光谱图像低秩约束的去噪问题时，常采用核范数最小化对每个奇异值进行同等程度的阈值削减，导致去噪的同时对主特征奇异值造成了过度削减。本文提出，对不同的奇异值采用不同的阈值进行削减，在去除噪声的同时对主特征奇异值实现有效的保护。为了利用空间结构信息，对每个波段图像独立采用了全变分正则化约束。同时，设计了一种基于交替方向乘子法（alternati

6、ngdirectionmethodofmultiplier,ADMM）的数值优化算法，保证了TWNNM方法的有效求解。基于仿真数据和真实数据设计了不同的对比实验，并验证了TWNNM方法对高光谱图像混合噪声去除的有效性。针对分波段全变分正则化约束去噪方法中出现的两个问题，即无法联合利用所有波段结构信息和无法有效利用邻域像素局部信息问题，提出了一种基于权重核范数和结构张量全变分正则化的混合噪声去除方法（structuretensorTV-regularizedweightednuclearnormmixeddenoising,STWNNM）。分波段全变分正

7、则化对高光谱图像的每个波段进行独立约束，无法联合利用邻域波段间的空间结构信息，同时由于全变分正则化只利用了相邻像素的梯度信息，导致对于-I-哈尔滨工业大学工学博士学位论文一些波段内条纹较宽的噪声去除能力有限，且容易出现“油画”状伪影失真。本文提出采用结构张量全变分正则化，由所有波段的梯度图像，在高斯卷积核的作用下组成结构张量，通过对结构张量的奇异值矩阵进行Schattenp范数约束，达到联合利用所有波段的结构信息和像素邻域空间局部信息的目的。基于ADMM框架，提出了两种不同的求解STWNNM模型的优化方法，并通过理论和实验两方面验证了这两种优化方法的有

8、效性。基于仿真数据和真实数据的实验均验证了STWNNM去除高光谱图像混合噪声的综合性能。本文提