局部超图拉普拉斯约束的高光谱影像低秩表示去噪方法

被引：6

作者：

薛志祥 ^{[1
,2
]}

余旭初 ^{[1
]}

谭熊 ^{[1
,2
]}

付琼莹 ^{[1
,2
]}

机构：

[1] 解放军信息工程大学地理空间信息学院

[2] 国家地理信息工程国家重点实验室

来源：

光学学报 | 2017年 / 37卷 / 05期

关键词：

图像处理; 影像去噪; 超图拉普拉斯; 高光谱影像; 流形正则项; 低秩表示模型;

D O I：

暂无

中图分类号：

TP751 [图像处理方法];

学科分类号：

081002 ;

摘要：

针对传统高光谱影像低秩表示去噪方法无法保持影像多元几何结构信息的问题,提出一种基于局部超图拉普拉斯约束的高光谱影像低秩表示去噪方法。在低秩表示模型中增加超图拉普拉斯正则项,保持数据间多元几何流形结构;并对低秩模型系数矩阵增加稀疏和非负约束条件,进一步提高模型对影像局部信息的保持能力,使得模型不仅能够恢复具有低秩性质的影像信号分量,而且可以很好地保持影像的多元几何流形结构。在AVIRIS影像和ProSpecTIR-VS影像上的对比实验表明,所提方法更好地保持了影像的空间和光谱信息,有效地改善了高光谱影像去噪效果。

引用

页码：85 / 93

页数：9

共 7 条

[1] 基于自适应单向变分的高光谱图像去条带方法 [J].

刘亚梅 .

激光与光电子学进展, 2016, 53 (09) :86-91

[2] 高光谱全偏振成像快捷测量技术研究 [J].

薛鹏 ;

王志斌 ;

张瑞 ;

王耀利 ;

刘顺 .

中国激光, 2016, 43 (08) :275-282

[3] 采用多项式递归核的高光谱遥感异常实时检测算法 [J].

赵春晖 ;

尤伟 ;

齐滨 ;

王佳 .

光学学报, 2016, 36 (02) :265-273

[4] 基于局部图拉普拉斯约束的鲁棒低秩表示聚类方法 [J].

李波 ;

卢春园 ;

冷成财 ;

金连宝 .

自动化学报, 2015, 41 (11) :1971-1980

[5] 基于超图正则化的概念分解及在数据表示中的应用 [J].

李雪 ;

赵春霞 ;

舒振球 ;

郭剑辉 .

控制与决策, 2015, 30 (08) :1399-1404

[6] Ensemble manifold regularized sparse low-rank approximation for multiview feature embedding [J].

Zhang, Lefei ;

Zhang, Qian ;

Zhang, Liangpei ;

Tao, Dacheng ;

Huang, Xin ;

Du, Bo .

PATTERN RECOGNITION, 2015, 48 (10) :3102-3112

[7]

Non-negative low rank and sparse graph for semi-supervised learn-ing .2 ZHUANG L,GAO H,LIN Z,et al. IEEE Conference on Computer Vision and Pattern Recognition . 2012

← 1 →