一种结合空间相似性和RPCA的高光谱图像去噪算法

• 作 者: 俞珍秒 杨明
• 机 构: 南京师范大学计算机科学与技术学院
• 出 处: 南京大学学报(自然科学)
• 发表日期: 2017年03期
• 关键词: 高光谱图像去噪 鲁棒主成分分析 邻域相似性 低秩 hyperspectral image denoising robust principal compone
• 基金项目: 国家自然科学基金（61272222）,国家自然科学基金重点项目（61432008）

高光谱图像在采集过程中极易产生高斯、椒盐、条纹等噪声,从而对后续的地物空间识别工作产生影响.因此有效的噪声去除工作在高光谱图像处理中是不可缺少的一步.鲁棒主成分分析(Robust Principal Component Analysis,RPCA)是能将受稀疏噪声干扰的低秩矩阵进行有效恢复的模型.高光谱图像由于其光谱特征之间存在很高的相关性,即每个光谱特征可以用光谱端元的线性组合来表示,因此高光谱图像具有高度低秩性,从而RPCA算法能在高光谱图像去噪中取得显著的效果.结合高光谱图像空间邻域相似性和改