自適應(yīng)噪聲估計(jì)特性的字典學(xué)習(xí)去噪算法
大小：1.23 MB 人氣： 2017-12-08 需要積分：1
推薦 + 挑錯(cuò) + 收藏(0) + 用戶評(píng)論（0）
標(biāo)簽：去噪算法(2750)
高光譜圖像各波段圖像噪聲分布復(fù)雜，傳統(tǒng)去噪方法難以達(dá)到理想效果。針對(duì)這一問題，在主成分分析（PCA）的基礎(chǔ)上，結(jié)合噪聲估計(jì)和字典學(xué)習(xí)，提出一種新的高光譜去噪方法。首先，對(duì)原始高光譜數(shù)據(jù)進(jìn)行主成分變換得到一組主成分圖像并根據(jù)能量比重將其劃分為清晰圖像組和含噪圖像組；然后，根據(jù)任一波段圖像的信息，利用奇異值分解（SVD）對(duì)圖像進(jìn)行噪聲估計(jì)，再將得到的噪聲估計(jì)方法與K-SVD字典學(xué)習(xí)去噪算法結(jié)合，提出一種具備自適應(yīng)噪聲估計(jì)特性的字典學(xué)習(xí)去噪算法，并將其應(yīng)用于信息量較小的含噪圖像組進(jìn)行去噪處理；最后，按各主成分圖像對(duì)應(yīng)的信息量比例進(jìn)行加權(quán)融合得到最終的去噪圖像。通過對(duì)模擬與實(shí)際高光譜遙感圖像的實(shí)驗(yàn)表明，與PCA、PCA-Bish、PCA-Contourlet三種去噪方法相比，所提方法去噪后圖像的峰值信噪比（PSNR）可以提升1-3 dB，且具有更多的細(xì)節(jié)信息和更好的視覺效果。
非常好我支持^.^
(0) 0%
不好我反對(duì)
(0) 0%