A funcionalidade de pesquisa está em construção.
A funcionalidade de pesquisa está em construção.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Hyperspectral Image Denoising Using Tensor Decomposition under Multiple Constraints Eliminação de ruído de imagem hiperespectral usando decomposição de tensor sob múltiplas restrições

Zhen LI, Baojun ZHAO, Wenzheng WANG, Baoxian WANG

  • Exibições de texto completo

    0

  • Cite isto

Resumo:

Imagens hiperespectrais (HSIs) são geralmente suscetíveis a vários ruídos, como ruído gaussiano e de faixa. Recentemente, vários algoritmos de remoção de ruído foram propostos para recuperar os HSIs. No entanto, essas abordagens não podem usar informações espectrais de forma eficiente e sofrem com a fraqueza da remoção de ruído de faixa. Aqui, propomos um método de decomposição tensorial com duas restrições diferentes para remover o ruído misto dos HSIs. Para um cubo HSI, primeiro empregamos a decomposição de valor singular do tensor (t-SVD) para preservar efetivamente as informações de baixa classificação dos HSIs. Considerando a propriedade de continuidade dos espectros HSIs, projetamos uma restrição de suavidade simples usando a regularização de Tikhonov para decomposição de tensores para melhorar o desempenho de remoção de ruído. Além disso, também projetamos uma nova restrição unidirecional de variação total (TV) para filtrar o ruído de faixa dos HSIs. Esta estratégia alcançará melhor desempenho na preservação dos detalhes das imagens do que os modelos de TV originais. O método desenvolvido é avaliado em HSIs ruidosos sintéticos e reais e mostra resultados favoráveis.

Publicação
IEICE TRANSACTIONS on Fundamentals Vol.E104-A No.6 pp.949-953
Data de publicação
2021/06/01
Publicitada
2020/12/01
ISSN online
1745-1337
DOI
10.1587/transfun.2020EAL2099
Tipo de Manuscrito
LETTER
Categoria
Imagem

autores

Zhen LI
  Beijing Institute of Technology
Baojun ZHAO
  Beijing Institute of Technology
Wenzheng WANG
  Beijing Institute of Technology,Peking University
Baoxian WANG
  Shijiazhuang

Palavra-chave