[发明专利]基于非局部相似性及加权截断核范数的高光谱图像去噪方法

权利要求书

1.基于非局部相似性及加权截断核范数的高光谱图像去噪方法，包括以下步骤：

步骤1)获取待去噪的高光谱图像数据利用投影技术将干净高光谱图像进行降维处理，表示为为降维后的图像,E为正交矩阵，M和N分别为高光谱图像空间维度的长和宽，P为谱带的数量；

步骤2)构建基于非局部相似性及加权截断核范数的高光谱图像去噪模型；

步骤3)对变量与参数进行迭代细化；

步骤4)输出去除噪声后的高光谱图像。

2.如权利要求1所述的基于非局部相似性及加权截断核范数的高光谱图像去噪方法，其特征在于：步骤2)具体包括：

(2-1)给定矩阵X∈R^m×n，加权截断核范数低秩正则项的定义如下：

其中r为目标秩，q＝min(m,n)，δ_i(X)表示X第i个奇异值，w＝[w_i,…,w_q]为非负递增的权值向量；

(2-2)将步骤(2-1)中加权截断核范数(WTNM)结合到去噪模型中并对此模型进行求解：

其中为带噪图像在低维子空间的表示。可分为多组非局部相似张量组，分别对每个非局部相似组进行去噪，最后将每个复原后的张量组还原成

(2-2-1)针对(2-2)中的非局部相似张量组进行去噪，去噪模型为：

其中表示带噪矩阵，表示干净矩阵；

(2-2-2)采用APG算法可有效求解模型(3)，APG在求解过程中可更新M为：

参数β_k可以加快收敛速度，λ是在L-Lipschitz常数L上满足特定条件的步长，式(3)的解为M^*＝Udiag(σ^*(M))V^T，其中U和V分别为G的左右奇异值矩阵,当i≤r时，当i＞r时，

3.如权利要求1所述的基于非局部相似性及加权截断核范数的高光谱图像去噪方法，其特征在于：步骤3)具体包括：

在迭代过程中E_i易受输入噪声的影响，因此将下一次的输入图像以式(10)进行更新，式(11)为迭代过程中参数K的更新过程，K的初始值根据HySime方法得到，λ为平衡参数，δ为固定值；

K＝K+δ×i (11)。