[发明专利]联合双低秩和空谱全变差的混合噪声高光谱影像复原方法

权利要求书

1.一种联合双低秩和空谱全变差的混合噪声高光谱影像复原方法，其特征在于，包括以下步骤：

步骤1，建立双低秩近似模型；

步骤2，对步骤1得到的双低秩近似模型，将各向异性空间光谱全变差模型引入到其去噪框架中，建立联合双低秩近似和各向异性空间光谱全变差的高光谱遥感影像多类型混合噪声去除模型；

步骤3，对步骤2得到的联合双低秩近似和各向异性空间光谱全变差的高光谱遥感影像多类型混合噪声去除模型，利用交替方向乘子法进行优化求解，得到无噪高光谱遥感影像。

2.如权利要求1所述的一种联合双低秩和空谱全变差的混合噪声高光谱影像复原方法，其特征在于：步骤1中，利用加权和张量核范数对无噪高光谱遥感影像进行低秩张量近似，利用核范数对高光谱遥感影像中每个波段上的条带噪声进行低秩矩阵近似，利用l₁范数对稀疏噪声进行稀疏约束，建立双低秩近似模型。

3.如权利要求1所述的一种联合双低秩和空谱全变差的混合噪声高光谱影像复原方法，其特征在于：步骤1的具体实现方式如下；

步骤1.1，将观测到的三维高光谱遥感影像建模为无噪高光谱遥感影像、稀疏噪声、条带噪声和高斯噪声的集合，即其中，表示三维观测高光谱遥感影像，m、n和p分别为为高光谱遥感影像的宽度、高度和波段数，和均为大小和一致的三维张量，分别代表无噪高光谱遥感影像、稀疏噪声、条带噪声和高斯噪声；

步骤1.2，利用加权和张量核范数对无噪高光谱遥感影像进行低秩张量近似，利用核范数对条带噪声进行逐波段低秩矩阵近似，利用l₁范数对稀疏噪声进行稀疏约束，建立双低秩近似模型：

其中，加权和张量核范数||·||_WSTNN定义为每个mode-k₁k₂展开张量的核范数的加权和，l₁范数||·||₁为矩阵中非零元素的和；为高光谱遥感影像中第i个波段上的条带噪声矩阵；λ和β为控制每个正则化项之间权衡的正则化参数，rank(·)表示向量的秩，rank_t(·)表示张量的Tubal秩，r是张量的mode-13和mode-23展开张量的上限秩，r_b表示逐波段条带噪声矩阵B_i的上限秩，ε表示高斯噪声的强度。

4.如权利要求1所述的一种联合双低秩和空谱全变差的混合噪声高光谱影像复原方法，其特征在于：步骤2的具体实现包括以下步骤；

步骤2.1，利用线性一阶离散差分算子约束沿无噪高光谱遥感影像的空间水平方向和光谱方向、条带噪声的空间垂直方向的梯度，建立各向异性空间光谱全变差模型：

其中，τ₁、τ₂和τ₃是用于衡量沿不同方向梯度贡献的正则化参数，运算符D_h、D_v和D_s分别是沿水平、垂直和光谱方向的线性一阶离散差分算子；

步骤2.2，将各向异性空间光谱全变差模型引入到双低秩近似模型中，建立联合双低秩近似和各向异性空间光谱全变差的高光谱遥感影像多类型混合噪声去除模型：