[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

说明书

本发明提供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，通过分别利用低秩张量近似和逐波段低秩矩阵近似模型挖掘无噪高光谱遥感影像和条带噪声的低秩性质，同时引入各向异性空间光谱全变差模型，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；利用交替方向乘子法进行求解得到无噪高光谱遥感影像。将本发明应用于高分五号高光谱遥感影像混合噪声去除，真实高分五号高光谱遥感影像实验表明，本发明可以更有效地去除高分五号高光谱遥感影像中的多类型、高强度混合噪声，同时保护影像高维结构信息，大大提高高分五号高光谱遥感影像质量。

技术领域

本发明涉及高光谱遥感影像混合噪声去除技术领域，尤其涉及一种通过分别对无噪高光谱遥感影像进行低秩张量近似、对条带噪声进行低秩矩阵近似构造双低秩近似模型，并联合各向异性空间光谱全变差的技术方案，以交替方向乘子法求解最优化问题的方法完成无噪高光谱遥感影像与各种类型噪声的分离，实现高光谱遥感影像多类型混合噪声去除。

背景技术

20世纪80年代以来，高光谱成像技术不断取得突破性进展，在对地观测和遥感领域做出了巨大贡献，已成为国际科技竞争的关键性因素之一。高光谱遥感影像能够精细地描述观测目标的空间光谱特征，以非常高的光谱分辨率对土地覆盖物进行更准确、更稳健的表征、识别和分类，为人们观察与区分地物提供了有效的手段。因此，高光谱遥感影像数据正在成为一种有价值的地表监测工具，被广泛应用于医学成像、生态科学、水文科学、和环境监测等领域。

然而，由于观测条件(如大气环境、地形起伏等)、波段能量分布差异和传感器(探测元件受干扰、故障等)的影响，高光谱遥感成像过程中极易受到高斯、脉冲、坏点、死线和条带等多类型噪声的干扰。类型多样、分布复杂的混合噪声同时存在于高光谱影像的空间和光谱域中，严重降低高光谱影像质量，限制后续应用处理的精度。因此，发展高光谱遥感影像多类型混合噪声去除技术，改善采集影像质量，提升高光谱遥感卫星数据的应用价值和社会效益，具有十分重要的意义。

近二十年来，国内外学者针对高光谱遥感影像噪声去除问题开展了一系列研究与探索。一般而言，目前的高光谱遥感影像去噪方法主要可以分为三大类：基于空间域、基于光谱域和基于空间-光谱联合的方法。基于空间域的方法将每个波段视为一个独立的灰度图像，采用一维信号或二维图像恢复方法进行逐像素或逐波段的去噪处理。但是，由于忽略了影像光谱波段间的高度相关性，会引入伪影或失真。基于光谱域的方法从光谱域中挖掘光谱和噪声特征实现噪声去除。但是缺乏对影像空间信息和特征的有效利用，往往会破坏结构和细节信息。近年来，同时探索空间结构信息和光谱曲线特征的策略成为主流，研究者们陆续提出了更先进的基于空间-光谱联合的去噪方法，如基于变换域、基于多维度分析和基于全变差、非局部等先验约束的方法。然而，由于缺乏对高光谱遥感影像更深层次先验信息的挖掘，上述方法大多只适用于一种或两种特定类型的噪声、或简单类型和分布的低强度混合噪声环境，在复杂混合噪声情形下通常导致低质量的去噪结果。

近年来，低秩约束凭借其在高光谱影像混合噪声去除方面的卓越性能，已成为高光谱影像去噪领域的主流方向和研究热点。对于干净的高光谱影像，其相邻波段之间存在强相关性，显示出潜在的低秩结构。基于低秩联合稀疏矩阵恢复(LRMR)的去噪方法首先将低秩约束应用于高光谱影像去噪，在去除高斯噪声和稀疏噪声的混合噪声方面表现出极具竞争力的性能。在低秩矩阵恢复框架的基础上，研究者们联合空间先验约束、张量分解等技术，进一步提高了模型的去噪效果。

对于高光谱影像混合噪声去除问题，基于低秩约束的去噪方法是一种有效的手段。然而，在多类型混合噪声环境下，尤其是存在高强度、分布复杂的条带噪声时，由于忽略了对条带噪声先验信息和高光谱影像潜在高维结构信息的有效利用，现有的基于低秩约束的方法难以有效去除各种类型的噪声并保护影像的原始高维结构信息，导致噪声去除不完全、影像细节丢失和光谱失真等问题。而高光谱遥感影像在实际采集的过程中不可避免地会受到各种类型噪声的混合污染，如HYDICE Urban和高分五号卫星影像数据被条带、高斯、脉冲噪声严重破坏，其中条带噪声强度高且分布复杂，现有方法在存在条带噪声的多类型混合噪声去除方面性能不佳，导致遥感影像的后续应用受到限制。