[发明专利]一种基于Fisher字典学习、低秩表示的高光谱图像去噪方法有效
| 申请号： | 201710377112.2 | 申请日： | 2017-05-24 |
| 公开（公告）号： | CN107274360B | 公开（公告）日： | 2019-11-08 |
| 发明（设计）人： | 杨明;俞珍秒;吕静;高阳 | 申请（专利权）人： | 南京师范大学 |
| 主分类号： | G06T5/00 | 分类号： | G06T5/00 |
| 代理公司： | 南京经纬专利商标代理有限公司 32200 | 代理人： | 朱桢荣 |
| 地址： | 210023 *** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于Fisher字典学习、低秩表示的高光谱图像去噪方法，包含如下步骤：变换数据空间；学习字典；替换字典；改进LRR；输入输出数据；逆变换出无噪图像；本发明能够有效地去除高光谱图像中的多种噪声，提高高光谱图像的数据质量与应用价值。此外，本发明中运用Fisher字典学习得到判别字典替换模型中的字典对模型中的参数具有鲁棒性，因此具有较高的使用价值。 | ||
| 搜索关键词： | 一种 基于 fisher 字典 学习 表示 光谱 图像 方法 | ||
【主权项】：
1.一种基于Fisher字典学习、低秩表示的高光谱图像去噪方法，其特征在于，包括如下步骤：步骤1、将给定的高光谱图像X转换成空间光谱联合的二维数据矩阵D；步骤2、通过Fisher判别准则获得新字典，该新字典作为判别字典；步骤3、将步骤2学习得到的判别字典替换低秩表示LRR模型中的字典；步骤4、改进LRR模型：在LRR模型中嵌入高斯噪声的判别项，在去除椒盐噪声、条带噪声的同时也能去除高斯噪声部分；步骤5、将二维数据矩阵D代入改进后的LRR模型中进行去噪，得到低秩系数和噪声数据；步骤6、利用字典和低秩系数得到无噪的二维数据矩阵，再逆变换出无噪的三维高光谱图像。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于南京师范大学，未经南京师范大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201710377112.2/，转载请声明来源钻瓜专利网。
