基于稀疏化表示的高光谱遥感图像去噪算法研究

高光谱遥感图像的噪声对其后续应用带来很多不利影响，为此研究高光谱遥感图像的去噪算法。针对高光谱遥感图像的特点，通过分析高光谱遥感图像的统计上的数字特征，检测灰度直方图、相关性函数、光谱曲线和空间图像的异常，设计去相关方法估计出噪声的类型和参数。选择或构造出适合高光谱遥感图像的稀疏化表示方法进行空间域内的稀疏表示，利用稀疏表示的系数的统计特性和高光谱遥感图像强烈的谱间相关性建立合理的三维边缘分布模型，基于这个模型设计高光谱遥感图像的去噪算法，有效去除噪声。通过改进和优化算法的时间复杂度，使其达到实时性要求。通过客观评价标准和分类、识别准确率等统计评价标准对高光谱遥感图像去噪后的重建质量进行评估，针对具体应用背景优化去噪算法。

高光谱遥感图像在获取和传输的过程中，不可避免的受到噪声的影响，对其后续应用带来很多不利影响，为此研究高光谱遥感图像的去噪算法。该项目围绕高光谱遥感图像的去噪，将噪声的估计，去噪算法的设计，以及对去噪算法的评估联合在一起系统地进行研究。主要研究结果包括：1. 噪声的估计。高光谱遥感图像独立于信号的加性噪声进行了估计。实验结果表明，提出的噪声估计方法能较为准确地估计出噪声参数方差。2. 去噪算法的设计。提出两种高光谱图像去噪算法：（1）基于多元线性回归的高光谱遥感图像去噪方法；（2）基于Curvelet变换的高光谱遥感图像去噪方法。通过仿真实验，对这两种方法进行了比较，得到了优于其他文献的去噪结果。3. 去噪算法的评估。分别采用了客观失真参数标准和统计衡量标准对高光谱遥感图像的去噪效果进行评估，并将两者结合起来进行了比较，通过研究客观失真标准与应用领域统计准确度之间的关系来提取合适特定应用领域的客观失真参数标准。该项目在高光谱遥感数据的稀疏化表示、三维数据模型建立、高光谱遥感图像去噪算法设计及质量评估等关键技术方面取得了进展，为高光谱遥感产品的分析及应用提供有利的预处理方法。