超拉普拉斯正则化单向低秩张量恢复:多光谱图像降噪新方法
193 浏览量
更新于2024-08-28
收藏 1.87MB PDF 举报
"超拉普拉斯正则化单向低秩张量恢复用于多光谱图像降噪"
在多光谱图像(MSI)降噪领域,近年来基于低秩的矩阵和张量恢复方法已经成为研究热点。然而,这些方法通常忽视了图像在空间稀疏性、光谱相关性和非局部自相似性模式上的内在结构差异。本文作者通过深入分析矩阵和张量的秩属性,指出非局部自相似性是图像结构的关键特征,而传统低秩假设并不总是适用。
为了解决这个问题,研究人员提出了一种名为“超拉普拉斯正则化单向低秩张量恢复”(Hyper-Laplacian Regularized Unidirectional Low-rank Tensor Recovery)的新模型。这个模型旨在真实地捕捉图像的内在结构相关性,同时减少计算复杂度。然而,低秩模型在处理重叠区域时容易产生振铃伪影,即由于补丁或立方体的聚集导致的不自然边缘效应。
为解决振铃伪影,作者创新性地引入了分析型超拉普拉斯先验模型,利用MSI的频谱信息来建模全局频谱结构,从而间接减轻空间域中的振铃伪影。这种方法的一个显著优势是更好地表示结构相关性,同时降低了处理时间和减少了重叠区域的伪影。
与现有的多光谱图像降噪方法相比,该方法在多个基准测试中进行了广泛的评估,显示出明显的优越性。这表明,通过结合超拉普拉斯正则化和单向低秩恢复策略,可以有效地提升MSI降噪的效果和效率。
这篇研究论文为多光谱图像处理提供了一种新的、有效的解决方案,特别是在噪声去除方面。它强调了非局部自相似性的关键作用,并通过超拉普拉斯正则化技术解决了低秩模型的局限性,为未来的研究提供了有价值的参考。
2024-11-29 上传
2024-11-29 上传
2024-11-29 上传
2024-11-29 上传
2024-11-29 上传
2024-11-29 上传
weixin_38575421
- 粉丝: 6
- 资源: 918
最新资源
- C语言数组操作:高度检查器编程实践
- 基于Swift开发的嘉定单车LBS iOS应用项目解析
- 钗头凤声乐表演的二度创作分析报告
- 分布式数据库特训营全套教程资料
- JavaScript开发者Robert Bindar的博客平台
- MATLAB投影寻踪代码教程及文件解压缩指南
- HTML5拖放实现的RPSLS游戏教程
- HT://Dig引擎接口,Ampoliros开源模块应用
- 全面探测服务器性能与PHP环境的iprober PHP探针v0.024
- 新版提醒应用v2:基于MongoDB的数据存储
- 《我的世界》东方大陆1.12.2材质包深度体验
- Hypercore Promisifier: JavaScript中的回调转换为Promise包装器
- 探索开源项目Artifice:Slyme脚本与技巧游戏
- Matlab机器人学习代码解析与笔记分享
- 查尔默斯大学计算物理作业HP2解析
- GitHub问题管理新工具:GIRA-crx插件介绍