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
68 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。
2018-08-08 上传
2023-09-22 上传
2023-06-24 上传
2024-04-09 上传
2024-09-10 上传
2023-10-21 上传
2023-05-10 上传
2023-05-13 上传
2023-05-30 上传
weixin_38575421
- 粉丝: 6
- 资源: 918
最新资源
- 十种常见电感线圈电感量计算公式详解
- 军用车辆:CAN总线的集成与优势
- CAN总线在汽车智能换档系统中的作用与实现
- CAN总线数据超载问题及解决策略
- 汽车车身系统CAN总线设计与应用
- SAP企业需求深度剖析:财务会计与供应链的关键流程与改进策略
- CAN总线在发动机电控系统中的通信设计实践
- Spring与iBATIS整合:快速开发与比较分析
- CAN总线驱动的整车管理系统硬件设计详解
- CAN总线通讯智能节点设计与实现
- DSP实现电动汽车CAN总线通讯技术
- CAN协议网关设计:自动位速率检测与互连
- Xcode免证书调试iPad程序开发指南
- 分布式数据库查询优化算法探讨
- Win7安装VC++6.0完全指南:解决兼容性与Office冲突
- MFC实现学生信息管理系统:登录与数据库操作