一种基于自适应秩校正的高光谱图像去噪方法、系统及介质与流程

技术特征：

1.一种基于自适应秩校正的高光谱图像去噪方法，其特征在于实施步骤包括：

1)对退化高光谱图像矩阵化后采用非精确增广拉格朗日乘子算法进行初始估计，得到初始估计的干净高光谱图像

2)对退化高光谱图像初始估计的干净高光谱图像分别进行分块和矩阵化处理，分别得到矩阵化分块退化高光谱图像y、矩阵化分块初始估计的干净高光谱图像x；

3)针对各个矩阵化分块退化高光谱图像y、矩阵化分块初始估计的干净高光谱图像x建立基于自适应秩校正的高光谱图像去噪模型，所述基于自适应秩校正的高光谱图像去噪模型通过自适应秩校正惩罚函数以实现自适应地抵消核范数对大的奇异值的惩罚，且基于l2,1范数消除稀疏噪声；对所述基于自适应秩校正的高光谱图像去噪模型采用交替方向乘子算法进行求解得到分块干净图像x；

4)将所有的分块干净图像x组合获得最终估计的干净高光谱图像。

2.根据权利要求1所述的基于自适应秩校正的高光谱图像去噪方法，其特征在于，步骤1)的详细步骤包括：

1.1)将退化高光谱图像矩阵化为为退化高光谱图像其中表示实数域，w、h和b分别表示退化高光谱图像的宽度、高度和光谱带数量；

1.2)采用非精确增广拉格朗日乘子算法ialm对退化高光谱图像进行初始估计得到初始估计的干净图像

1.3)通过将初始估计的干净图像的每一列重构为大小为w×h的矩阵，得到初始估计的干净高光谱图像

3.根据权利要求1所述的基于自适应秩校正的高光谱图像去噪方法，其特征在于，步骤2)的详细步骤包括：对退化高光谱图像首先按照步长p以像素(u,v)为中心取大小为q×q×b的子立方体，然后将每个子立方体的每个波段转化为1d列向量来构造矩阵从而得到矩阵化分块退化高光谱图像y；对初始估计的干净高光谱图像首先按照步长p以像素(u,v)为中心取大小为q×q×b的子立方体，然后将每个子立方体的每个波段转化为1d列向量来构造矩阵从而得到矩阵化分块初始估计的干净高光谱图像x；其中，1≤u≤w,1≤v≤h，其中w、h和b分别表示退化高光谱图像的宽度、高度和光谱带数量，q表示子立方体块大小。

4.根据权利要求1所述的基于自适应秩校正的高光谱图像去噪方法，其特征在于，步骤3)中建立的基于自适应秩校正的高光谱图像去噪模型如下式所示；

上式中，||x||*表示矩阵x核范数，x为分块干净图像，<f(x),x>表示f(x)与x的欧式内积，f(x)表示谱算子，x表示矩阵化分块初始估计的干净高光谱图像，||s||2,1表示矩阵l2,1范数，λ表示规则化参数，表示矩阵弗罗贝尼乌斯范数，y表示矩阵化分块退化高光谱图像，s表示矩阵化分块稀疏噪声，σ为与高斯噪声n标准差相关的常数。

5.根据权利要求1所述的基于自适应秩校正的高光谱图像去噪方法，其特征在于，步骤4)中将所有的分块干净图像x组合获得最终估计的干净高光谱图像时，还包括针对分块干净图像x的重叠区域取平均值的方式处理重叠区域像素的步骤。

6.一种基于自适应秩校正的高光谱图像去噪系统，包括计算机设备，其特征在于，该计算机设备被编程或配置以执行权利要求1～5中任意一项所述基于自适应秩校正的高光谱图像去噪方法的步骤。

7.一种基于自适应秩校正的高光谱图像去噪系统，包括计算机设备，其特征在于，该计算机设备的存储介质上存储有被编程或配置以执行权利要求1～5中任意一项所述基于自适应秩校正的高光谱图像去噪方法的计算机程序。

8.一种计算机可读存储介质，其特征在于，该计算机可读存储介质上存储有被编程或配置以执行权利要求1～5中任意一项所述基于自适应秩校正的高光谱图像去噪方法的计算机程序。

9.一种基于自适应秩校正的高光谱图像去噪系统，其特征在于，包括：

第一程序单元，用于对退化高光谱图像矩阵化后采用非精确增广拉格朗日乘子算法进行初始估计，得到初始估计的干净高光谱图像

第二程序单元，用于对退化高光谱图像初始估计的干净高光谱图像分别进行分块和矩阵化处理，分别得到矩阵化分块退化高光谱图像y、矩阵化分块初始估计的干净高光谱图像x；

第三程序单元，用于针对各个矩阵化分块退化高光谱图像y、矩阵化分块初始估计的干净高光谱图像x建立基于自适应秩校正的高光谱图像去噪模型，所述基于自适应秩校正的高光谱图像去噪模型通过自适应秩校正惩罚函数以实现自适应地抵消核范数对大的奇异值的惩罚，且基于l2,1范数消除稀疏噪声；对所述基于自适应秩校正的高光谱图像去噪模型采用交替方向乘子算法进行求解，得到分块干净图像x；

第四程序单元，用于将所有的分块干净图像x组合获得最终估计的干净高光谱图像。

技术总结
本发明公开了一种基于自适应秩校正的高光谱图像去噪方法、系统及介质，本发明高光谱图像去噪方法针对各个矩阵化分块退化高光谱图像、矩阵化分块初始估计的干净高光谱图像建立基于自适应秩校正的高光谱图像去噪模型，通过自适应秩校正惩罚函数实现自适应地抵消核范数对大的奇异值的惩罚，基于l2,1范数消除稀疏噪声，采用交替方向乘子算法进行求解分块干净图像并组合获得最终估计的干净高光谱图像。本发明能够解决现有大多数基于低秩矩阵恢复的高光谱去噪方法利用核范数逼近矩阵秩导致过度惩罚大的奇异值和秩信息固定且需提前定义使得方法不灵活等问题，能够去除高光谱图像中的高斯噪声、脉冲噪声、死线和条带等复杂噪声。

技术研发人员：李树涛;谢婷;孙斌;康旭东
受保护的技术使用者：湖南大学
技术研发日：2019.08.05
技术公布日：2019.11.15