資源描述：
《基于權(quán)重核范數(shù)的高光譜圖像去噪與解混方法研究.pdf》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、博士學(xué)位論文基于權(quán)重核范數(shù)的高光譜圖像去噪與解混方法研究HYPERSPECTRALIMAGEDENOISINGANDUNMIXINGBASEDONWEIGHTEDNUCLEARNORM吳釗君哈哈哈爾爾爾濱濱濱工工工業(yè)業(yè)業(yè)大大大學(xué)學(xué)學(xué)2018年3月國(guó)內(nèi)圖書(shū)分類(lèi)號(hào)：TP751.1學(xué)校代碼：10213國(guó)際圖書(shū)分類(lèi)號(hào)：62密級(jí)：公開(kāi)工學(xué)博士學(xué)位論文基于權(quán)重核范數(shù)的高光譜圖像去噪與解混方法研究博士研究生：吳釗君導(dǎo)師：王強(qiáng)教授副導(dǎo)師：金晶副教授申請(qǐng)學(xué)位：工學(xué)博士學(xué)科：控制科學(xué)與工程所在單位：航天學(xué)院答辯日期：2018年3月授予學(xué)位單位：哈爾濱工業(yè)大學(xué)Classi?
2、edIndex:TP751.1U.D.C:62DissertationfortheDoctoralDegreeinEngineeringHYPERSPECTRALIMAGEDENOISINGANDUNMIXINGBASEDONWEIGHTEDNUCLEARNORMCandidate:WuZhaojunSupervisor:Prof.WangQiangAssociateSupervisor:A.Prof.JinJingAcademicDegreeAppliedfor:DoctorofEngineeringSpecialty:ControlSciencea
3、ndEngineeringA?liation:SchoolofAstronauticsDateofDefence:March,2018Degree-Conferring-Institution:HarbinInstituteofTechnology摘要摘要高光譜圖像具有圖譜合一和光譜分辨率高的特點(diǎn)，可以提供豐富的地物特征信息，因此被廣泛應(yīng)用于地質(zhì)勘探、農(nóng)業(yè)遙測(cè)等重要領(lǐng)域。然而由于高光譜遙感平臺(tái)離地觀測(cè)距離高，且屬于被動(dòng)式光譜成像，在圖像獲取和傳輸過(guò)程中，受大氣干擾、儀器故障和傳感器精度等多種因素影響，導(dǎo)致所獲得的高光譜圖像通常帶有嚴(yán)重的多類(lèi)型的混合噪聲
4、（包括高斯噪聲、椒鹽噪聲和條紋噪聲），對(duì)高光譜圖像的后續(xù)處理和應(yīng)用造成了極大的困難。另外，由于高光譜圖像空間分辨率低，且地物分布復(fù)雜多樣，在高光譜圖像中混合像元廣泛存在，極大影響了亞像元級(jí)的數(shù)據(jù)處理和分析。為了提高地物的識(shí)別和分類(lèi)精度，必須對(duì)混合像元進(jìn)行端元分解，并求取端元的豐度分布信息。本文圍繞高光譜圖像的混合噪聲去除，和混合噪聲情況下的端元稀疏解混兩大基本問(wèn)題展開(kāi)研究，聯(lián)合利用高光譜圖像的空間和譜間信息，提出了新型的高光譜圖像去噪和解混方法。本文的主要研究工作及成果如下：針對(duì)現(xiàn)有基于低秩約束的高光譜圖像混合噪聲去除方法中，存在主特征奇異值削減過(guò)度和
5、空間結(jié)構(gòu)信息約束欠缺的問(wèn)題，提出了一種基于權(quán)重核范數(shù)和分波段全變分正則化的混合噪聲去除方法（TV-regularizedweightednuclearnormmixeddenoising,TWNNM）。現(xiàn)有方法在求解高光譜圖像低秩約束的去噪問(wèn)題時(shí)，常采用核范數(shù)最小化對(duì)每個(gè)奇異值進(jìn)行同等程度的閾值削減，導(dǎo)致去噪的同時(shí)對(duì)主特征奇異值造成了過(guò)度削減。本文提出，對(duì)不同的奇異值采用不同的閾值進(jìn)行削減，在去除噪聲的同時(shí)對(duì)主特征奇異值實(shí)現(xiàn)有效的保護(hù)。為了利用空間結(jié)構(gòu)信息，對(duì)每個(gè)波段圖像獨(dú)立采用了全變分正則化約束。同時(shí)，設(shè)計(jì)了一種基于交替方向乘子法（alternati
6、ngdirectionmethodofmultiplier,ADMM）的數(shù)值優(yōu)化算法，保證了TWNNM方法的有效求解。基于仿真數(shù)據(jù)和真實(shí)數(shù)據(jù)設(shè)計(jì)了不同的對(duì)比實(shí)驗(yàn)，并驗(yàn)證了TWNNM方法對(duì)高光譜圖像混合噪聲去除的有效性。針對(duì)分波段全變分正則化約束去噪方法中出現(xiàn)的兩個(gè)問(wèn)題，即無(wú)法聯(lián)合利用所有波段結(jié)構(gòu)信息和無(wú)法有效利用鄰域像素局部信息問(wèn)題，提出了一種基于權(quán)重核范數(shù)和結(jié)構(gòu)張量全變分正則化的混合噪聲去除方法（structuretensorTV-regularizedweightednuclearnormmixeddenoising,STWNNM）。分波段全變分正
7、則化對(duì)高光譜圖像的每個(gè)波段進(jìn)行獨(dú)立約束，無(wú)法聯(lián)合利用鄰域波段間的空間結(jié)構(gòu)信息，同時(shí)由于全變分正則化只利用了相鄰像素的梯度信息，導(dǎo)致對(duì)于-I-哈爾濱工業(yè)大學(xué)工學(xué)博士學(xué)位論文一些波段內(nèi)條紋較寬的噪聲去除能力有限，且容易出現(xiàn)“油畫(huà)”狀偽影失真。本文提出采用結(jié)構(gòu)張量全變分正則化，由所有波段的梯度圖像，在高斯卷積核的作用下組成結(jié)構(gòu)張量，通過(guò)對(duì)結(jié)構(gòu)張量的奇異值矩陣進(jìn)行Schattenp范數(shù)約束，達(dá)到聯(lián)合利用所有波段的結(jié)構(gòu)信息和像素鄰域空間局部信息的目的?；贏DMM框架，提出了兩種不同的求解STWNNM模型的優(yōu)化方法，并通過(guò)理論和實(shí)驗(yàn)兩方面驗(yàn)證了這兩種優(yōu)化方法的有
8、效性。基于仿真數(shù)據(jù)和真實(shí)數(shù)據(jù)的實(shí)驗(yàn)均驗(yàn)證了STWNNM去除高光譜圖像混合噪聲的綜合性能。本文提
