公开(公告)号：CN114820352B

公开(公告)日：2024-11-22

申请号：CN202210365831.3

申请日：2022-04-08

Applicant: 南京邮电大学

Inventor： 杨敏 ,  徐辉

IPC: G06T5/70 ,  G06V10/774 ,  G06V10/30 ,  G06V20/10

Abstract: 本发明公开了一种高光谱图像去噪方法、装置及存储介质，将待去噪的高光谱图像数据输入预训练优化好的高光谱图像去噪模型，得到输出的经过去噪的高光谱图像结果；其中所述高光谱图像去噪模型的构建方法包括：首先利用低秩张量分解将噪声从原始图像中分离出来，得到退化模型；接着在模型中加入改进的加权的全变分正则器,充分表征高光谱图像波段之间的空间和光谱相关性；然后用L1范数来规范稀疏噪声，用F范数来规范高斯噪声；最后利用增广拉格朗日乘子法求解模型，结合输入带有稀疏噪声和高斯噪声的训练集图像，更新优化模型。本发明公开的高光谱图像去噪方法可以得到更好的恢复效果，在定量评价和视觉比较方面有明显的改善。

公开(公告)号：CN114820352A

公开(公告)日：2022-07-29

申请号：CN202210365831.3

申请日：2022-04-08

Applicant: 南京邮电大学

Inventor： 杨敏 ,  徐辉

IPC: G06T5/00 ,  G06K9/62 ,  G06V10/774

Abstract: 本发明公开了一种高光谱图像去噪方法、装置及存储介质，将待去噪的高光谱图像数据输入预训练优化好的高光谱图像去噪模型，得到输出的经过去噪的高光谱图像结果；其中所述高光谱图像去噪模型的构建方法包括：首先利用低秩张量分解将噪声从原始图像中分离出来，得到退化模型；接着在模型中加入改进的加权的全变分正则器,充分表征高光谱图像波段之间的空间和光谱相关性；然后用L1范数来规范稀疏噪声，用F范数来规范高斯噪声；最后利用增广拉格朗日乘子法求解模型，结合输入带有稀疏噪声和高斯噪声的训练集图像，更新优化模型。本发明公开的高光谱图像去噪方法可以得到更好的恢复效果，在定量评价和视觉比较方面有明显的改善。