基于空谱联合的高光谱图像光谱域去噪方法研究

摘要

高光谱数据在农林业、地质勘探和大气监测等领域都有广泛的应用，然而数据在获取和传输的过程中难免会受到噪声的污染。数据质量的降低会直接影响到地物分类和光谱匹配的准确度，因此对去噪方法的研究非常有必要。
　　由于高光谱数据具有图谱合一的特点，针对这种数据立方的去噪方法包括空间域去噪和光谱域去噪两个重要的组成部分。近年来，如何将空间域和光谱域噪声去除进行联合，逐渐成为研究的热点，目前最常用的方法是通过波数将谱间信息融入到空间域的去噪过程中，从而使得图像去噪具有光谱自适应能力。然而，对于光谱域的去噪，现有算法仅仅是对每条光谱单独进行一维去噪处理，对空间信息利用的研究相对较少。
　　本文通过分析高光谱数据发现，场景内各地物存在极大的相关性，甚至在某些应用中，获取的大部分为同类物质，它们具有极其相似的光谱特征。如果在光谱域去噪中不加考虑，这种空间上的相关性极有可能会受到去噪算法的影响。在此研究背景下，本文提出在光谱域去噪步骤中，使用去相关技术来保护这种空间信息，改善最终的去噪效果。同时，考虑到处理过程中存在信号能量重分配的问题，给出了去相关后信噪比的估计公式，维持部分高信噪比的光谱成分将有助于保护有用信息。最后，本文给出了一套完整的空谱域联合去噪的算法。
　　在去噪实验中，本算法的信噪比相对于其他的提高了约15％，同时，地物分类的准确率也达到了95.47％，提高了近52％。实验表明，去相关处理将有助于保护原始光谱的空间相关性，在提高去噪效果的情况下，对实际分类应用也非常有效。

目录

封面

声明

中文摘要

英文摘要

目录

1 绪论

1.1 课题背景

1.2 高光谱图像去噪的发展现状

1.2.1 单波段图像去噪

1.2.2 三维数据去噪

1.3 研究目的与意义

1.4 研究内容

2 理论分析与算法设计

2.1噪声模型与白化噪声

2.2理论分析

2.2.1 去相关技术

2.2.2 二维主成分分析

2.2.3 能量重分配

2.3 算法设计

2.4 本章小结

3 实验结果与分析

3.1 实验数据简介

3.2 算法性能分析

3.2.1 特征值与特征向量

3.2.2 光谱能量重分配

3.2.3 光谱域去噪

3.3 去噪对比实验

3.4 地物分类应用

3.5 本章小结

4 工作总结与展望

致谢

参考文献