基于光谱差异诱导全变分与低秩逼近的高光谱混合去噪

摘要： 对观测信号施加多重先验的研究已被证明是恢复底层信号的有效方法之一。本文提出一种新型光谱差分诱导总变分与低秩近似（简称SDTVLA）方法用于高光谱混合去噪。光谱差分变换通过将数据投影至光谱差分空间（SDS），能有效改变原始高光谱图像（HSI）中噪声的结构特征（尤其针对特定模式的稀疏噪声，例如系列波段中相同位置出现的条纹或死线），从而无需将其视为低秩特征即可使低秩技术更高效地消除混合噪声。此外，鉴于相邻像素具有高度相关性且高光谱场景中同质物体的光谱始终处于同一低维流形，我们受启发将总变分与核范数相结合，在SDS中同步利用局部分段平滑性与全局低秩性来实现HSI混合降噪。最终采用交替方向乘子法（ADMM）有效求解SDTVLA模型。在三个模拟数据集和两个真实高光谱数据集上的大量实验表明：就定量指标（即平均峰值信噪比MPSNR、平均结构相似性指数MSSIM和平均光谱角MSA）而言，所提SDTVLA方法的MPSNR值平均比对比方法高出1.5分贝，且在视觉效果方面表现更优。