- 标题
- 摘要
- 关键词
- 实验方案
- 产品
-
用于高光谱图像去噪的低秩贝叶斯张量分解
摘要： 本文提出一种低秩贝叶斯张量分解方法用于高光谱图像（HSI）去噪问题，该方法可从给定高光谱图像中去除零均值白噪声与均匀高斯加性噪声。该方案基于高光谱图像的两个内在特性：即沿光谱方向的全局相关性（GCS）和跨空间的非局部自相似性（NSS）。我们首先自适应构建基于图像块的高光谱张量表示，在保持GCS特性的同时提取NSS知识；随后利用该表示中的低秩特性，基于贝叶斯张量分解设计分层概率模型来捕捉高光谱图像固有的空-谱相关性，该模型可在变分贝叶斯框架下有效求解。进一步通过迭代整合这两个流程，我们构建了有效的高光谱图像去噪模型以实现受损图像复原。实验结果表明该方法达到了最先进的去噪性能，在综合定量评估和主观视觉质量两方面均持续优于近期发表的主流高光谱图像去噪方法。
关键词： 高光谱图像去噪、沿光谱的全局相关性、全贝叶斯CP分解、非局部自相似性、变分贝叶斯推断、张量秩自动确定
更新于2025-09-23 15:23:52
-
[IEEE ICASSP 2018 - 2018年IEEE国际声学、语音与信号处理会议（ICASSP） - 加拿大阿尔伯塔省卡尔加里（2018.4.15-2018.4.20）] 2018年IEEE国际声学、语音与信号处理会议（ICASSP） - 基于非局部样本的图像去噪群稀疏残差方法
摘要： 受基于分组的稀疏编码启发，新近提出的分组稀疏残差（GSR）方案在图像处理中展现出卓越性能。然而GSR面临的核心挑战在于：如何通过尽可能接近真实值的基于分组稀疏编码（GSC）参考值来估计残差。既往研究采用其他算法（如GMM或BM3D）的估计结果，这些方法要么精度不足，要么运算过慢。本文提出在图像去噪的GSR框架中使用非局部样本（NLS）作为参考基准，即GSR-NLS方法。具体而言，我们首先利用图像的非局部自相似性获得优质的分组稀疏系数估计，继而通过高效迭代收缩算法求解GSR模型。实验结果表明，所提GSR-NLS方法不仅超越众多前沿算法，更具备显著的速度优势。
关键词： 图像去噪、群组稀疏残差、迭代收缩算法、基于群的稀疏编码、非局部自相似性
更新于2025-09-23 15:23:52
-
[电气工程讲义] 2018年中国智能系统会议论文集 第528卷（第一卷）|| 基于加权张量Schatten p范数最小化的图像去噪方法
摘要： 在传统基于非局部相似图像块的去噪算法中，图像块首先被展平为向量，这忽略了图像块内部可用于提升去噪性能的空间布局信息。针对该问题，我们提出加权张量Schatten p范数最小化（WTSN）图像去噪算法，并采用交替方向法（ADM）进行求解。在WTSN中，图像块以矩阵形式处理而非向量化，从而充分利用图像块结构内的信息。此外，所采用的Schatten p范数所需非相干条件更弱，且能比核范数获得更稀疏的解，因而对噪声和异常值具有更强鲁棒性。实验结果表明，所提WTSN算法在定量指标和视觉感知质量两方面均优于多种现有先进去噪算法。
关键词： WTSN，交替方向法，非局部自相似性，图像去噪
更新于2025-09-23 15:21:21
-
[IEEE IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 西班牙瓦伦西亚（2018年7月22日-7月27日）] IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 基于多线性加权核范数最小化的高光谱图像去噪方法
摘要： 针对高光谱影像（HSI）的传统矩阵去噪方法可能导致空间和光谱失真。为提升去噪性能，本研究提出一种多线性加权核范数最小化的高光谱去噪方法。通过考虑三种展开模式的光谱连续性及相互依赖性，构建了多线性秩模型以刻画空间与光谱的非局部相似性。为增强方法的可操作性，采用基于变量分裂的技术求解优化问题。实验结果表明，该方法在视觉效果和定量指标上均优于现有先进方法。
关键词： 多线性秩，多线性加权核范数，非局部自相似性，高光谱图像去噪
更新于2025-09-10 09:29:36
-
一种用于红外小目标检测的粗到精方法
摘要： 在复杂背景下进行红外小目标检测是一个具有挑战性的问题。复杂背景通常包含结构化边缘、无结构杂波和噪声，这些成分具有完全不同的特性。仅利用单一特性很难将这些干扰与小目标分离。为解决这一问题，我们提出了一种由粗到精的渐进式小目标检测方法。在粗检测阶段，利用结构化边缘的非局部自相似性特性将其与随机噪声、无结构杂波及小目标等其他成分分离；在精检测阶段，通过利用小目标在局部区域内的局部对比度先验特性，将其与无结构杂波和噪声区分开来。该方法进一步引入多尺度信息以适应小目标尺寸的变化。这种渐进式检测流程通过单幅图像同时利用非局部、局部和多尺度信息，逐步实现小目标与结构化边缘、无结构杂波及噪声的分离。大量实验结果表明，所提方法优于现有最先进技术。
关键词： 非局部自相似性、红外小目标检测、由粗到细（CF）、多尺度、局部对比度
更新于2025-09-10 09:29:36
-
[IEEE 2018年第20届国际多媒体信号处理研讨会(MMSP) - 加拿大不列颠哥伦比亚省温哥华(2018.8.29-2018.8.31)] 2018年IEEE第20届国际多媒体信号处理研讨会(MMSP) - 基于极深级联残差网络的快速、鲁棒且精确的图像去噪方法
摘要： 基于图像块的建模方法在图像去噪领域展现出巨大潜力。这类方法主要利用输入退化图像或干净自然图像的非局部自相似性（NSS）来训练模型，却未能学习两者间的映射关系。更严重的是，这些算法在处理不同噪声方差和分辨率的图像时存在极高时间复杂度与较差鲁棒性。为解决这些问题，本文提出极深层级联残差网络（VDCRN），用于建立含噪图像与其对应无噪图像间的精确映射关系。该网络采用带恒等跳跃连接（捷径）的新型残差单元，既简化训练过程又提升泛化能力。跳跃连接的引入有助于避免梯度消失问题并保留更多图像细节。通过级联三个此类残差单元，我们构建了可部署更深更大卷积网络的VDCRN。基于该残差网络架构，VDCRN实现了极快速度与优异鲁棒性。实验结果表明，本模型在定量与定性指标上均优于众多现有最先进去噪算法。
关键词： 图像去噪、非局部自相似性、级联残差网络
更新于2025-09-09 09:28:46
-
[IEEE IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 西班牙瓦伦西亚（2018年7月22日-7月27日）] IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 基于全局空间与局部光谱相似性的群稀疏表示在高光谱图像分类中的应用
摘要： 光谱-空间分类方法已广泛应用于高光谱图像处理。然而现有方法要么聚焦于局部空间相似性，要么关注全局非局部自相似性（NLSS）。本文提出创新性方法，将全局空间相似性与局部光谱相似性统一整合至单一框架中。具体而言，我们的方案通过搜索非重叠非局部图像块来挖掘全局空间相似性，而光谱相似性则在所选图像块内进行局部判定。在两个真实高光谱数据集上的实验结果表明，相较于仅考虑全局或局部相似性的方法，本方案能提升5%-7%（总体分类精度）的显著效果。
关键词： 分类、非局部自相似性、高光谱图像、群稀疏表示
更新于2025-09-09 09:28:46