使用非本地满足全球方法的Denoise Hyperspectral图像
采用非局部满足全局(non-local meets global, NGMeet)方法降低高光谱数据中的噪声。这是一种融合了空间非局部相似性和光谱低秩近似的迭代方法来估计原始像素值。有关更多信息,请参见算法.outputData
= denoiseNGMeet (inputData
)
还使用一个或多个名称-值对参数指定选项。使用此语法设置NGMeet方法的参数值。outputData
= denoiseNGMeet (inputData
,名称,值
)
请注意
此功能需要图像处理工具箱™高光谱成像库.你可以安装图像处理工具箱高光谱成像库从附加的探险家。有关安装附加组件的详细信息,请参见获取和管理附加组件.
NGMEET方法通过使用这些步骤估计DEAORAY数据多维数据集。对于每次迭代,我
计算噪声输入数据的频谱低秩近似值(Y我),利用奇异值分解。近似结果是一个简化的数据立方体(米我)和相关的正交基一个我.
执行减少数据多维数据集的空间去噪米我采用非局部相似过滤。你可以通过指定平滑参数来控制平滑的程度“σ”
.
执行逆投影。映射去噪减少的数据多维数据集米我到原空间的正交基一个我.结果为去噪输出(X我)在迭代中获得我.
执行迭代正则化。更新噪声输入数据,YI + 1=λ.X我+ (1 -λ.)Y我.
重复步骤1到4,用于指定的迭代次数。最终价值X我是去噪的高光谱数据。
何伟,姚全明,李超,横古屋直人,赵启斌。“非局部满足全局:高光谱去噪的综合范式”。在2019 IEEE/CVF计算机视觉与模式识别大会(CVPR)6861-70。长滩,加利福尼亚州,美国:IEEE,2019. https://doi.org/10.1109/cvpr.2019.00703。