高光谱图像条带噪声去除算法研究

计算机工程与应用 ›› 2012, Vol. 48 ›› Issue (12): 158-162.

• 图形、图像、模式识别 • 上一篇下一篇

高光谱图像条带噪声去除算法研究

房彩丽，赵雅靓

河南大学计算机与信息工程学院，河南开封 475004

出版日期:2012-04-21 发布日期:2012-04-20

Research on destriping algorithm for hyperspectral images

FANG Caili, ZHAO Yaliang

Institute of Computer and Knowledge Engineering, Henan University, Kaifeng, Henan 475004, China

Online:2012-04-21 Published:2012-04-20

摘要/Abstract

摘要： 高光谱图像中往往存在严重的条带噪声，与常见噪声具有很大不同，现有的去噪方法对其不能完全适用。利用平滑滤波思想结合传统的矩匹配方法，对传统的矩匹配条带去除方法进行改进，对HJ-1-A卫星高光谱图像进行实验、研究，利用多种图像质量评价标准，将算法去条带后图像与传统的和已有的改进算法去条带后图像进行对比、评价，找出去条带效果好、原始图像信息保留能力强、适应性强的改进的矩匹配方法来应用于高光谱图像条带噪声的去除。

关键词: 平滑滤波, 图像去噪, 条带去除

Abstract: Hyperspectral images often have serious band noise. They are different from common noise. The existing denoising methods can not be fully applicable to them. The improved algorithm is proposed, which is combined with smooth filtering method and traditional moment matching method. Through experimental study on HJ-1-A satellite hyperspectral images and using a variety of evaluation criteria to compare, the best method to remove stripes of hyperspectral images is found. It can destripe effectively and retain the original image information well and have good applicability.

Key words: smoothing filter, image denoising, destriping

房彩丽，赵雅靓. 高光谱图像条带噪声去除算法研究[J]. 计算机工程与应用, 2012, 48(12): 158-162.

FANG Caili, ZHAO Yaliang. Research on destriping algorithm for hyperspectral images[J]. Computer Engineering and Applications, 2012, 48(12): 158-162.

[1]	刘迪，贾金露，赵玉卿，钱育蓉. 基于深度学习的图像去噪方法研究综述[J]. 计算机工程与应用, 2021, 57(7): 1-13.
[2]	陈人和，赖振意，钱育蓉. 改进的生成对抗网络图像去噪算法[J]. 计算机工程与应用, 2021, 57(5): 168-172.
[3]	王洁，金正猛，冯灿. 自适应广义全变差的图像泊松去噪算法[J]. 计算机工程与应用, 2021, 57(20): 203-209.
[4]	呼亚萍，孔韦韦，李萌，黄翠玲. 改进TV图像去噪模型的全景图像拼接算法[J]. 计算机工程与应用, 2021, 57(17): 203-209.
[5]	刘成士，赵志刚，李强，吕慧显，董晓晨，李金霞. 加强的低秩表示图像去噪算法[J]. 计算机工程与应用, 2020, 56(2): 216-225.
[6]	袁小军，周涛，李琛. 基于稀疏先验的非局域聚类图像去噪算法研究[J]. 计算机工程与应用, 2020, 56(18): 177-185.
[7]	杨永鹏，杨真真，李建林，乐俊. 低秩稀疏分解及其在视频和图像处理中的应用[J]. 计算机工程与应用, 2020, 56(16): 21-30.
[8]	钱满，张向阳，李仁昌. 改进卷积神经网络SAR图像去噪算法[J]. 计算机工程与应用, 2020, 56(14): 176-182.
[9]	杨赵琪璘，彭定涛，唐琦，罗孝敏. 基于稀疏优化lp正则化的光滑化拟牛顿算法[J]. 计算机工程与应用, 2019, 55(22): 163-171.
[10]	李敏，章国豪，曾建伟，杨晓锋，胡晓敏. 结合Inception模型的卷积神经网络图像去噪方法[J]. 计算机工程与应用, 2019, 55(20): 139-144.
[11]	张龙，刘朝霞，刘洪琛. 一种去除椒盐噪声带L1保真项的混合变分模型[J]. 计算机工程与应用, 2019, 55(1): 210-216.
[12]	马红强，马时平，许悦雷，吕超，辛鹏，朱明明. 基于改进栈式稀疏去噪自编码器的图像去噪[J]. 计算机工程与应用, 2018, 54(4): 199-204.
[13]	肖佳，张俊华，梅礼晔. 基于改进BM3D算法的椒盐噪声去噪[J]. 计算机工程与应用, 2018, 54(21): 170-175.
[14]	崔金鸽1，陈炳权1，2，徐庆1. 基于Dual-Tree CWT和自适应双边滤波器的图像去噪算法[J]. 计算机工程与应用, 2018, 54(18): 223-228.
[15]	黄亚飞，王国富，张法全，叶金才. 基于蜂群算法和带参阈值函数的图像去噪方法[J]. 计算机工程与应用, 2018, 54(17): 164-168.

高光谱图像条带噪声去除算法研究

Research on destriping algorithm for hyperspectral images

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics