NO.1 论文简介
针对现有的高光谱图像去噪算法采用逐波段或者全波段方式去噪，未能充分利用高光谱图像波段相似性的问题，提出了超像素分割和波段分割的高光谱图像去噪算法。本文将构建双层图模型，包括上层图和下层图模型。首先，对高光谱图像应用超像素分割技术，得到一系列的超像素。对超像素内的像素建模为节点，像素之间用边连接，构建一系列下层图，从而充分利用高光谱图像的空间信息和保留边界信息。根据超像素分割结果，沿着波段维分割，形成超像素体，以充分利用高光谱图像的波段相似性。将超像素体建模为节点，超像素体之间用边连接，构建上层图。基于构建的图结构和图分割方式，将高光谱图像去噪问题归结为一系列的优化问题，在优化问题中利用克罗内克乘积图重新定义了图拉普拉斯正则项。最后，实验结果表明，与现有算法相比，本文所提算法具有更高的平均峰值信噪比、平均结构相似性和光谱差异性。
NO.2 主要贡献
（1）对HSI数据采用主成分分析法获得HSI的第一主成分，然后对HSI的第一主成分进行超像素分割，在同一个超像素内，像素都是相似的，具有高度的空间光谱相关性。为了捕捉每个超像素内的这些像素之间的相关性，对每个超像素内的所有像素点建模为节点，节点之间由边相连，像素点的强度定义为节点上的信号，从而构建一系列的下层图。
NO.3 研究结论
表1列出了6种高光谱去噪算法在WDC子区域数据集下的去噪结果。在每个情况中，对取得最优评价指标的算法进行了加粗，从表1中可以看出，本文所提出的算法取得了较好的去噪效果。
图2 不同算法对Baoqing数据集第95波段的去噪效果可视化对比
NO.4 论文资助
国家自然科学基金项目（62261014，62171146）
广西创新驱动发展专项（桂科AA21077008）
广西自然科学杰出青年基金项目（2021GXNSFFA220004）
广西科技基地和人才专项（桂科AD21220112）
广西研究生教育创新计划项目（YCBZ2023137）
NO.5 作者介绍
李华君（1999—），男，桂林电子科技大学硕士研究生，
E-mail：22022303063@mails.guet.edu.cn。
E-mail：jiangjunzheng@xidian.edu.cn。
E-mail：zhoufang1026@guet.edu.cn。
E-mail：yhquan@mail.xidian.edu.cn。
·引用格式·
超像素分割和波段分割的高光谱图像去噪(2024) [J/OL]. 西安电子科技大学学报, [2024-05-23]. http://kns.cnki.net/kcms/detail/61.1076.TN.20240522.1344.001.html
“扫描二维码查看原文”
http://kns.cnki.net/kcms/detail/61.1076.TN.20240522.1344.001.html
编辑：许瀚樱
校对：杨 薇
审核：牛姗姗
· 推荐阅读 ·
- 联系我们 -
xuebao@mail.xidian.edu.cn
