Key points are not available for this paper at this time.
Die Rauschminderung hyperspektraler Bilder (HSI) ist eine entscheidende Vorverarbeitung Aufgabe, die verwendet wird, um die Qualität von Bildern für Objekterkennung, Klassifikation und andere nachfolgende Anwendungen zu verbessern. Es wurde berichtet, dass Rauschen effektiv entfernt werden kann, indem die Sparsamkeit im rauschfreien Teil des Bildes genutzt wird. Bei der erheblichen Redundanz und Korrelation in HSIs kann die Rauschminderung erheblich verbessert werden, wenn diese Redundanz und Korrelation effizient im Rauschreduktionsprozess genutzt wird. Inspiriert von dieser Beobachtung wird eine Methode zur Rauschreduzierung vorgeschlagen, die auf der gemeinsamen spektral-räumlichen verteilten sparsamen Darstellung basiert und die Intra-Band-Struktur sowie die Inter-Band-Korrelation im Prozess der gemeinsamen sparsamen Darstellung und des gemeinsamen Wörterbuchlernens ausnutzt. In der gemeinsamen spektral-räumlichen sparsamen Codierung wird die Inter-Band-Korrelation genutzt, um die ähnliche Struktur zu erfassen und die spektrale Kontinuität aufrechtzuerhalten. Die Intra-Band-Struktur wird verwendet, um die räumlichen Strukturunterschiede der verschiedenen Bänder adaptiv zu codieren. Darüber hinaus erhalten wir mit einem Algorithmus zum gemeinsamen Wörterbuchlernen ein Wörterbuch, das gleichzeitig den Inhalt der verschiedenen Bänder beschreibt. Experimente mit synthetischen und realen hyperspektralen Daten zeigen, dass die vorgeschlagene Methode bessere Ergebnisse als andere klassische Methoden erzielen kann.
Li et al. (Mi.) haben diese Frage untersucht.