高光譜圖像噪聲分析與降噪模型概述

李健 呂倩

摘 要：高光譜圖像技術是遙感領域中非常重要的技術，數據的收集過程，經常會受到噪聲的干擾。降噪是進一步分析高光譜圖像的重要步驟，本文對近年來學者們提出的降噪模型進行了簡要的概述，介紹了高光譜圖像的應用，分析了通常的噪聲類型及產生原因，梳理了常用的降噪模型。

關鍵詞：高光譜圖像；噪聲；降噪模型

中圖分類號：TP751 文獻標識碼：A 文章編號：2096-4706（2019）02-0023-03

Abstract：Hyperspectral image technology is a very important technology in the field of remote sensing. The process of data collection is often disturbed by noise. Noise reduction is an important step for further analysis of hyperspectral images. In this paper，the noise reduction models proposed by scholars in recent years are briefly reviewed. This paper introduces the application of hyperspectral image，analyzes the common noise types and causes，and combs out the common noise reduction models.

Keywords：hyperspectral image；noise；noise reduction model

0 引 言

高光譜圖像具有豐富的光譜信息，已經被廣泛應用于不同土地覆蓋類型的識別、采礦、軍事偵察、城市規劃等領域。然而，在采集數據圖像時，原始數據圖像經常會受到多種噪聲的干擾，這些噪聲影響了圖像的可視效果，也降低了后續應用精度，因此，降噪成為分析高光譜圖像的必要步驟。高光譜圖像噪聲主要由條帶噪聲、高斯白噪聲、光子噪聲等組成。另外，受觀測條件和傳感器故障的限制，噪聲類型也是復雜多變的，通過量化一種噪聲類型來對整個圖像進行降噪建模很難實現，因此，通常會考慮兩種噪聲類型或混合噪聲。本文將對條帶噪聲和高斯白噪聲進行分析，并總結降噪模型。

1 噪聲類型分析

1.1 條帶噪聲

條帶噪聲是高光譜成像儀在掃描地物成像的過程中，由于傳感器故障造成的，具體表現為：在一定方向上灰度值出現連續偏高或偏低的情況。另外，成像光譜儀的工作環境復雜，傳感器的電路系統繁多，傳感器之間的響應參數可能無法始終保持一致也是產生條帶噪聲的主要原因。條帶噪聲的存在嚴重影響了高光譜圖像后續的應用效果。

1.2 高斯白噪聲

高斯白噪聲指服從高斯分布，且每個波段上強度相同的噪聲。在高光譜成像的過程中，CCD將電磁信號轉化為圖像時，會產生各種類型的噪聲，由于這些噪聲滿足高斯分布，因此學者們將其定義為高斯噪聲。為便于建模分析，假設每個波段上噪聲強度相同，這種假設雖然不完全符合噪聲的統計學特性，但也具有一定的合理性

2 降噪模型

2.1 基于條帶噪聲的模型

2.1.1 正交子空間模型

3 結 論

高光譜圖像技術作為遙感領域中重要的技術，對于我們生產生活具有十分重要的意義。本文對常用的降噪技術進行了簡單的概述，其可以幫助我們了解降噪模型，對于進一步提出好的降噪方法有一定的參考價值。

參考文獻：

[1] Acito N，Diani M，Corsini G，et al. Subspace-Based Striping Noise Reduction in Hyperspectral Images [J].IEEE Transactions on Geoscience and Remote Sensing，2011，49（4）：1325-1342.

[2] LU X，YUAN Y，WANG Y. Graph-Regularized Low-Rank Representation for Destriping of Hyperspectral Images [J].IEEE Transactions on Geoscience and Remote Sensing，2013，51（7）：4009-4018.

[3] Zhang H，He W，Zhang L，et al. Hyperspectral Image Restoration Using Low-Rank Matrix Recovery [J].IEEE Transactions on Geoscience and Remote Sensing，2014，52（8）：4729-4743.

[4] Ye M，Qian Y，Zhou J，et al. Multitask Sparse Nonnegative Matrix Factorization for Joint Spectral–Spatial Hyperspectral Imagery Denoising [J].IEEE Transactions on Geoscience and Remote Sensing，2015，53（5）：2621-2639.

[5] Li C，Ma Y，Huang J，et al. Hyperspectral Image Denoising Using the Robust Low-Rank Tensor Recovery [J].Joural of Optical Society of America，2015，32（9）：1604-1612.

[6] Qian Y，Ye M. Hyperspectral Imagery Restoration Using Nonlocal Spectral-Spatial Structured Sparse Representation With Noise Estimation [J].IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing，2013，6（2）：499-515.

作者簡介：李健（1993.05-），男，漢族，內蒙古赤峰人，碩士在讀，研究方向：機器學習；呂倩（1993.07-），女，漢族，遼寧遼陽人，碩士在讀，研究方向：計算機視覺。