高光谱图像的压缩感知去噪方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN105869126A(43)申请公布日2016.08.17(21)申请号201610209095.7(22)申请日2016.04.05(71)申请人天津大学地址300072天津市南开区卫津路92号(72)发明人罗韬史再峰(74)专利代理机构天津市北洋有限责任专利代理事务所12201代理人刘国威(51)Int.Cl.G06T5/00(2006.01)G06T3/00(2006.01)权利要求书1页说明书3页附图1页(54)发明名称高光谱图像的压缩感知去噪方法(57)摘要本发明涉及数字图像处理领域，为实现通过估计含噪图像的稀疏表示来恢复出干净图像，从而去除噪声。本发明采用的技术方案是，高光谱图像的压缩感知去噪方法，具体步骤如下：第一步：对图像进行基于小波的Contourlet变换，分别得到低频系数和高频系数；低频系数包含了图像的主要信息，高频系数既有该图像的轮廊信息，又有噪声信号；第二步：使用分段正交匹配追踪算法进行压缩感知重构计算；第三步：对低频系数选用启发式阈值法处理，启发式阈值法是最优化阈值变量阈值选择；第四步：对处理过的高频系数与低频系数进行WBCT逆变换，重建图像，得到去噪后图像。本发明主要应用于数字图像处理。CN105869126ACN105869126A权利要求书1/1页1.一种高光谱图像的压缩感知去噪方法，其特征是，步骤如下：第一步：对图像进行基于小波的Contourlet变换(Wavelet-BasedContourletTransform，WBCT)，分别得到低频系数和高频系数；低频系数包含了图像的主要信息，高频系数既有该图像的轮廊信息，又有噪声信号；第二步：对高频分量选取贝努利随机矩阵作为测量矩阵，使用分段正交匹配追踪算法进行压缩感知重构计算；第三步：对低频系数选用启发式阈值法处理，启发式阈值法是最优化阈值变量阈值选择；第四步：对处理过的高频系数与低频系数进行WBCT逆变换，重建图像，得到去噪后图像。2.如权利要求1所述的高光谱图像的压缩感知去噪方法，其特征是，对于任意层数的小波分解，以含有细节信息的高频子带HL、LH和HH作为方向分解的对象，HL是图像水平方向的高频信息,LH是图像竖直方向的高频信息，HH是图像的对角线的高频信息，对同一尺度上的高频子带施加分解级数相同的方向变换；为了满足各向异性规则，在小波分解的最高层做分解级数最多的方向变换，然后对次高层减半方向变换的分解级数。3.如权利要求1所述的高光谱图像的压缩感知去噪方法，其特征是，启发式阈值法具体是，设s为n个小波系数的平方和，令则具体阈值选取原则其中，σ为噪声标准差，M为图像信号的尺度w为去噪前的小波系数，j为小波系数索引，N为小波系数的个数，#{}代表取集合中元素的个数。4.如权利要求1所述的高光谱图像的压缩感知去噪方法，其特征是，步移正交匹配追踪算法(StagewiseOrthogonalMatchingPursuit，StOMP)具体是，设初始余量r0＝y，第s个状态下可构成一个匹配滤波器鉴别出所有振幅大于一个特殊选定的阈值的坐标，用这些选定的坐标做最小二乘，然后减去最小二乘拟合，得到一个新的余量。2CN105869126A说明书1/3页高光谱图像的压缩感知去噪方法技术领域[0001]本发明涉及数字图像处理领域，具体讲,涉及高光谱图像的压缩感知去噪方法。背景技术[0002]随着光谱分辨率及空间分辨率不断提高，所获取的光谱图像数据量也呈指数量级增长。但数据的传输带宽资源有限，庞大的数据量给存储与传输带来巨大压力。为了使光谱图像得到最大程度的利用，研究高性能的光谱图像压缩技术显得尤为迫切。此外，由于在光谱测量过程会中受到仪器，样品背景，各种干扰等随机因素的影响，得到的光谱数据中不可避免的含有噪声，如果不加以处理，会影响校正模型建立的质量和未知样品预测结果的准确性。因此需要对光谱图像进行去噪预处理，可以减少噪声的影响，提高模型的稳定性手段。[0003]近年来出现的一种新的信号采样理论——压缩感知指出，在信号满足稀疏性的条件下，能以远低于奈奎斯特采样率的速度进行全局观测，将压缩和采样合并进行，然后通过适当的重构算法恢复出源信号。测量过程是对源信号的一个全局观测，即每一次采样都包含了信号所有样本函数的少量信息，而并非采样信号本身。解码过程是通过合适的重构算法来进行恢复源信号，且观测信号中丢失少量元素信息对重构影响不大。压缩感知因其编码简单、抗误码性能比较好和可以实现高效压缩等优点而受到光谱领域研究者的关注。[0004]压缩感知理论框架下的图像去噪过程可以看作为一个从低维观测空间中恢复高维图像的过程，其中低维观测空间中保留着恢复图像的有效信息。发明内容[0005]为克服现有技