自適應噪聲估計特性的字典學習去噪算法

　　高光譜圖像各波段圖像噪聲分布復雜，傳統(tǒng)去噪方法難以達到理想效果。針對這一問題，在主成分分析（PCA）的基礎上，結合噪聲估計和字典學習，提出一種新的高光譜去噪方法。首先，對原始高光譜數(shù)據(jù)進行主成分變換得到一組主成分圖像并根據(jù)能量比重將其劃分為清晰圖像組和含噪圖像組；然后，根據(jù)任一波段圖像的信息，利用奇異值分解（SVD）對圖像進行噪聲估計，再將得到的噪聲估計方法與K-SVD字典學習去噪算法結合，提出一種具備自適應噪聲估計特性的字典學習去噪算法，并將其應用于信息量較小的含噪圖像組進行去噪處理；最后，按各主成分圖像對應的信息量比例進行加權融合得到最終的去噪圖像。通過對模擬與實際高光譜遙感圖像的實驗表明，與PCA、PCA-Bish、PCA-Contourlet三種去噪方法相比，所提方法去噪后圖像的峰值信噪比（PSNR）可以提升1-3 dB，且具有更多的細節(jié)信息和更好的視覺效果。