通过噪声调整的迭代低秩矩阵逼近实现高光谱图像降噪

由于干净的高光谱图像(HSI)的低维特性,已提出了许多基于低秩的方法来对HSI进行降噪。 但是,在HSI中,不同频带中的噪声强度通常是不同的,并且大多数现有方法都没有考虑到这一事实。 本文提出了一种用于HSI去噪的噪声调整迭代低秩矩阵逼近(NAILRMA)方法。 基于恒生指数的低秩性质,建立了分段低秩矩阵逼近(LRMA)。 为了进一步从信号子空间中分离出噪声,提出了一种迭代正则化框架。 考虑到不同频段的噪声强度不同,采用了基于每个HSI频段的噪声方差的自适应迭代因子选择。 这种经过噪声调整的迭代策略可以有效地保留高SNR频段并降噪低SNR频段。 然后利用随机奇异值分解(RSVD)方法解决NAILRMA优化问题。 在模拟和真实数据条件下都进行了许多实验,以说明所提出的用于HSI降噪的NAILRMA方法的性能。