科创中国

电子信息技术

本发明公开了一种基于图学习和降噪的高光谱图像解混方法，所述方法包括如下步骤：步骤1：从观测高光谱图像中图学习；步骤2：高光谱图像的降噪处理；步骤3：基于降噪后的高光谱图像Y解混；步骤4：终止条件。本发明利用图学习的方法从含有噪声的观测的高光谱图像中学习得到一个空间Laplacian矩阵，通过空间Laplacian矩阵可自适应不同情况的高光谱图像。该Laplacian矩阵保留了实际的高光谱图像的像素间的真实空间结构关系的同时还能够用于去除高光谱图像中存在的噪声，然后再基于去噪后的高光谱图像进行解混处理，这可在一定程度上提升高光谱图像解混的性能，能够自适应不同情况的高光谱图像，更加鲁棒和准确。

1、本发明与目前广泛用于高光谱遥感图像解混的其他稀疏解混方法相比，所提出的解混方法具有更好的解混性能和很低的计算代价。 2、本发明基于降噪后的高光谱图像进行解混，通过使用观测的高光谱图像利用图学习的方法从含有噪声的观测的高光谱图像中学习得到一个空间Laplacian矩阵，通过学习得到的空间Laplacian矩阵可自适应不同情况的高光谱图像。该Laplacian矩阵保留了实际的高光谱图像的像素间的真实空间结构关系的同时还能够用于去除高光谱图像中存在的噪声，然后再基于去噪后的高光谱图像进行解混处理，这可在一定程度上提升高光谱图像解混的性能，能够自适应不同情况的高光谱图像，更加鲁棒和准确。因此，本发明的方法具有计算代价低、可靠性好以及精度相对较高的特点，适合推广使用。 3、本发明基于国际公开的光谱数据库，使用了被广泛应用于高光谱图像解混任务中的两个合成数据集DC1、DC2和一个真实的铜矿石(Cuprite)数据集进行实验，这些数据集可被用于定量分析高光谱解混方法的性能。基于这些数据集的实验表明，本发明中所提出的解混方法远好于当前其他的稀疏解混方法。

雷锋团队是由哈尔滨师范大学14级政治与行政学院的关明贺同学于2015年9月1日建立的学生自主创立的创业团队。在黑龙江福成科技有限公司的赞助下，旨在为江北的大学生服务，让大学生过上更好的大学生活。自创立以来，雷锋团队本着为同学服务的宗旨，解决大学生生活问题为核心，为大学生提供广大的创业机会。创立后不久已成为哈尔滨江北十余所大学院校人数最多、最有号召力和影响力的学生团队组织。

点击查看