【问题泛读】高光谱图像同时去噪与解混论文-科研之高光谱
2016-CHyDU-TGRS-Coupled Sparse Denoising and Unmixing With Low-Rank Constraint for Hyperspectral Image [0918]
【介绍】本文在稀疏表示的框架下豪爵悦星 ，使用稀疏编码进行去噪魔教浩珉，光谱库中端元的稀疏先验信息估计端元丰度，去噪后会提高解混精度，但会产生光谱扭曲的现象，于是再使用解混后的得到光谱信息减轻光谱扭曲古利查力度，这样将去噪和解混两者相互促进共同提高两者的精度。在实验部分，本文与BM4D、PCA+shrink和Spa+Lr三种去噪方法，FCLS、SUnSAL和SUnSAL-TV三种解混方法在模拟数据(从USGS数据库中随机生成)和真实数据(AVIRIS Cuprite)上进行对比张胜贤 ，使用PSNR、SSIM、FSIM、SRE四种量化指标和主观视觉评价都本基。
【点评】这篇论文以新的视角将高光谱图像去噪和解混联系起来张越简历，两者相互促进，这会是未来的一个研究思路，我们不再是单纯的做一种应用红颜祸害 ，可以使用一种框架将多种应用融合起来精灵幻境。在高光谱图像领域中，梅爱偲有很多东西可以做戴震难师 ，比如还有降维、压缩、目标探测、分类等等，未来应当充分挖掘其中的联系和区别，从而达到一体化、智能化的高光谱图像处理流程。
2017-cDeUn-Coupled denoising and unmixing with low rank constraint and hypergraph regularization for hyperspectral image [0919]
【介绍】本文发表在2017 IEEE仪器仪表与测量技术会议上淋巴瘤之家，中国电影华表奖 核心思想是把去噪和解混模型整合为一个框架容永道，其中去噪使用加权核范数最小化方法，基于稀疏表示的解混方法获得端元丰度矩阵杨雪鸥，最后向模型中加入超图正则化，用来保持丰度矩阵的光滑连续性无极曲。在实验部分，本文与BM4D、LRMR、WNNM、cDeUn-NHW和cDeUn-NH(N-表示不考虑, H-超图正则化, W-加权核范数最小化)五种去噪方法，SUnSAL、SUnSAL-TV、CLSUnSAL、cDeUn-NHW和cDeUn-NH五种解混方法在模拟数据(从USGS数据库中随机选取6个光谱特征组成)和真实数据(AVIRIS Cuprite)上进行对比qq勋章墙 ，使用PSNR、mRMSE、MSAD三种量化指标和主观视觉评价。
【点评】本文是对2016年TGRS上CHyDU方法的改进，首先是考虑了高光谱图像的混合噪声闲妻邪夫 ，使用加权核范数最小化濑田水一 ，另外还通过超图正则化加入了空间约束茶杯猫图片，从而使得去噪和解混性能都得到更进一步的提升。
本人才疏学浅西内玛利亚，若有不正确之处，欢迎留言批评指正，感谢您的关注与支持煤精印 。识别二维码关注
