基于自适应单向变分的高光谱图像去条带方法

条带噪声影响高光谱图像(HSIs)的质量,降低后续数据分析算法的精度和稳健性。分析了HSIs中条带噪声的特点,即条带噪声具有方向性和各谱段噪声具有不同强度,提出了一种基于自适应单向变分的条带噪声去除方法。在单向变分模型的基础上,引入含有耦合项的能量函数,并利用梯度下降法迭代求得最优解。实验结果表明,实际HSIs平均等效视数从26.49提高到85.61,平均辐射质量提升因子提高到9.34 dB。与传统方法相比,该方法能够根据不同谱段噪声强度自适应调整正则参数的大小,有效地去除各谱段中的条带噪声,避免细节信息丢失,图像质量得到了改善。