已閱讀1頁,還剩53頁未讀, 繼續(xù)免費(fèi)閱讀
版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、高光譜圖像(HSI)具有波段多、數(shù)據(jù)量大、光譜分辨率高等特點,因此,高光譜圖像在地物探測分類、環(huán)境監(jiān)測和目標(biāo)識別等領(lǐng)域具有廣泛的應(yīng)用前景。然而,由于獲取到的高光譜圖像摻雜著各種不同類型的噪聲。因此,對高光譜圖像進(jìn)行去噪是必須的以及很重要的一個過程。
近年來,各種高光譜圖像去噪方法紛紛被提出,這些方法都能有效的去除特定的噪聲,但是,大部分方法不能同時去除多種類型的噪聲。然而,基于低秩表示(LRR)的方法已經(jīng)被用于高光譜圖像去噪的
2、領(lǐng)域中,這種方法能同時移除各種不同類型的噪聲:高斯噪聲、脈沖噪聲、死線等等。然而,基于LRR的方法不能夠充分的利用高光譜圖像中的空間信息。在本文中,我們把超像素分割的技術(shù)加入到LRR中,這樣就能夠得到我們所提出的SP-LRR的方法。首先,我們使用主成分分析法(PCA)去獲得高光譜圖像的第一個主成分。第二,在高光譜圖像的第一主成分中我們采用超像素分割的方法獲得同質(zhì)區(qū)域。由于我們通過PCA結(jié)合了超像素分割的方法,從而能夠充分利用高光譜圖像的
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于超像素與低秩表示的圖像分割.pdf
- 基于低秩矩陣恢復(fù)的高光譜圖像去噪與降維算法研究.pdf
- 基于稀疏表示和低秩的非局部圖像去噪算法研究.pdf
- 基于低秩矩陣恢復(fù)的圖像去噪算法研究.pdf
- 基于稀疏表示的圖像去噪算法
- 基于稀疏表示的圖像去噪算法.pdf
- 基于低秩表示的高光譜圖像解混算法研究.pdf
- 基于改進(jìn)低秩分解模型的WMSN視頻圖像去噪算法研究.pdf
- 基于低秩矩陣填充與恢復(fù)的圖像去噪方法研究.pdf
- SAR圖像去噪與分割算法的研究.pdf
- 基于水平集的圖像去噪與分割算法研究.pdf
- 基于稀疏表示的紅外圖像去噪算法研究.pdf
- 低照度圖像去噪與增強(qiáng)算法研究.pdf
- 基于稀疏表示的圖像去噪研究.pdf
- 基于稀疏表示的圖像去噪以及去霧霾算法.pdf
- 基于稀疏表示的圖像去噪研究
- 超聲圖像去噪及分割算法研究.pdf
- 基于稀疏表示與低秩逼近的高光譜圖像重建.pdf
- 基于稀疏表示與字典學(xué)習(xí)的圖像去噪算法研究.pdf
- 基于字典學(xué)習(xí)的圖像去噪與超分辨算法研究.pdf
評論
0/150
提交評論