Tài liệu kỹ thuật

Ràng buộc Tensor chiều thấp và tổng số biến thiên l0 để loại bỏ nhiễu hỗn hợp ảnh viễn thám siêu phổ

29/03/2021 GeoLink Thu Giang 0 Nhận xét

(English below)

Tác giả: Minghua Wang,Qiang Wang and Jocelyn Chanussot

Năm xuất bản: 2021

Link tài liệu: 

https://drive.google.com/file/d/1Z6_wTjFD3rd3PzQSDE9204zZ-gyEeCTV/view?usp=sharing

https://drive.google.com/file/d/1hV057v8dFvtf1SNlRlSM-g9kp4IAYpXq/view?usp=sharing

Giới thiệu 
Do sự đa dạng phổ của thông tin, ảnh viễn thám siêu phổ (HSI) hiện được sử dụng rộng rãi trong các ứng dụng khác nhau như nông nghiệp chính xác, giám sát môi trường, quốc phòng và an ninh, quy hoạch đô thị hoặc thăm dò hành tinh và không gian.

Thật không may, vì một số nguồn gây nhiễu khác nhau như hệ thống cảm biến và môi trường bên ngoài, các HSI quan sát được bị hỏng do nhiễu hỗn hợp, bao gồm nhiễu Gaussian, nhiễu muối - hạt tiêu, nhiễu vân hoặc nhiễu đường giới hạn. Điều này làm giảm chất lượng của hình ảnh viễn thám siêu phổ và hạn chế hơn nữa độ chính xác của các ứng dụng HSI tiếp theo, bao gồm phân loại, không trộn, tính năng học và phát hiện mục tiêu.

Vì thế, việc khử HSI xuất hiện như một bước tiền xử lý cần thiết để cải thiện chất lượng hình ảnh. Đối với việc làm giảm HSI, điều quan trọng là phải thực hiện sử dụng tốt kiến ​​thức trước đây về hình ảnh, có chứa độ mịn quang phổ không gian và thuộc tính chiều thấp.

----------

Title: Tensor Low-Rank Constraint and l0 Total Variation for Hyperspectral Image Mixed Noise Removal

Authors: Minghua Wang,Qiang Wang and Jocelyn Chanussot

Date: 2021

Link download: 

https://drive.google.com/file/d/1Z6_wTjFD3rd3PzQSDE9204zZ-gyEeCTV/view?usp=sharing

https://drive.google.com/file/d/1hV057v8dFvtf1SNlRlSM-g9kp4IAYpXq/view?usp=sharing

Due to the spectral diversity of information, hyperspectral images (HSIs) are now widely used in various applications such as precision agriculture, monitoring of the environment, defense and security, urban planning or planetary and space exploration.

Unfortunately, because of some different noise sources like sensor systems and external environment, the observed HSIs are corrupted by mixed noise, including Gaussian noise, salt and pepper noise, stripes or dead-line noise. This degrades the quality of hyperspectral images and further limits the precision of subsequent HSI applications, including classification, unmixing, feature learning,  and target detection.

Therefore, HSI denoising appears as an essential preprocessing step to improve image quality. For HSI denoising, it is critical to make good use of image prior knowledge, containing spatial spectral smoothness and low-rank property.

Bình luận

VIẾT BÌNH LUẬN CỦA BẠN:

popup

Số lượng:

Tổng tiền: