• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>WSEAS Transactions on Signal Processing >Robust Denoising Method Based on Tensor Models Decomposition for Hyperspectral Imagery
【24h】

Robust Denoising Method Based on Tensor Models Decomposition for Hyperspectral Imagery

机译：基于张量模型对高光谱图像分解的鲁棒去噪方法

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In the hyperspectral images (HSI) acquired by the new-generation hyperspectral sensors the signal dependent noise is an important limitation to the detection or classification. Therefore, noise reduction is an important preprocessing step to analyze the information in the hyperspectral image (HSI). A signal dependent noise cannot be reduced by conventional linear filtering. Therefore, a new method based on multiple linear regression (MLR) and Parallel factor analysis (PARAFAC) decomposition is proposed to estimate the noise of hyperspectral remote sensing image. Then, the estimated noise is used for whitening the colored structural noise. By using this transformation, the data noise from new-generation hyperspectral sensors is diminished, thereby allowing a minimization of negative impacts on hyperspectral detection and classification applications.
机译：在由新一代超光谱传感器获取的高光谱图像（HSI）中，信号相关噪声是对检测或分类的重要限制。 因此，降噪是分析高光谱图像（HSI）中的信息的重要预处理步骤。 通过传统的线性滤波不能降低信号依赖性噪声。 因此，提出了一种基于多元线性回归（MLR）和并行因子分析（PARAFAC）分解的新方法来估计超光谱遥感图像的噪声。 然后，估计的噪声用于美白彩色结构噪声。 通过使用该转换，来自新一代超光谱传感器的数据噪声降低，从而允许最小化对高光谱检测和分类应用的负面影响。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号