Echte hyperspektrale Bilder (HSI) leiden unter Beschädigungen durch hochintensives gemischtes Rauschen, daher ist es entscheidend, das Rauschen für nachfolgende Verarbeitungsaufgaben präzise zu modellieren. Die Methode zur Modellierung asymmetrischer laplacischer Rauschen hat eine gute Wirkung bei der Entfernung von gemischten Rauschen erzielt, diese Art von Methode berücksichtigt die Robustheit und Asymmetrie des Rauschens und modelliert verschiedene Rauschen in verschiedenen Bändern. Es werden jedoch die inhärenten Verteilungsmerkmale des HSI-Gradienten-Basisraums vernachlässigt, was zu Rauschresten führt. Zur Lösung dieses Problems wird ein Modell zur Rauschentfernung von HSI des asymmetrischen laplacianischen total variationalen Basisraums (BSALTV) vorgeschlagen. Der Gradientenbasisraum Ui bewahrt die a priori-Informationen des Originalgradienten vollständig und kann die seltene Verteilung des HSI-Gradients besser reflektieren und eine einzigartige asymmetrische Verteilung in verschiedenen Bändern aufzeigen. Durch die Erforschung der asymmetrischen Verteilung von Gradienten und Rauschen haben wir genaue Informationen über den globalen Rang des Bildes und die Verteilungsmerkmale des Rauschens in verschiedenen spektralen Bändern erforscht, wodurch das Rauschen reduziert, eine übermäßige Bildverzerrung vermieden und eine übermäßige Glättung vermieden wurde. Schließlich zeigten die Ergebnisse zahlreicher Experimente an synthetischen und realen Datensätzen, dass die vorgeschlagene Methode besser ist als andere fortschrittliche Entrauschungsmethoden.

hyperspectral image;denoising;Noise modeling;Asymmetric Laplacian distribution;Total variation;Gradient basis space;Sparse prior;Alternate direction multiplier method