Les images hyperspectrales HSI (images hyperspectrales) sont facilement endommagées par un bruit mixte de haute intensité, il est crucial de modéliser avec précision le bruit pour les tâches de traitement ultérieur. La méthode de modélisation du bruit laplacien asymétrique offre de bons résultats dans l'élimination du bruit mixte. Son avantage est de prendre en compte les queues lourdes et l'asymétrie du bruit, en modélisant le bruit différent dans différentes bandes, mais elle néglige les caractéristiques de distribution internes de l'espace de base du gradient HSI, ce qui entraîne un résidu de bruit. Pour résoudre ce problème, cette étude propose un modèle de débruitage HSI basé sur la variation totale asymétrique laplacienne BSALTV (Base Space Asymmetric Laplacian Total Variation). De plus, l'espace de base du gradientUipréserve suffisamment les informations a priori de l'image de gradient d'origine, ce qui permet de mieux refléter les caractéristiques de distribution a priori clairsemée du gradient HSI, et montre une distribution asymétrique unique dans différentes bandes. Cette étude explore la distribution asymétrique de la base de gradientUiet la distribution asymétrique du bruit, et explore précisément l'information de faible rang global de l'image et les différentes distributions de bruit dans différentes bandes, ce qui permet de réduire le bruit tout en préservant les bords et les textures de l'image, évitant ainsi la déformation excessive de l'image. Enfin, le modèle est résolu par la méthode des multiplicateurs directionnels alternés ADMM (Alternating Direction Method of Multipliers), en comparant le modèle avec d'autres méthodes, les résultats expérimentaux sur des ensembles de données synthétiques et réelles confirment la supériorité de cette étude sur d'autres méthodes avancées de débruitage.

Images hyperspectrales; Débruitage; Modélisation du bruit; Distribution laplacienne asymétrique; Variation totale; Espace de base du gradient; Méthode des multiplicateurs directionnels alternés; Information a priori clairsemée