Реальные гиперспектральные изображения (HSI) подвержены разрушению от высокоинтенсивного смешанного шума, как точное моделирование шума критично для последующих задач обработки. Метод моделирования шума асимметричным лапласианом достиг хорошего эффекта удаления смешанного шума, такие методы учитывают тяжелые хвосты и асимметрию шума, моделируют различные шумы в разных спектральных диапазонах. Однако он игнорирует внутренние распределительные характеристики базового пространства градиентов HSI, что приводит к остаточному шуму. Для решения этой проблемы предлагается модель удаления шума HSI асимметричным полным вариационным пространством базы (BSALTV). Пространство градиентов Ui полностью сохраняет априорную информацию о исходном градиенте, способен лучше отражать разреженное априорное распределение градиента HSI и отображать уникальное асимметричное распределение на различных спектральных диапазонах. Через исследование асимметричного распределения градиента и шума, точно изучаем глобальную низкую информацию о ранге изображения и характеристики распределения шума на различных спектральных диапазонах, таким образом, уменьшаем шум, избегаем избыточного искажения и лишнего сглаживания изображения. Наконец, путем решения модели с использованием алгоритма ADMM результаты большого количества экспериментов на синтетических и реальных наборах данных показали, что предложенный метод лучше других передовых методов удаления шума.

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