Гиперспектральные изображения HSI (гиперспектральные изображения) легко подвергаются разрушительному воздействию высокоинтенсивного смешанного шума, и точное моделирование шума крайне важно для последующих обработки данных. Метод моделирования шума с использованием асимметричного лапласа обеспечивает хороший эффект удаления смешанного шума. Его преимущество заключается в том, что он учитывает тяжелые хвосты и асимметрию шума, моделируя различный шум в разных полосах, однако он игнорирует внутренние распределительные характеристики градиентного базиса HSI, что приводит к остаточному шуму. Для решения этой проблемы данное исследование предлагает HSI-модель удаления шума на основе асимметричного лапласа общей вариации BSALTV (Base Space Asymmetric Laplacian Total Variation). Кроме того, градиентное пространство базыUiдостаточно сохраняет априорную информацию исходного градиентного изображения, что позволяет лучше отражать разреженную априорную распределенную информацию о градиенте HSI и показывает уникальное асимметричное распределение в различных полосах. В ходе исследования проводится исследование асимметричного распределения базового градиентаUiи асимметричного распределения шума, и точно изучается глобальная информация о низком ранге изображения и различные распределения шумов в различных полосах, что позволяет снизить шум, сохраняя края и текстуры изображения, и предотвращает избыточное сглаживание и деформацию изображения. Наконец, модель решается методом множителей альтернативного направления ADMM (Alternating Direction Method of Multipliers), исследуя модель с другими методами, экспериментальные результаты на синтетическом и реальном наборах данных подтверждают превосходство данного исследования над другими современными методами шумоподавления.

Гиперспектральные изображения; Удаление шума; Моделирование шума; Асимметричное распределение Лапласа; Общая вариация; Градиентное базисное пространство; Метод множителей альтернативного направления; Разреженная априорная информация