Las imágenes hiperespectrales HSI (imágenes hiperespectrales) son fácilmente dañadas por ruido mixto de alta intensidad, es crucial modelar con precisión el ruido para las tareas de procesamiento posterior. El método de modelado de ruido laplaciano asimétrico ofrece buenos resultados en la eliminación del ruido mixto. Su ventaja es tener en cuenta las colas pesadas y la asimetría del ruido, modelando el ruido diferente en diferentes bandas, pero descuida las características de distribución internas del espacio base del gradiente HSI, lo que resulta en un residuo de ruido. Para resolver este problema, este estudio propone un modelo de despeje HSI basado en la variación total asimétrica laplaciana BSALTV (Base Space Asymmetric Laplacian Total Variation). Además, el espacio base del gradienteUiconserva suficientemente la información a priori de la imagen de gradiente original, lo que permite reflejar mejor las características de distribución a priori dispersa del gradiente HSI, y muestra una distribución asimétrica única en diferentes bandas. Este estudio explora la distribución asimétrica de la base del gradienteUiy la distribución asimétrica del ruido, y explora con precisión la información de rango bajo global de la imagen y las diferentes distribuciones de ruido en diferentes bandas, lo que permite reducir el ruido mientras se conservan los bordes y las texturas de la imagen, evitando así la deformación excesiva de la imagen. Finalmente, el modelo se resuelve mediante el método de multiplicadores direcciones alternas ADMM (Alternating Direction Method of Multipliers), al comparar el modelo con otros métodos, los resultados experimentales en conjuntos de datos sintéticos y reales confirman la superioridad de este estudio sobre otros métodos avanzados de despeje.

Imágenes hiperespectrales; Despeje de ruido; Modelado de ruido; Distribución laplaciana asimétrica; Variación total; Espacio base del gradiente; Método de multiplicadores direcciones alternas; Información a priori dispersa