图像恢复介绍(持续更新)

高光谱图像去噪方法解析
本文聚焦高光谱图像去噪。先介绍噪声来源,分为加性、乘性和量化噪声;阐述评价指标如MPSNR、MSSIM、SAM。接着详述去噪方法,包括空间域滤波、张量分解(t - SVD、Tucker等分解)、低秩矩阵恢复、子空间先验及模型方法(如SSAHTV)等,以提高图像质量。


前言

       噪声的产生是信号在采集、传输以及记录过程中,受到成像设备自身因素和外界环境的影响而产生的。现实中的噪声是随机分布的,事实上,噪声无法完全去除,只能使得重现信号尽可能的接近原始信号,因此,去噪严格意义上只能被称之为降噪。通过去噪可以有效地增大图像信号的信噪比,提高图像质量 ,更好地体现原始图像所携带的信息。

噪声的来源

        一幅图像在实际应用中可能存在着各种各样的噪声,噪声可能在传输中产生,也可能在量化等处理中产生。

      我们一般将噪声分为三类:加性噪声,乘性噪声和量化噪声。用f(x,y)表示给定图像,g(x,y)表示图像信号,n(x,y)表示噪声。

1.加性噪声,此类噪声与输入图像信号无关,含噪图像可表示为f(x, y)=g(x, y)+n(x, y),信道噪声及光导摄像管的摄像机扫描图像时产生的噪声就属这类噪声;

2.乘性噪声,此类噪声与图像信号有关,含噪图像可表示为f(x, y)=g(x, y)+n(x ,y)g(x, y),飞点扫描器扫描图像时的噪声,电视图像中的相干噪声,胶片中的颗粒噪声就属于此类噪声;

3.量化噪声,此类噪声与输入图像信号无关,是量化过程存在量化误差,再反映到接收端而产生。

 

常见噪声

高斯噪声 泊松噪声
乘性噪声 椒盐噪声

去噪模型

评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值