技术摘要：
本发明公开了一种基于张量环分解的高光谱图像去噪方法及装置，包括获取带噪的高光谱图像数据，建立高光谱图像噪声的数学模型；结合全变分和张量环分解，构建基于全变分正则化张量环分解的高光谱图像去噪模型TR‑TV；在模型TR‑TV的基础上，将加权邻域均值三维全变分作  全部
背景技术：
随着高光谱成像技术的出现和近三十年的迅速发展，高光谱遥感已经成为空间遥 感领域的关键技术，被广泛应用于地质勘探、农业遥测、水文监视和军事探测等重要领域。 由于大气干扰，传感器精度等各种因素，高光谱图像(HIS)在获取过程中有可能会 受到高斯噪声、脉冲噪声和条带噪声等的影响。由于应用范围十分广泛，去噪成为在HSI后 续应用前必不可少的预处理步骤。 围绕高光谱图像的去噪问题，国内外研究者们提出了很多的去噪方法。已有的高 光谱图像去噪办法主要分为三类：第一类是基于滤波的去噪方法。基于滤波的高光谱图像 去噪技术通常使用三维滤波，或在光谱/空间其中一个维度进行滤波去噪，另外维度使用其 他方法去噪。第二类是基于低秩表示的方法。考虑到高光谱图像的三维结构，张量和多重线 性代数常常被用于高光谱图像的低秩近似，经典的张量分解方法有CP分解，Tucker分解和 张量环分解(Tensor  Ring  decomposition，TR)。第三类是基于全变分的方法。全变分 (Total  variation，TV)的图像去噪方法，其思想是无噪声的图像应具有平滑性，将带噪声 图像通过全变分范数正则化，即可将噪声去除。基于TV的去噪算法能很好处理成片光滑的 高光谱图像，但用于细节较多的高光谱图像，容易导致细节丢失。
技术实现要素：
本申请的目的是提供一种基于张量环分解的高光谱图像去噪方法及装置，简称为 TR-WTDTV，进一步提高高光谱图像去噪的效果。 为了实现上述目的，本申请技术方案如下： 一种基于张量环分解的高光谱图像去噪方法，包括： 获取带噪的高光谱图像数据，建立高光谱图像噪声的数学模型； 结合全变分和张量环分解，构建基于全变分正则化张量环分解的高光谱图像去噪 模型； 在基于全变分正则化张量环分解的高光谱图像去噪模型的基础上，将加权邻域均 值三维全变分作为低秩项的非凸松弛，构建基于加权邻域均值三维全变分正则化张量环分 解的高光谱图像去噪模型； 引入辅助变量 和 优化基于加权邻域均值三维全变分正则化张量环分解的高 光谱图像去噪模型； 采用ADMM算法求解优化后的基于加权邻域均值三维全变分正则化张量环分解的 高光谱图像去噪模型，获得降噪后的高光谱图像。 进一步的，所述高光谱图像噪声的数学模型为： 6 CN 111598795 A 说　明　书 2/8 页 其中， 表示带噪的高光谱图像， 表示干净的高光谱图像，S表示稀疏噪声， 表 示高密度噪声； 所述结合全变分和张量环分解，构建基于全变分正则化张量环分解的高光谱图像 去噪模型为： s.t. 其中， Dv和Dt代表在水平与垂直方向的梯度操作子，τ 是调整全变分的参数，λ是限制稀疏噪声的稀疏性参数，β是限制高斯噪声的参数，||·||1 表示张量的L1范数，||·||F表示张量的Frobenius范数，G1(i1)、G2(i2)、G3(i3)是张量环核， i1、i2、i3是空间索引参数。 进一步的，所述在基于全变分正则化张量环分解的高光谱图像去噪模型的基础 上，将加权邻域均值三维全变分作为低秩项的非凸松弛，构建基于加权邻域均值三维全变 分正则化张量环分解的高光谱图像去噪模型，包括： 首先，定义图像的邻域均值差分运算： 其中，(i ,j ,k)表示图像 对应的沿空间长度、宽度和谱段方向的坐标位置， 表示图像在位置(i,j,k)沿水平、垂直和光谱方向的差分运算之后得到 的梯度值。 表示图像在位置的灰度值， 和 表示对应图像在位置(i,j,k)沿着空间长度、宽度和谱段方向平移 一个位置的像素灰度值； 进而构造邻域均值差分操作算子Gs(·)， Gs(·)＝[ρvGv(·)；ρtGt(·)；ρzGz(·)] 其中，Gv(·)、Gt(·)和Gz(·)分别表示水平、垂直和光谱三个不同方向的差分操 作，ρs(s＝v,t,z)是用来控制对三个维度的约束强度的参数； 从而得到加权邻域均值三维全变分： 7 CN 111598795 A 说　明　书 3/8 页 其中，wi,j,k是位置(i,j,k)上图像的梯度值权重； 在基于全变分正则化张量环分解的高光谱图像去噪模型的基础上，将加权邻域均 值三维全变分作为低秩项的非凸松弛，得到基于加权邻域均值三维全变分正则化张量环分 解的高光谱图像去噪模型： 进一步的，所述引入辅助变量 和 优化基于加权邻域均值三维全变分正则化 张量环分解的高光谱图像去噪模型，优化后的模型表示为： 进一步的，所述采用ADMM算法求解优化后的基于加权邻域均值三维全变分正则化 张量环分解的高光谱图像去噪模型，获得降噪后的高光谱图像，包括： 步骤5.1、采用ADMM算法求解所述优化后的基于加权邻域均值三维全变分正则化 张量环分解的高光谱图像去噪模型，固定其它变量，更新 式中，u是惩罚系数，Λ1,Λ2,Λ3是拉格朗日乘子； 利用张量链分解，将对 的更新过程转化为先对三个张量环核的更新，可以转换得 到如下形式： 通过更新后的张量环核G1(i )(k 1) ,G (i )(k 1) ,G (i )(k 1)1 2 2 3 3 重建 步骤5.2、固定其它变量，更新 步骤5.3、固定其它变量，更新 8 CN 111598795 A 说　明　书 4/8 页 步骤5.4、固定其它变量，更新s(k 1)： 步骤5.5、固定其它变量，更新 步骤5.6、固定其它变量，更新拉格朗日乘子： 步骤5.7、判断是否满足迭代终止条件，若 则终止迭代，输 出无噪图像 否则，继续迭代更新。 本申请还提出了一种基于张量环分解的高光谱图像去噪装置，包括处理器以及存 储有若干计算机指令的存储器，其特征在于，所述计算机指令被处理器执行时实现上述方 法的步骤。 本申请提出的一种基于张量环分解的高光谱图像去噪方法及装置，具有如下有益 效果是： (1)该方法能有效去除高斯噪声、稀疏噪声和混合噪声； (2)能有效利用干净的高光谱图像的低秩张量特性； (3)考虑了空间维度和光谱维度之间的一致性，同时增强了空间和光谱的平滑性； (4)能有效利用光谱信息，在去噪的同时，避免由此引起的光谱失真情况。 附图说明 图1为本申请基于张量环分解的高光谱图像去噪方法流程图。