Resumen

Se propone un nuevo algoritmo de eliminación de ruido de acuerdo con las características de la imagen hiperespectral de teledetección (HRSI) en el dominio curvelet. En primer lugar, cada banda de HRSI se transforma en el dominio curvelet, y los conjuntos de imágenes de subbanda se obtienen a partir de diferentes longitudes de onda de HRSI. A continuación, se apilan las imágenes de subbanda detalladas en la misma escala y dirección a partir de diferentes longitudes de onda de HRSI para obtener nuevos cubos de datos tridimensionales del dominio curvelet. Una vez más, se realiza el análisis de las características de estos cubos de datos tridimensionales. El resultado del análisis muestra que cada nuevo cubo de datos tridimensional tiene una fuerte correlación espectral. Por último, debido a la fuerte correlación espectral de los nuevos cubos de datos tridimensionales, se introduce la regresión lineal múltiple para tratar estos nuevos cubos de datos tridimensionales en el dominio curvelet. Se realizan experimentos con datos simulados y reales. Los resultados experimentales de los datos simulados muestran que el algoritmo propuesto es superior a los algoritmos comparados en las referencias en términos de SNR. Además, se utilizan MSE y MSSIM en cada banda para demostrar que el algoritmo propuesto es superior. Los resultados experimentales de los datos reales muestran que el algoritmo propuesto elimina eficazmente el ruido manchado común y el ruido de banda y, al mismo tiempo, mantiene características más finas durante el proceso de eliminación de ruido.

• Materias:Matemáticas Análisis Matemático Álgebra Ingeniería Matemática aplicada Lógica matemática
• Subjects:mathematics Mathematical Analysis Algebra Engineering Applied Mathematics Mathematical logic
• Palabras claves:d cubos de datos, dominio curvelet, fuerte correlación espectral, hrsi, algoritmo, resultados experimentales, ruido puntual común, imágenes de subbanda detallada, características más finas, regresión lineal múltiple
• Keywords:d datacubes, curvelet domain, strong spectral correlation, hrsi, algorithm, experimental results, common spotty noise, detail subband images, more fine features, multiple linear regression