Resumen

Las imgenes hiperespectrales (HSI) pueden ayudar a obtener representaciones ms fiables de escenas reales que las imgenes tradicionales y mejorar el rendimiento de muchas tareas de visin por ordenador. Sin embargo, en casos reales, una HSI se degrada a menudo por una mezcla de varios tipos de ruido, incluyendo el ruido gaussiano y el ruido impulsivo. En este trabajo, proponemos un modelo de regularizacin no convexo logartmico para la eliminacin de ruido mixto HSI. La funcin de penalizacin logartmica puede aproximar el rango fibroso del tensor con mayor precisin y trata los valores singulares de forma diferente. Tambin se presenta un mtodo de multiplicadores en sentido alterno (ADMM) para resolver el problema de optimizacin, y se demuestra que cada subproblema dentro del ADMM tiene una solucin de forma cerrada. Los resultados experimentales demuestran la eficacia del mtodo propuesto.

• Materias:Algoritmos (Matemáticas) Algebra Ingeniería Lógica matemática Matemáticas
• Subjects:Agorithms (Math) Algebra Engineering Mathematical logic mathematics
• Palabras claves:Imágenes hiperespectrales; Eliminación de ruido; Modelo de regularización; ADMM; Visión por ordenador; Resultados experimentales
• Keywords:Hyperspectral images; Noise removal; Regularization model; ADMM; Computer vision; Experimental results