.png){kind=icon}
.png){kind=icon}
返回
A Consistency-Guided Collaborative Filtering Framework for Suppressing Structured Coherent Artifacts
.png){kind=icon}
OA
AI
DOI：10.3390/rs18162780.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
间接观测系统，如高光谱遥感与被动地球物理测量，从同一场景的冗余观测中提取有用信息。然而，所得数据常因传感器非均匀性、校准残差或不完全照明而受到结构化相干伪影的污染。这些伪影难以抑制，因为它们是具有方向连续性和不可忽略相关性的空间组织成分。其类信号相干性使其能模拟图像纹理或物理事件，导致传统去噪方法易残留伪影或信号泄漏。为解决此问题，我们提出了一种一致性引导的协同滤波框架，用于抑制结构化相干伪影同时保留有用信号。该框架将成对观测相似性分析扩展为一致性引导策略以处理冗余观测。通过构建同一目标的成对观测以区分有用信号与物理不一致的伪影。这种一致性对比被整合到协同滤波中以引导块匹配与聚合，同时相干噪声功率谱密度模型表征伪影的方向与空间相关性以实现靶向噪声收缩。该方法主要在受模拟条纹伪影污染的高光谱遥感图像上进行了评估，并在包含非物理相干事件的合成与现场地球物理成对观测数据上进行了额外验证。结果表明，所提方法能在抑制结构化相干伪影的同时保留有用信号并保持高信号保真度。该工作为利用观测冗余增强成像可靠性提供了一种统一途径。
Keyword:
collaborative filtering
consistency-guided denoising
structured coherent artifacts