.png){kind=icon}
返回
System noise removal for area-array satellite image considering self-constraint and graph regularized row sparse coding
.png){kind=icon}
OA
AI
DOI：10.1080/10095020.2025.2486277.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
系统噪声对卫星成像中的图像质量和数据分析构成了显著挑战。本文针对区域阵列卫星图像中的系统噪声去除问题，强调了现有方法的局限性：这些方法通过聚合多幅含噪图像进行处理，但未能捕捉系统噪声的一致性属性，导致系统噪声估计不准确，并带来较大的计算负担。此外，当前的系统噪声估计方法依赖无云图像，这对于大视场卫星（如Gaofen-4）而言难以获取。进一步地，系统噪声的空间非均匀性和混合特性使其建模复杂化，导致标准的加性高斯白噪声（AWGN）框架不适用。为应对这些挑战，本文提出了一种新型系统噪声估计方法，该方法结合了自约束和图正则化行稀疏编码（SC-GRSC）。通过直接对系统噪声施加数据保真度约束，该方法利用多幅图像中系统噪声的一致性属性，并缓解了由含噪图像引入的偏差与低效问题。引入云区掩模以表征云覆盖区域中系统噪声的独特统计特性，解决了对无云图像的依赖。此外，采用图正则化行稀疏编码表示图像先验，并引入权重矩阵刻画系统噪声的空间非均匀性，从而实现更精确的系统噪声估计。在模拟图像和真实Gaofen-4卫星图像上的一系列实验表明，所提SC-GRSC方法在去除系统噪声方面优于其他可比方法。SC-GRSC的源代码可在以下地址获取：https://github.com/2015114000/SC-GRSC。
Keyword:
System noise removal
self-constraint
graph regularized row sparse coding
cloud region mask
期刊
G
IF:
5.5
论文数:
875
被引数:
2.4K
机构
引用论文
.png){kind=icon}
Erratum to “nonuniformity correction and correctability of infrared focal plane arrays” [infrared physics and technology 36 (1995) 763]勘误：“非均匀性校正和红外焦平面阵列的可校正性” [Infrared Physics and Technology 36 (1995) 763]
PREAI
分享收藏
查看更多内容