孟 玉

(西北工业大学计算机学院，陕西 西安 710129)

0 引言

高光谱图像处理技术被广泛用于地质勘探、气象监测、环境保护等领域，然而人们在获取HS数据的同时，却不可避免地引入了噪声，如何有效地估计及去除噪声［1］对HS图像处理尤为重要。

空间光谱维去相关法［2］(Spectral and Spatial Decorrelation Method，SSDC)是一种经典的评噪方法，虽然该方法较稳定，但因强硬地将图像分为等大的小块，无法应对具有复杂纹理的HS图像，且评估结果误差较大。局部均匀块标准差法［3］(Local Homogeneous Block Standard Deviations Method，LHBSD)和同质区域划分光谱维去相关法［4-5］(Homogeneous Regions Division and Spectral Decorrelation Method，HRDSDC)则是基于同质区域进行评噪，对复杂纹理的HS图像依然适用，但HR的划分结果并不稳定，存在随机性，影响了噪声估计结果。Martin-Herrero［6］对HR划分方法进行了评估和改进，但改进后的算法仍要高深度递归，计算负担过重。

传统方法［7］只适用于估计信号无关(Signal Independent，SI)噪声，而电子器件敏感性的提升为HS图像引入了光电噪声，也即信号相关［8］(Signal Depend-ent，SD)噪声，导致传统方法难于进行估计。Qian［9-10］等人提出的三维非局部均值滤波方法评噪和去噪的效果显著，而Acito［11］等人也提出了一种自动化的评噪方法，通过矩和基于梯度的多变量迭代方法求解噪声模型的最大似然函数，继而计算SD和SI的方差。这些方法具有较高的稳定性和精确性，但复杂度较高，计算负担较大。

为了解决传统算法的混合噪声估计问题，同时为了提高估计算法的性能，提出一种基于HR分割的混合噪声估计算法。算法的主要思想是在HR分割区域内进行MLR估计，从而得到含较强空间和光谱相关性的纯信号估计，而该信号与原图像间的残差即为混合噪声。……