حذف نویز از تصاویر فراطیفی گامی اجتناب‌ناپذیر برای بهبود کیفیت این نوع تصاویر است و روش‌های بسیاری در این زمینه توسط محققان پیشنهاد شده است. اغلب این روش‌ها به شباهت‌های مکانی- طیفی به طور هم‌زمان توجه ندارند. زمانی که روش حذف نویز، داده را به صورت سراسری بدون در نظر گر چکیده کامل
حذف نویز از تصاویر فراطیفی گامی اجتناب‌ناپذیر برای بهبود کیفیت این نوع تصاویر است و روش‌های بسیاری در این زمینه توسط محققان پیشنهاد شده است. اغلب این روش‌ها به شباهت‌های مکانی- طیفی به طور هم‌زمان توجه ندارند. زمانی که روش حذف نویز، داده را به صورت سراسری بدون در نظر گرفتن شباهت‌های مکانی- طیفی به کار می‌برد، معمولاً بر روی پیکسل‌های با سطح پایین نویز تأثیر نامطلوب می‌گذارد؛ آن هم زمانی که در داده فراطیفی، تعداد زیادی از پیکسل‌ها نویز کمی دارند و تعداد اندکی از پیکسل‌ها به وسیله سطح بالای نویز تخریب می‌شوند. در این مقاله، ابتدا شباهت‌های مکانی- طیفی موجود در تصاویر با تعریف متغیر پنهان مبتنی بر خوشه‌بندی استخراج می‌شود. در ادامه، یک روش تجزیه ماتریس رتبه‌پایین مبتنی بر این متغیرهای پنهان برای حذف نویز تصاویر فراطیفی و بهبود مقاومت در مقابل انواع نویز (در مقایسه با سایر روش‌ها) پیشنهاد می‌شود. کارایی روش پیشنهادی با شش روش جدید بر روی تصاویر واقعی آلوده به نویز به صورت بصری مقایسه شده و برای مقایسه کمی، همان آزمایش‌ها روی تصاویر بدون نویزی که با شش نوع نویز ترکیب شده و تصاویری نزدیک به داده واقعی ایجاد کرده‌اند مقایسه شده است. نتایج شبیه‌سازی نشان می‌دهد که با اعمال متغیر پنهان در چارچوب استنتاج بیزین تغییراتی، عملکرد روش حذف نویز بهبود می‌یابد و روش پیشنهادی عملکرد بهتری نسبت به سایر روش‌های مورد مقایسه دارد.
پرونده مقاله
