Hyperspectral image denoising using multiple linear regression and bivariate shrinkage with 2-D dual-tree complex wavelet in the spectral derivative domain



Título del documento: Hyperspectral image denoising using multiple linear regression and bivariate shrinkage with 2-D dual-tree complex wavelet in the spectral derivative domain
Revista: Boletim de ciencias geodesicas
Base de datos: PERIÓDICA
Número de sistema: 000406003
ISSN: 1413-4853
Autores: 1
1
Instituciones: 1National University of Defense Technology, College of Science, Changsha, Hunan. China
Año:
Periodo: Oct-Dic
Volumen: 22
Número: 4
Paginación: 822-834
País: Brasil
Idioma: Inglés
Tipo de documento: Artículo
Enfoque: Analítico, descriptivo
Resumen en inglés In this paper, a new denoising method is proposed for hyperspectral remote sensing images, and tested on both the simulated and the real - life datacubes. Predicted datacube of the hyperspectral images is calculated by multiple linear regression in the spectral domain based on the strong spectral correlation of the useful signal and the inter - band uncorrelation of the random noise terms in hyperspectral images. A two dimensional dual - tree complex wavelet transform is performed in the spectral derivative domain, where th e noise level is elevated temporarily to avoid signal deformation during the wavelet denoising, and then the bivariate shrinkage is used to shrink the wavelet coefficients. Simulated experimental results demonstrate that the proposed method obtains better results than the other denoising methods proposed in the reference, improves t he signal to noise ratio up to 0.5dB to 10dB. The real - life data experiment shows that the proposed method is valid and effective
Resumen en portugués Neste trabalho, propõe-se um novo método de remoção de ruído para imagens hi perspectra is avaliado com da dos reais e simulados. Um cubo de predições de imagens hiperespectrais é calculado por regressão linear múltipla no domínio espectral com base na alta correlação do sinal útil e na não correlação do ruído aleatór io nas bandas hiperespectrais É aplicada uma transformada complexa de wavelet bi - dimensional no domínio espectral derivado, no qual os níveis de ruído são temporariamente elevados para impedir a deformação do sinal durante a remoção do ruído, e então a com pressão bivariada foi usado para compactar os coeficientes da transformada wavelet. Os resultados experimentais demonstraram que o método proposto possibilita obter resultados melhores do que outros métodos de remoção de ruídos encontrados na literatura, c om melhoria da razão de ruído do sinal de 0.5dB para 10dB. Os dados reais utilizados mostraram que o método proposto é válido e efetivo
Disciplinas: Geociencias,
Matemáticas,
Física y astronomía
Palabras clave: Geofísica,
Matemáticas puras,
Acústica,
Imágenes hiperespectrales,
Regresión lineal múltiple,
Transformada Wavelet,
Contracción
Keyword: Earth sciences,
Mathematics,
Physics and astronomy,
Geophysics,
Pure mathematics,
Acoustics,
Hyperspectral imagery,
Multiple linear regression,
Wavelet transform,
Shrinkage
Texto completo: Texto completo (Ver PDF)