高光谱去噪一般使用的方法包括2D Wavelet、3D Wavelet、FORPDN、HyRes、BM3D、WNNM、EPLL、基于小波的方法、基于模型的方法、深度学习方法、多尺度去噪方法以及结合先验知识的方法。?
?2D Wavelet?和?3D Wavelet?方法是将高光谱图像的每个波段视为二维自然图像,对每个波段使用传统的二维自然图像去噪方法进行去噪。
?FORPDN?和?HyRes?是其他采用的方法,用于高光谱图像的降噪。
?BM3D?(Block-matching and 3D filtering)和?WNNM?(Weighted Nuclear Norm Minimization)是带式去噪方法,通过稀疏3-D变换域协同过滤进行图像去噪和加权核范数最小化进行图像去噪。
?EPLL?(Expectation Maximization for Patch-based Image Restoration)是从自然图像斑块的学习模型到整个图像恢复的方法。
?基于模型的方法?利用统计模型、稀疏表示等方法建立高光谱图像的噪声模型,并通过优化算法去除噪声,包括基于低秩表示的方法和基于非局部相似性的方法。
?深度学习方法?通过设计合适的神经网络结构,利用大量的有噪高光谱图像进行训练,实现高效准确的去噪效果。
?多尺度去噪方法?将高光谱图像分解为不同尺度的子带,针对不同尺度的噪声进行去除。
?结合先验知识的方法?利用高光谱图像的光谱曲线和空间纹理特征等先验信息进行去噪,以提高去噪效果。