基于因子组稀疏正则的多时相遥感图像去云方法

作     者：孙彪 韩珣 杨时俊 郑玉棒 李恒超 

作者机构：西南交通大学信息科学与技术学院 四川警察学院智能警务四川省重点实验室 四川警察学院道路交通管理系 

出 版 物：《西南交通大学学报》 (Journal of Southwest Jiaotong University)

年 卷 期：2025年

核心收录：

学科分类：0810[工学-信息与通信工程] 08[工学] 081002[工学-信号与信息处理] 

基　　金：国家自然科学青年基金项目,62301456 智能警务四川省重点实验室课题,ZNJW2022ZZZD001 

主　　题：多时相遥感图像 去云 组稀疏正则 低秩分解 近端交替最小化 

摘      要：遥感成像过程中多云天气往往会使得获取的图像存在云覆盖现象，导致遥感图像出现局部区域性的信息缺失，严重影响后续应用的精确性。近年来，许多遥感图像去云方法通过低秩矩阵/张量分解和稀疏正则化等手段来表征多时相遥感图像的全局相关性和局部平滑性先验。然而，这些方法忽略了多时相遥感图像不同波段和时间之间的共同特征，如遥感图像在不同波段和时间下，空间平滑区域是相近的。针对这一问题，在低秩矩阵分解的框架下，设计了一个因子组稀疏正则来表征多时相遥感图像的上述特征，并基于此提出了一个新型多时相遥感图像去云模型。具体地，该模型利用低秩矩阵分解和因子组稀疏正则分别刻画遥感图像的全局相关性和不同波段和时间之间的共同特征。为了求解该模型，设计了一种内嵌交替方向乘子法的临近交替最小化算法。在仿真实验中，提出的方法在所有评价指标上都达到了最优的结果。相较于次优方法，平均峰值信噪比提升了18.01%，平均光谱角制图减少了43.01%，平均结构相似度增加了4.1×10-3，平均相关系数增加了2.3×10-3，所需的运行时间减少了78.43%；同时，提出的方法在真实实验中也取得了更好的去云效果。