文摘针对高光谱图像(hyperspectral images,HSI)去条带易引起影像结构细节丢失问题,提出一种基于加权块稀疏(weighted block sparsity,WBS)正则化联合最小最大非凸惩罚(minimax concave penalty,MCP)约束的HSI去条带方法。本算法采用加权ℓ_(2),1范数和MCP范数对条带稀疏结构和低秩约束,ℓ_(1)范数对干净图像结构保持正则化约束,构建加权块稀疏和MCP约束的条带去除模型,采用交替方向乘子(alternating direction method of multipliers,ADMM)算法迭代求解对应模型,重建获得干净的HSI图像。实验结果表明,提出方法在实际HSI的平均等效视数从28.45提高到83.47,边缘保持指数较其他算法至少增加0.056,特别是对于非周期条带噪声,采用自适应权值更新稀疏水平,增强了组稀疏性,在保持影像边缘和加强区域平滑性方面性能更佳,去噪声效果更好。
