高光谱遥感图像在为地物认知提供二维空间信息的同时,也提供了高分辨率的光谱信息,这使得高光谱遥感技术在对地观测中展现出不可替代的作用。然而,在高光谱图像的获取、传输和存储过程中,不可避免地会受到噪声和坏像素的干扰,从而降低高光谱图像的质量和可用性,尤其是当高光谱图像中存在大面积的、波段连续的坏像素时,直接导致高光谱图像不可用,严重妨碍后续的应用。因此,降噪和修复是高光谱图像信息提取和应用中所需要的关键技术。高光谱图像空间维和光谱维的高度相关性使高维的高光谱图像呈现出低秩特性。本论文基于高光谱图像的低秩表示,利用图像的自相似结构,对高光谱图像中不同类型的噪声进行降噪,和对大面积的、波段连续的坏像素进行修复。本论文的主要研究成果是以下四个算法:·基于高光谱图像的低秩特性,提出了基于鲁棒PCA和图像自相似的高光谱降噪算法(Hyperspectral Denoising algorithm via Robust principle component analysis and Self-similarity,Hy DRo S)。Hy DRo S算法用鲁棒PCA去除高光谱图像中的野点,通过奇异值分解学习得到去除野点后的高光谱图像的信号子空间,利用投影到信号子空间中的特征图像的自相似结构,去除图像中的加性高斯噪声,最后逆变换回原始的维度得到降噪后的高光谱图像。同时,论文提出将Hy DRo S算法应用于高光谱矿物识别,以验证Hy DRo S降噪算法对于提高典型矿物识别精度的有效性。Hy DRo S算法实现了基于低秩表示,对高光谱图像中的野点鲁棒的降噪性能。·基于高光谱图像的低秩特性,提出了基于多通道加权核范数最小化的高光谱降噪算法(Hyperspectral Denoising algorithm via Multi-channel weighted Nuclear Norm minimization,Hy De Mu NN)。Hy De Mu NN算法挖掘高光谱图像的特征图像间存在的统计相关性,通过奇异值分解学习得到带噪声的高光谱图像的信号子空间,利用投影到信号子空间的特征图像的自相似结构和特征图像间的相关性,通过多通道加权核范数最小化对特征图像进行联合降噪,去除图像中的加性高斯噪声,最后逆变换回原始的维度得到降噪后的高光谱图像。Hy De Mu NN算法提出了基于低秩表示,对特征图像进行多通道加权核范数最小化联合降噪的新思路。·基于高光谱图像的低秩特性,提出了对存在大面积的、波段连续的坏像素进行修复的高光谱图像修复算法(Hyperspectral Inpainting algorithm based on low-rank representation,Hy Inpaint)。Hy Inpaint算法用最小误差信号子空间识别方法估计得到破坏的高光谱图像的信号子空间,利用投影到信号子空间的特征图像的自相似结构,修复特征图像中的坏像素,最后逆变换回原始的维度得到修复后的高光谱图像。同时,论文提出将Hy Inpaint算法应用于中国首个目标飞行器天宫一号搭载的高光谱成像仪获取的可见近红外高光谱图像的修复。·基于高光谱图像的低秩特性,提出了对存在既噪声,且同时存在大面积的、波段连续的坏像素的高光谱图像进行降噪和修复同步处理的算法(Hyperspectral Denoising and Inpainting synchronous processing algorithm based on low-rank representation,Hy De In)。Hy De In算法通过奇异值分解学习得到破坏的高光谱图像的信号子空间,利用投影到子空间的特征图像的自相似结构,在去除图像中的噪声的同时,同步修复坏像素,最后逆变换回原始的维度得到降噪和修复同步处理后的高光谱图像。Hy De In算法提出了基于低秩表示,对既存在噪声,同时存在大面积的、波段连续的坏像素的高光谱图像进行降噪和修复同步处理的新思路。论文通过大量的模拟数据实验和真实数据实验,将提出的这四个算法与当前先进的高光谱图像降噪和修复算法进行对比,验证了算法对于高光谱图像进行降噪和修复的有效性,证实了这四个算法应用于高光谱图像降噪和修复的优势和潜力。