空間-スペクトル適応忠実度およびノイズ優先（prior）低減に導かれたハイパースペクトル画像のデノイジング

要旨: ハイパースペクトル画像のノイズ除去における中核的な課題は、データ忠実度とノイズ事前モデリングの適切なバランスをとることです。既存のほとんどの手法は、画像の固有の事前知識に過度に重みを置く一方で、さまざまなノイズ仮定や、忠実度と事前知識の動的なトレードオフを見落としています。これらの問題に対処するために、本研究では、ノイズ事前低減と空間—スペクトル適応型忠実度項を統合したノイズ除去フレームワークを提案します。このフレームワークでは、パラメータ数を抑えつつ包括的なノイズ事前知識を考慮し、忠実度と事前正則化項のバランスを動的に調整する適応重みテンソルを導入します。さらに、このフレームワークのもとで、代表係数の全変動正則化子と組み合わせた高速で頑健な画素ごとのモデルを発展させ、HSI（ハイパースペクトル画像）における混合ノイズを正確に除去します。提案手法は、さまざまな種類のノイズを効率的に扱うだけでなく、HSIのスペクトル低ランク構造と局所的な滑らかさも正確に捉えます。安定で高速な収束を保証するために、多重方向法（alternating direction method of multipliers）に基づく効率的な最適化アルゴリズムを設計します。シミュレーションデータと実世界データの広範な実験により、提案モデルが、計算効率の競争力を維持しつつ、優れたノイズ除去性能を達成することが示されます。