結(jié)合變異粒子群和字典學(xué)習(xí)的遙感影像去噪

　　針對(duì)在線字典學(xué)習(xí)需將所有字典原子全部更新、優(yōu)化方向難以進(jìn)行估算等原因造成精度下降的不足，提出基于變異粒子群優(yōu)化的在線字典學(xué)習(xí)算法。算法基于ODL的基礎(chǔ)，在字典學(xué)習(xí)的迭代過(guò)程中對(duì)梯度下降函數(shù)進(jìn)行優(yōu)化。首先選出特殊字典原子，利用各個(gè)字典原子之間關(guān)系，線性表征當(dāng)前選出的原子，以線性系數(shù)作為粒子群中的粒子位置。然后將基于變異粒子群的原子更新模式引入字典學(xué)習(xí)，利用變異粒子群優(yōu)化算法進(jìn)行粒子的適應(yīng)度淘汰，選擇更適合的粒子進(jìn)行下一輪的字典更新。此外，利用中間變量將歷史參考數(shù)據(jù)引入變異粒子群模型以引導(dǎo)其優(yōu)化方向，提高字典的準(zhǔn)確性和有效性。利用高分一號(hào)遙感影像進(jìn)行實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表明該算法優(yōu)于同類方法，有更好的噪音抑制效果，同時(shí)也提高了大規(guī)模的遙感圖像處理性能。
?