高光譜圖像精細光譜數據能夠充分反映地物光譜的細微特征。依據不同地物在光譜特征上的相對差異就可實現地物類別區分，實現目標探測和精細分類。需要進行降噪處理，本文簡單介紹了高光譜圖像數據噪聲處理方法。

?

?

成像光譜儀波段通道很密而造成光成像能量不足，故相對全色圖而言，高光譜圖像的信噪比(SNR)提高比較困難。在圖像數據的獲取過程中，地物光譜特征在噪聲的影響下容易產生“失真”。另外由于高光譜數據量大，在精細分類過程中，往往需要對數據進行降維處理，而在降維過程中需要最大限度保留信號和壓縮噪聲，所以精確的噪聲評估很有必要。另外噪聲對精細分類的結果也有最直接影響。所以需要對高光譜數據進行噪聲評估。

?

主要的噪聲認為是高斯白噪聲，分為加性噪聲和乘性噪聲。

噪聲評估主要有三種方法：實驗室法、暗電流法和圖像法。由于前兩種方法在實驗中難以實現，廣泛應用的是第三種——圖像法。

?

圖像法分為以下幾種：

1.?均勻區域法(HA)

主要思想：從圖像中選取四個以上均勻區域，通過計算這些均勻區域標準差的平均值獲取圖像噪聲的估計值。

不足：需要人工進行均勻區域選擇，無法自動化；滿足條件的均勻區域在大部分遙感圖中并不存在；子區域噪聲估計并不能代表整幅圖像的噪聲。

2.?地學統計法(GS)

主要思想：從圖像中選擇幾條均勻的窄條帶，通過對這些窄條帶的半方差函數的計算實現對圖像噪聲的估算。一定程度上利用了成像光譜數據的空間相關性。

不足：與均勻區域法相似。

3.?局部均值與局部標準差法(LMLSD)

主要思想：假定圖像由大量均勻的小塊構成，且噪聲以加性噪聲為主。使用局部均值和局部標準差的概念，將圖像分割為很多小塊，然后計算這些子塊的標準差作為局部噪聲大小，并選擇包含子塊數最多區間的局部標準差的平均值作為整個圖像的最佳噪聲估計。

不足：只對高斯白噪聲有效，對高斯隨機噪聲的圖像，信號被噪聲干擾。

4.?空間/光譜維去相關法(SSDC)

主要思想：是一種專門針對高光譜圖像的噪聲評估方法，利用高光譜圖像空間維和光譜維存在高相關性的特點，通過多元線性回歸去除具有高相關性的信號，利用得到的殘差圖像對噪聲進行估算。

評價：該方法受地物覆蓋類型影響小，并且可以自動執行，是目前較為穩定的高光譜圖像噪聲評價方法。