Denoising of hyperspectral imagery by combining PCA with block-matching 3-D filtering

Abstract

Even though the noise level in a hyperspectral data cube may be low, it still can affect most remote sensing applications. In this paper, a novel method is proposed for reducing noise in a hyperspectral data cube. The method first used principal component analysis (PCA) to decorrelate the useful information from noise and then applied block-matching and 3-D filtering to selectively reduce noise in the noisy PCA components. Finally, an inverse PCA was conducted to obtain a denoised data cube. The first few PCA components contained the majority of information in the hyperspectral data cube and very little noise. Because the method did not denoise the first few PCA components, most fine feature details in the data cube were retained after denoising. The signal-to-noise ratio after denoising the Greater Victoria Watershed District and the Cuprite data cubes improved significantly. From our experiments, the proposed method was very competitive when compared with other existing denoising methods published in the literature.

Même si le niveau de bruit dans un cube de données hyperspectrales est plutôt faible, il peut encore affecter la plupart des applications en télédétection. Dans cet article, on propose une méthode novatrice pour réduire le bruit dans un cube de données hyperspectrales. La méthode consiste à utiliser au départ une analyse en composantes principales (ACP) pour décorréler l'information utile du bruit et ensuite à appliquer la méthode d'appariement par blocs et le filtrage 3D pour réduire sélectivement le bruit dans les composantes bruitées de l'ACP. Enfin, une ACP inverse est appliquée afin d'obtenir un cube de données débruitées. Les premières composantes de l'ACP contiennent la majorité de l'information du cube de données hyperspectrales et très peu de bruit. Comme la méthode ne débruite pas les premières composantes de l'ACP, la plupart des caractéristiques fines dans le cube de données seront retenues après le débruitage. Le rapport signal/bruit après le débruitage des cubes de données des sites du « Greater Victoria Watershed District » et de Cuprite est amélioré de façon significative. Nos recherches ont montré que la méthode proposée est très compétitive comparativement aux autres méthodes de débruitage publiées dans la littérature.

[Traduit par la Rédaction]

Acknowledgements

The authors would like to thank the Editor-in-Chief, the Associate Editor, and the anonymous reviewers whose constructive suggestions and comments have improved the quality of this paper. The authors would also like to thank D. Goodenough (Pacific Forest Centre, Canada) for providing the AVIRIS GVWD test data cube, K. Staenz for the simulated Cuprite data cube, and MDA, Inc. for the noisy data cubes.