一种用于加速 CRISM 高光谱数据预处理以进行火星矿物识别的 UNet 模型
计算机视觉与模式识别
2025-05-06 v1
摘要
准确识别火星表面的矿物对于理解该行星的地质历史至关重要。本文提出了一种基于 UNet 的自编码器模型，用于 CRISM MTRDR 高光谱数据的高效光谱预处理，以解决传统方法计算量大且耗时长的局限性。该模型自动化了关键预处理步骤，如平滑和连续统去除，同时保留了基本的矿物吸收特征。该模型在来自 MICA 光谱库的增强光谱上进行训练，引入了现实的变异性以模拟 MTRDR 数据条件。通过集成此框架，一个 800x800 MTRDR 场景的预处理时间从 1.5 小时减少到在 NVIDIA T1600 GPU 上仅需 5 分钟。预处理后的光谱随后使用 MICAnet（一种用于火星矿物识别的深度学习模型）进行分类。在标记的 CRISM TRDR 数据上的评估表明，所提出的方法在显著提高预处理效率的同时，达到了有竞争力的准确度。这项工作凸显了基于 UNet 的预处理框架在提高火星矿物制图速度和可靠性方面的潜力。
引用
@article{arxiv.2505.02046,
title = {A UNet Model for Accelerated Preprocessing of CRISM Hyperspectral Data for Mineral Identification on Mars},
author = {Priyanka Kumari and Sampriti Soor and Amba Shetty and Archana M. Nair},
journal= {arXiv preprint arXiv:2505.02046},
year = {2025}
}