基于自适应步长感知展开和非局部混合注意力的高光谱图像重建网络
计算机视觉与模式识别
2024-07-08 v1
摘要
深度展开方法和变换器架构最近在高光谱图像(HSI)重建方面显示出有前景的效果。然而，仍存在两个问题：(1)在数据子问题中，大多数方法利用可学习参数表示步长。然而，对于不同的光谱通道，特征与真实值之间的误差是不相等的。(2)变换器在感受野大小与像素级细节信息之间难以实现平衡。为克服上述缺陷，我们提出了一种自适应步长感知展开网络(ASPUN)，这是一种基于FISTA算法的深度展开网络，利用自适应步长感知模块估计每个光谱通道的更新步长。此外，我们设计了一种非局部混合注意力变换器(NHAT)模块，以充分利用变换器的感受野优势。通过将NLHA插入非局部信息聚合(NLIA)模块，展开网络能够获得更好的重建结果。实验结果表明，我们的ASPUN优于现有的SOTA算法，实现了最佳性能。
引用
@article{arxiv.2407.04024,
title = {Adaptive Step-size Perception Unfolding Network with Non-local Hybrid Attention for Hyperspectral Image Reconstruction},
author = {Yanan Yang and Like Xin},
journal= {arXiv preprint arXiv:2407.04024},
year = {2024}
}