粗细谱感感可变卷积在高光谱图像重建中的应用
图像与视频处理
2024-06-19 v1 计算机视觉与模式识别
摘要
我们研究了基于脉冲孔径快照光谱成像（CASSI）的逆问题，该方法通过快照二维测量捕获三维高光谱图像（HSI），并通过算法进行重建。然而，当前基于卷积神经网络（CNN）的方法难以捕获长程依赖和非局部相似性。最近流行的基于Transformer的方法由于自注意力机制导致的高计算成本，难以在下游任务中部署。本文首次将可变卷积网络（DCN）应用于该任务，我们设计的可变卷积模块利用其可变性捕获长程依赖和非局部相似性。此外，我们提出了一种新的光谱信息交互模块，考虑粗粒度和细粒度的光谱相似性。大量实验表明，我们提出的CFSDCN在模拟和真实高光谱数据集上均显著优于以往的状态方法。
引用
@article{arxiv.2406.12703,
title = {Coarse-Fine Spectral-Aware Deformable Convolution For Hyperspectral Image Reconstruction},
author = {Jincheng Yang and Lishun Wang and Miao Cao and Huan Wang and Yinping Zhao and Xin Yuan},
journal= {arXiv preprint arXiv:2406.12703},
year = {2024}
}
备注
7 pages, 5 figures, Accepted by ICIP2024