高光谱图像的深度多样性增强特征表示
计算机视觉与模式识别
2024-05-10 v3 图像与视频处理
摘要
在本文中，我们在特征多样性的指导下，研究高效且有效嵌入高光谱 (HS) 图像高维空谱信息的问题。具体而言，基于特征多样性与展开核矩阵的秩相关的理论公式，我们通过修改 3D 卷积的拓扑结构来纠正 3D 卷积，以增强其秩上界。这种修改产生了一个秩增强的空谱对称卷积集 (ReS-ConvSet)，它不仅能学习多样且强大的特征表示，还能节省网络参数。此外，我们还提出了一种新颖的多样性感知正则化 (DA-Reg) 项，直接作用于特征图以最大化元素间的独立性。为了证明所提出的 ReS-ConvSet 和 DA-Reg 的优越性，我们将它们应用于各种 HS 图像处理和分析任务，包括去噪、空间超分辨率和分类。大量实验表明，所提出的方法在定量和定性上均显著优于 state-of-the-art 方法。代码公开于 https://github.com/jinnh/ReSSS-ConvSet。
引用
@article{arxiv.2301.06132,
title = {Deep Diversity-Enhanced Feature Representation of Hyperspectral Images},
author = {Jinhui Hou and Zhiyu Zhu and Junhui Hou and Hui Liu and Huanqiang Zeng and Deyu Meng},
journal= {arXiv preprint arXiv:2301.06132},
year = {2024}
}
备注
17 pages, 12 figures. Accepted in TPAMI 2024. arXiv admin note: substantial text overlap with arXiv:2207.04266