深度高光谱先验：去噪、修复与超分辨率
计算机视觉与模式识别
2019-12-05 v2
摘要
深度学习算法在各类图像复原任务中已展现出最先进的性能。这得益于 CNN 从大量样本集中学习的能力。然而，对于高光谱图像处理而言，后者成为了一个问题，因为此类数据集通常仅包含少量图像。在本工作中，我们提出一种利用 CNN 的固有特性而无需任何训练的高光谱图像数据去噪、修复与超分辨率新方法。所提算法的性能被证明与经过训练的网络的性能相当，且其应用不受训练数据可用性的限制。本工作是原始“深度先验”算法向 HSI 领域及 3D 卷积网络的扩展。
引用
@article{arxiv.1902.00301,
title = {Deep Hyperspectral Prior: Denoising, Inpainting, Super-Resolution},
author = {Oleksii Sidorov and Jon Yngve Hardeberg},
journal= {arXiv preprint arXiv:1902.00301},
year = {2019}
}
备注
Published in ICCV 2019 Workshops