用于自监督高光谱图像修复的等变成像
计算机视觉与模式识别
2024-04-23 v1 机器学习
图像与视频处理
摘要
高光谱成像（HSI）是用于地球观测、监视、医学成像与诊断、天文学和空间探索的一项关键技术。遥感应用中传统的 HSI 技术基于推扫式扫描方法，其中相机每次记录场景中一条条带的光谱图像，而图像是通过随时间累积测量数据生成的。在真实的机载和星载 HSI 仪器中，某些位置会出现空白条带，因为平台并不总是保持恒定的预设姿态，或者无法获取精确的数字高程模型（DEM），且行进轨迹并不总是与高光谱相机对准。这使得从不完整或受损的观测数据中增强所获取的高光谱图像成为一项关键任务。我们在此引入一种名为高光谱等变成像（Hyper-EI）的新型 HSI 修复算法。Hyper-EI 是一种基于自监督学习的方法，不需要在大型数据集上训练或访问预训练模型。实验结果表明，与现有方法相比，所提方法实现了 SOTA 的修复性能。
引用
@article{arxiv.2404.13159,
title = {Equivariant Imaging for Self-supervised Hyperspectral Image Inpainting},
author = {Shuo Li and Mike Davies and Mehrdad Yaghoobi},
journal= {arXiv preprint arXiv:2404.13159},
year = {2024}
}
备注
5 Pages, 4 Figures, 2 Tables