HDMba：基于状态空间模型的高光谱遥感图像去雾
计算机视觉与模式识别
2024-06-11 v1 图像与视频处理
摘要
高光谱遥感图像(HSI)中的雾霾污染会导致空间可见度下降和光谱失真。HSI中的雾霾表现出空间不规则性和不均匀的光谱分布，且可用的去雾网络很少。当前基于CNN和Transformer的去雾方法无法平衡全局场景恢复、局部细节保留和计算效率。受Mamba能够以线性复杂度建模长距离依赖关系的启发，我们探索了其在HSI去雾中的潜力，并提出了首个HSI去雾Mamba网络(HDMba)。具体来说，我们设计了一种新颖的窗口选择性扫描模块(WSSM)，该模块通过划分窗口来捕获窗口内的局部依赖关系和窗口间的全局相关性。这种方法改进了传统Mamba在局部特征提取方面的能力。通过对局部和全局光谱-空间信息流进行建模，我们实现了对雾霾区域的全面分析。由WSSM构建的DehazeMamba层(DML)以及由DML组成的残差DehazeMamba块(RDM)是HDMba框架的核心组件。这些组件有效地表征了HSI中雾霾的复杂分布，有助于场景重建和去雾。在高分五号HSI数据集上的实验结果表明，HDMba在去雾性能上优于其他最先进的方法。代码将在https://github.com/RsAI-lab/HDMba提供。
引用
@article{arxiv.2406.05700,
title = {HDMba: Hyperspectral Remote Sensing Imagery Dehazing with State Space Model},
author = {Hang Fu and Genyun Sun and Yinhe Li and Jinchang Ren and Aizhu Zhang and Cheng Jing and Pedram Ghamisi},
journal= {arXiv preprint arXiv:2406.05700},
year = {2024}
}