基于卷积和注意力网络的高光谱图像混合去噪
图像与视频处理
2024-03-18 v1 计算机视觉与模式识别
摘要
高光谱图像（HSI）去噪对于有效分析和解释高光谱数据至关重要。然而,几乎没有探索同时建模全局特征和局部特征以提升HSI去噪效果。本文提出一种混合卷积和注意力网络（HCANet），该网络利用卷积神经网络（CNN）和Transformer的优势。为增强全局和局部特征的建模,我们设计了卷积和注意力融合模块,旨在捕获长程依赖性和邻域光谱相关性。此外,为提高多尺度信息聚合,我们设计了多尺度前馈网络,通过提取不同尺度的特征来增强去噪性能。在主流HSI数据集上的实验结果表明,所提出的HCANet是合理且有效的。该模型能够有效去除各种复杂噪声。我们的代码已公开于\url{https://github.com/summitgao/HCANet}。
引用
@article{arxiv.2403.10067,
title = {Hybrid Convolutional and Attention Network for Hyperspectral Image Denoising},
author = {Shuai Hu and Feng Gao and Xiaowei Zhou and Junyu Dong and Qian Du},
journal= {arXiv preprint arXiv:2403.10067},
year = {2024}
}
备注
IEEE GRSL 2024