HyDe：首个开源、基于Python、GPU加速的高光谱去噪软件包
计算机视觉与模式识别
2022-11-28 v1 图像与视频处理
摘要
与任何物理仪器一样，高光谱相机在采集数据中引入各类噪声。因此，高光谱去噪是分析高光谱图像(HSIs)的关键步骤。传统计算方法很少使用GPU提升效率且未完全开源。相反，基于深度学习的方法虽常开源且使用GPU，但其训练与实际应用对许多研究者仍非易事。为此，我们提出HyDe：首个开源、基于Python、GPU加速的高光谱图像去噪工具箱，旨在以易用环境提供大量方法。HyDe包含从基于低秩小波的方法到深度神经网络(DNN)模型等多种方法。HyDe的接口显著提升了这些方法的互操作性与底层函数的性能。事实上，这些方法在保持与原实现相似HSI去噪性能的同时，能耗降低近十倍。此外，我们提出一种训练DNN以去噪与训练数据集无空间关联的HSIs的方法，即在地面HSIs上训练以去噪包括机载、无人机载和星载在内的其他视角HSIs。为利用训练好的DNN，我们展示一种滑动窗口方法以有效去噪否则需超40 GB内存的HSIs。该软件包位于：\url{https://github.com/Helmholtz-AI-Energy/HyDe}。
引用
@article{arxiv.2204.06979,
title = {HyDe: The First Open-Source, Python-Based, GPU-Accelerated Hyperspectral Denoising Package},
author = {Daniel Coquelin and Behnood Rasti and Markus Götz and Pedram Ghamisi and Richard Gloaguen and Achim Streit},
journal= {arXiv preprint arXiv:2204.06979},
year = {2022}
}
备注
5 pages