采用空间-光谱深度残差卷积神经网络的高光谱图像去噪
计算机视觉与模式识别
2018-08-14 v3
摘要
高光谱图像（HSI）去噪是提升后续 HSI 解译与应用性能的关键预处理步骤。本文提出了一种基于深度学习的新型方法，通过结合空间-光谱深度卷积神经网络（HSID-CNN）学习含噪 HSI 与干净 HSI 之间的非线性端到端映射。所提网络同时利用了空间与光谱信息。此外，分别采用多尺度特征提取与多级特征表示来捕获多尺度空间-光谱特征，并融合不同层级的特征表示以用于最终复原。模拟与真实数据实验表明，所提 HSID-CNN 在定量评价指标、视觉效果及 HSI 分类精度上均优于许多主流方法。
引用
@article{arxiv.1806.00183,
title = {Hyperspectral Image Denoising Employing a Spatial-Spectral Deep Residual Convolutional Neural Network},
author = {Qiangqiang Yuan and Qiang Zhang and Jie Li and Huanfeng Shen and Liangpei Zhang},
journal= {arXiv preprint arXiv:1806.00183},
year = {2018}
}
备注
Accepted by IEEE TGRS, available codes: https://github.com/WHUQZhang/HSID-CNN