用于高光谱图像去噪的改进准循环神经网络
图像与视频处理
2023-04-04 v2 计算机视觉与模式识别
摘要
高光谱图像因其丰富的光谱波段而独特且有用以,但这也要求对空间-光谱相关性以及沿光谱的全局相关性进行精细处理,以构建鲁棒且强大的 HSI 复原算法。考虑到此类 HSI 特性,三维准循环神经网络(QRNN3D)是已被证明具有优异性能与灵活性的 HSI 去噪网络之一。本文中,我们表明通过少量简单修改即可大幅提升 QRNN3D 性能。我们的修改基于如下发现:尽管 QRNN3D 对建模光谱相关性很强,但其忽视了不同来源特征间的恰当处理且训练策略非最优。因此,我们引入自适应融合模块替代其原始加性跳跃连接,以更好地融合编码器与解码器特征。我们还确定了若干进一步提升性能的重要技巧,包括移除批归一化、使用额外频域损失以及学习率预热。在不同噪声设置下的实验结果证明了我们方法的有效性与优越性能。
引用
@article{arxiv.2211.14811,
title = {Improved Quasi-Recurrent Neural Network for Hyperspectral Image Denoising},
author = {Zeqiang Lai and Ying Fu},
journal= {arXiv preprint arXiv:2211.14811},
year = {2023}
}
备注
The updated version of this paper is accidentally submitted as a new submission at arXiv:2301.11525