面向高光谱图像去噪的迭代低秩网络
计算机视觉与模式识别
2025-09-03 v1
摘要
高光谱图像（HSI）去噪是后续任务的关键预处理步骤。干净的 HSI 通常驻留在低维子空间中，可通过低秩和稀疏表示来捕获，已知这是 HSI 的物理先验。如何在有效去噪的同时保留图像细节，一直是具有挑战性的难题。本文引入一种新型迭代低秩网络（ILRNet）以解决这些挑战。ILRNet 将模型驱动方法和数据驱动方法的优势融合在一起，在 U-Net 架构中嵌入一种秩最小化模块（RMM）。该模块将特征图转换到小波域，并在前向传播过程中对低频分量应用奇异值阈值（SVT），利用 HSI 在特征域中的谱低秩性。该参数与奇异向量阈值算法的超参数密切相关，可从数据中自适应学习，从而灵活且有效地捕获不同情景下的低秩性。此外，ILRNet 具备一种迭代细化过程，自适应地将中间去噪后的 HSI 与原始噪声输入进行组合。这种方式确保了渐进式的增强和对图像细节的卓越保留。实验结果表明，ILRNet 在合成噪声和真实噪声移除任务中均实现了最佳性能。
引用
@article{arxiv.2509.00356,
title = {Iterative Low-rank Network for Hyperspectral Image Denoising},
author = {Jin Ye and Fengchao Xiong and Jun Zhou and Yuntao Qian},
journal= {arXiv preprint arXiv:2509.00356},
year = {2025}
}