低光照高光谱图像增强

由于高光谱相机传感器在光照不足条件下捕获的能量不充分，低光照高光谱图像（HSIs）通常存在低可见度、光谱失真和各种噪声。已开发了一系列HSI复原方法，但其在增强低光照HSI方面的效果受限。本工作聚焦于低光照HSI增强任务，旨在揭示隐藏在暗区中的空间-光谱信息。为促进低光照HSI处理的发展，我们收集了一个包含室内与室外场景的低光照HSI（LHSI）数据集。基于拉普拉斯金字塔分解与重构，我们开发了一种在LHSI数据集上训练的端到端数据驱动低光照HSI增强（HSIE）方法。鉴于光照与HSI低频分量相关、而纹理细节与高频分量密切相关的观察，所提HSIE被设计为具有两个分支。光照增强分支用于以降分辨率照亮低频分量。高频细化分支用于通过预测的掩码细化高频分量。此外，为改善信息流并提升性能，我们引入了带有残差密集连接的高效通道注意力块（CAB），作为光照增强分支的基本单元。在LHSI数据集上的实验结果证明了HSIE在定量评估指标和视觉效果上的有效性与高效性。根据遥感Indian Pines数据集上的分类性能，下游任务受益于增强后的HSI。数据集与代码可用：\href{https://github.com/guanguanboy/HSIE}{https://github.com/guanguanboy/HSIE}。