用于高光谱图像去噪的混合注意力网络
计算机视觉与模式识别
2023-01-30 v1 机器学习
图像与视频处理
摘要
高光谱图像去噪的独特性在于应恰当考虑高度相似且相关的光谱信息。然而，现有方法在挖掘不同波段间的光谱相关性及每波段内特征交互方面存在局限。此外，低层与高层特征通常对不同空间-光谱区域表现出不同重要性，当前算法亦未充分探索这一点。本文提出一种混合注意力网络（MAN），同时考虑谱间与谱内相关性以及低层与高层空间-光谱有意义特征间的交互。具体而言，我们引入多头循环光谱注意力，高效整合所有光谱波段间的谱间特征。这些特征通过渐进式光谱通道注意力进一步增强，以探索谱内关系。此外，我们提出注意力跳跃连接，自适应控制来自编码器与解码器的低层与高层空间-光谱特征比例，以更好地增强聚合特征。大量实验表明，在模拟与真实噪声设置下，我们的MAN优于现有最先进方法，同时保持较低的参数量与运行时间开销。
引用
@article{arxiv.2301.11525,
title = {Mixed Attention Network for Hyperspectral Image Denoising},
author = {Zeqiang Lai and Ying Fu},
journal= {arXiv preprint arXiv:2301.11525},
year = {2023}
}
备注
Code is available at https://github.com/Zeqiang-Lai/MAN. arXiv admin note: text overlap with arXiv:2211.14811