Mixture-Net：受混合模型启发的低秩深度图像先验用于光谱图像恢复
计算机视觉与模式识别
2022-11-08 v1 图像与视频处理
摘要
本文提出一种非数据驱动的深度神经网络，用于光谱图像恢复问题，如去噪、单幅高光谱图像超分辨率与压缩光谱成像重建。与以往方法不同，所提方法称为 Mixture-Net，通过网络隐式学习先验信息。Mixture-Net 由一个深度生成模型构成，其各层受线性与非线性低秩混合模型启发，其中恢复图像由线性与非线性分解的加权和组成。Mixture-Net 还提供低秩分解，可解释为光谱图像丰度与端元，有助于在不运行额外例程的情况下完成遥感任务。实验表明 Mixture-Net 的有效性优于最先进（SOTA）方法，在恢复质量上具有优势且具备架构可解释性。
引用
@article{arxiv.2211.02973,
title = {Mixture-Net: Low-Rank Deep Image Prior Inspired by Mixture Models for Spectral Image Recovery},
author = {Tatiana Gelvez-Barrera and Jorge Bacca and Henry Arguello},
journal= {arXiv preprint arXiv:2211.02973},
year = {2022}
}