多尺度自适应融合网络用于高光谱图像去噪
图像与视频处理
2023-04-20 v1 计算机视觉与模式识别
摘要
去除噪声并改善高光谱图像（HSIs）的视觉质量在学术界与工业界均具挑战性。已有大量工作利用局部、全局或光谱上下文信息进行 HSI 去噪。然而，现有方法在多尺度间的特征交互挖掘以及丰富光谱结构保持方面仍存在局限。有鉴于此，我们提出一种基于多尺度自适应融合网络（MAFNet）的新方案来研究 HSI 去噪，该网络可学习干净与含噪 HSI 之间的复杂非线性映射。两个关键组件有助于提升高光谱图像去噪效果：渐进式多尺度信息聚合网络与协同注意力融合模块。具体而言，我们首先生成一组多尺度图像并将其输入粗融合网络以挖掘上下文纹理相关性。随后接入细融合网络，在并行多尺度子网络间交换信息。此外，我们设计协同注意力融合模块来自适应强化来自不同尺度的信息性特征，从而增强去噪的判别学习能力。在合成与真实 HSI 数据集上的大量实验表明，所提 MAFNet 取得了优于其他 SOTA 技术的去噪性能。我们的代码见 \verb'https://github.com/summitgao/MAFNet'。
引用
@article{arxiv.2304.09373,
title = {Multi-scale Adaptive Fusion Network for Hyperspectral Image Denoising},
author = {Haodong Pan and Feng Gao and Junyu Dong and Qian Du},
journal= {arXiv preprint arXiv:2304.09373},
year = {2023}
}
备注
IEEE JSTASRS 2023, code at: https://github.com/summitgao/MAFNet