Pan-denoising：基于加权表示系数总变异的引导性高光谱图像去噪
图像与视频处理
2024-09-10 v2 计算机视觉与模式识别
摘要
本文提出了一种新的高光谱图像 (HSI) 去噪范式，称为 pan-denoising。在给定场景中，镀光像 (PAN) 捕获的结构和纹理类似于 HSI，但噪声更少。这使得能够利用 PAN 图像引导 HSI 去噪过程。因此，pan-denoising 由于包含额外的先验条件，有望揭示传统 HSI 去噪方法仅能通过内部信息建模所捕获的潜在结构和细节。然而，正确建模这一额外先验条件是一个重大挑战。为缓解此问题，本文提出了一种新的正则化项：Panchromatic Weighted Representation Coefficient Total Variation (PWRCTV)。它利用 PAN 图像的梯度图为每个像素自动分配不同的 TV 正则化权重，结果使平滑区域获得更大的权重而边缘区域获得较小的权重。该正则化构成了 pan-denoising 模型的基础，可使用交替方向乘子法求解。大量实验在合成数据和真实数据集上表明，PWRCTV 在指标和视觉质量方面优于多个最先进的方法。此外，一个 HSI 分类实验确认了 PWRCTV 作为预处理方法可提升下游分类任务的性能。代码和数据已提供于 https://github.com/shuangxu96/PWRCTV。
引用
@article{arxiv.2407.06064,
title = {Pan-denoising: Guided Hyperspectral Image Denoising via Weighted Represent Coefficient Total Variation},
author = {Shuang Xu and Qiao Ke and Jiangjun Peng and Xiangyong Cao and Zixiang Zhao},
journal= {arXiv preprint arXiv:2407.06064},
year = {2024}
}