像素到丰度的转换：基于 Patch Transformer 的条件生成对抗网络用于高光谱解混
图像与视频处理
2023-12-21 v1 计算机视觉与模式识别
摘要
光谱解混是高光谱图像处理中的一项重大挑战。现有的解混方法利用关于丰度分布的先验知识来求解正则化优化问题，其难点在于选择合适的先验知识以及求解复杂的正则化优化问题。为了解决这些问题，我们提出了一种高光谱条件生成对抗网络方法作为一种通用的解混框架，该框架基于以下假设：从像素到丰度的解混过程可以被视为两种具有内部特定关系的模态之间的转换。所提出的 HyperGAN 由生成器和判别器组成，前者完成从混合高光谱像素块到中心像素对应端元丰度的模态转换，后者用于判别所生成丰度的分布和结构是否与真实丰度一致。我们提出了高光谱图像(HSI) Patch Transformer 作为生成器的主要组件，它利用自适应注意力分数来捕获 HSI 块内部像素的相关性，并以细粒度的方式利用空间-光谱信息以实现解混过程的优化。在合成数据和真实高光谱数据上的实验取得了优于当前最先进竞争方法的显著结果。
引用
@article{arxiv.2312.13127,
title = {Pixel-to-Abundance Translation: Conditional Generative Adversarial Networks Based on Patch Transformer for Hyperspectral Unmixing},
author = {Li Wang and Xiaohua Zhang and Longfei Li and Hongyun Meng and Xianghai Cao},
journal= {arXiv preprint arXiv:2312.13127},
year = {2023}
}