使用可分离图像先验的自监督高光谱图像恢复
图像与视频处理
2019-07-02 v1 计算机视觉与模式识别
摘要
使用卷积神经网络的监督学习被认为是图像恢复的有力手段。然而，大多数此类方法被设计用于应用于灰度和/或彩色图像；因此，当应用于高光谱图像恢复时，它们的成功有限。这部分是因为大型数据集难以收集，同时也因为恢复具有许多光谱带的图像带来了沉重的计算负荷。为了解决这一困难，我们提出了一种新颖的自监督学习策略，以应用于高光谱图像恢复。我们的方法从单张退化图像中自动创建训练数据集，并在没有任何清晰图像的情况下训练去噪网络。我们方法的另一个显著特征是使用了可分离卷积层。我们进行实验证明，使用可分离网络使我们能够获取高光谱图像的先验并实现高效恢复。我们通过大量实验证明了该方法的有效性，并表明我们的方法具有优于目前被认为是 state-of-the-art 的方法的特性。
引用
@article{arxiv.1907.00651,
title = {Self-supervised Hyperspectral Image Restoration using Separable Image Prior},
author = {Ryuji Imamura and Tatsuki Itasaka and Masahiro Okuda},
journal= {arXiv preprint arXiv:1907.00651},
year = {2019}
}