基于优化启发的深度神经网络先验的自监督高光谱修复
图像与视频处理
2023-07-24 v3 计算机视觉与模式识别
机器学习
摘要
高光谱图像（HSI）覆盖数百或数千个窄光谱波段，传达丰富的空间与光谱信息。然而，由于仪器误差和大气变化，实际获取的高光谱图像常被噪声和死像素（线）污染，导致信息缺失，可能严重损害后续应用。我们在此提出一种新颖的高光谱图像缺失像素预测算法，称为低秩与稀疏约束即插即用（LRS-PnP）。研究表明，即使图像的所有光谱波段均缺失，LRS-PnP 也能预测缺失的像素和波段。所提出的 LRS-PnP 算法进一步通过与深度图像先验（DIP）结合扩展为一种自监督模型，称为 LRS-PnP-DIP。在一系列真实数据实验中，研究表明 LRS-PnP-DIP 相较于其他基于学习的方法要么达到了最先进的修复性能，要么优于它们。
引用
@article{arxiv.2306.07308,
title = {Self-Supervised Hyperspectral Inpainting with the Optimisation inspired Deep Neural Network Prior},
author = {Shuo Li and Mehrdad Yaghoobi},
journal= {arXiv preprint arXiv:2306.07308},
year = {2023}
}
备注
Presented in ISCS23