用于高光谱图像去噪的空间-光谱 Transformer
计算机视觉与模式识别
2022-11-28 v1 图像与视频处理
摘要
高光谱图像（HSI）去噪是后续 HSI 应用的关键预处理步骤。遗憾的是，尽管见证了深度学习在高光谱图像去噪领域的发展，现有的基于卷积的方法面临着计算效率与建模 HSI 非局部特性能力之间的权衡。在本文中，我们提出一种空间-光谱 Transformer（SST）来缓解该问题。为充分挖掘空间维度和光谱维度中的内在相似特性，我们利用 Transformer 架构进行非局部空间自注意力和全局光谱自注意力。基于窗口的空间自注意力关注邻近区域之外的空间相似性。而光谱自注意力则利用了高度相关波段之间的长程依赖。实验结果表明，我们提出的方法在定量质量和视觉结果上均优于当前最优（SOTA）的 HSI 去噪方法。
引用
@article{arxiv.2211.14090,
title = {Spatial-Spectral Transformer for Hyperspectral Image Denoising},
author = {Miaoyu Li and Ying Fu and Yulun Zhang},
journal= {arXiv preprint arXiv:2211.14090},
year = {2022}
}