用于高光谱图像去噪的谱增强矩形Transformer
计算机视觉与模式识别
2023-04-04 v1 图像与视频处理
摘要
去噪是高光谱图像（HSI）应用中的关键步骤。尽管深度学习的强大能力已被证实，现有HSI去噪方法在捕获非局部自相似性方面存在局限。Transformer已展现出捕获长程依赖的潜力，但专门设计的Transformer用于建模HSI中空间与光谱相关性的尝试甚少。本文通过提出谱增强矩形Transformer解决这些问题，使其探索HSI的非局部空间相似性与全局光谱低秩特性。对于前者，我们利用矩形自注意力在水平和垂直方向上捕获空间域中的非局部相似性。对于后者，我们设计了一个谱增强模块，能够提取空间-光谱立方体的全局潜在低秩特性以抑制噪声，同时实现非重叠空间矩形之间的交互。在合成噪声HSI和真实噪声HSI上进行了大量实验，表明所提方法在客观指标和主观视觉质量方面的有效性。代码见 https://github.com/MyuLi/SERT。
引用
@article{arxiv.2304.00844,
title = {Spectral Enhanced Rectangle Transformer for Hyperspectral Image Denoising},
author = {Miaoyu Li and Ji Liu and Ying Fu and Yulun Zhang and Dejing Dou},
journal= {arXiv preprint arXiv:2304.00844},
year = {2023}
}