SSCAN：一种用于高光谱图像去噪的空间-光谱交叉注意力网络
图像与视频处理
2022-02-16 v1 计算机视觉与模式识别
摘要
高光谱图像（HSIs）因其所能提供的丰富光谱信息而广泛应用于多种任务。在所有HSI处理任务中，HSI去噪是关键一步。近来，基于深度学习的图像去噪方法取得重大进展与优异性能。然而，现有方法往往忽略相邻光谱带间的相关性，导致去噪结果出现光谱失真与边缘模糊等问题。本研究提出一种结合分组卷积与注意力模块的新型HSI去噪网络，称为SSCAN。具体而言，我们使用带空间注意力模块的分组卷积，通过将模型注意力导向逐带重要特征来促进特征提取。我们提出空间-光谱注意力块（SSAB），以有效利用高光谱图像中的空间与光谱信息。此外，我们采用带跳跃连接的残差学习操作以确保训练稳定性。实验结果表明，所提SSCAN优于若干最先进（SOTA）的HSI去噪算法。
引用
@article{arxiv.2105.10949,
title = {SSCAN: A Spatial-spectral Cross Attention Network for Hyperspectral Image Denoising},
author = {Zhiqiang Wang and Zhenfeng Shao and Xiao Huang and Jiaming Wang and Tao Lu and Sihang Zhang},
journal= {arXiv preprint arXiv:2105.10949},
year = {2022}
}
备注
5 pages, 5 figures, submitted to IEEE Signal Processing Letters