面向航天器图像去噪的结构建模无激活傅里叶网络
计算机视觉与模式识别
2025-03-31 v3
摘要
航天器图像去噪是与航空航天研究密切相关的关键基础技术。然而，现有的深度学习图像去噪方法主要为自然图像设计，未充分考虑航天器图像特征（例如低光条件、重复周期性结构），导致在航天器图像去噪任务中表现不佳。为此，我们提出了结构建模无激活傅里叶网络(SAFFN)，这是一种高效的航天器图像去噪方法，包括结构建模块(SMB)和无激活傅里叶模块(AFFB)。我们提出SMB以有效提取边缘信息并建模结构，以更好地识别航天器图像噪声中暗区域的航天器组件。我们提出AFFB并利用改进的快速傅里叶模块提取航天器图像噪声中的重复周期特征和长程信息。大量实验结果表明，SAFFN在航天器噪声图像数据集上与最先进的方法相竞争。代码已公开：https://github.com/shenduke/SAFFN。
引用
@article{arxiv.2409.07067,
title = {Structure Modeling Activation Free Fourier Network for Spacecraft Image Denoising},
author = {Jingfan Yang and Hu Gao and Ying Zhang and Bowen Ma and Depeng Dang},
journal= {arXiv preprint arXiv:2409.07067},
year = {2025}
}
备注
Published in Neurocomputing, 2025