Hyperspectral Image Denoising Employing a Spatial–Spectral Deep Residual Convolutional Neural Network

高光谱成像 人工智能 模式识别(心理学) 计算机科学 卷积神经网络 特征提取 残余物 预处理器 特征(语言学) 降噪 保险丝(电气) 空间分析 深度学习 遥感 算法 地质学 工程类 哲学 电气工程 语言学
作者
Qiangqiang Yuan,Qiang Zhang,Jie Li,Michael K. Ng,Liangpei Zhang
出处
期刊:IEEE Transactions on Geoscience and Remote Sensing [Institute of Electrical and Electronics Engineers]
卷期号:57 (2): 1205-1218 被引量:98
标识
DOI:10.1109/tgrs.2018.2865197
摘要

Hyperspectral image (HSI) denoising is a crucial preprocessing procedure to improve the performance of the subsequent HSI interpretation and applications. In this paper, a novel deep learning-based method for this task is proposed, by learning a nonlinear end-to-end mapping between the noisy and clean HSIs with a combined spatial-spectral deep convolutional neural network (HSID-CNN). Both the spatial and spectral information are simultaneously assigned to the proposed network. In addition, multiscale feature extraction and multilevel feature representation are, respectively, employed to capture both the multiscale spatial-spectral feature and fuse different feature representations for the final restoration. The simulated and real-data experiments demonstrate that the proposed HSID-CNN outperforms many of the mainstream methods in both the quantitative evaluation indexes, visual effects, and HSI classification accuracy.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
1秒前
1秒前
yueyue发布了新的文献求助10
2秒前
3秒前
4秒前
4秒前
5秒前
小巧亦竹发布了新的文献求助20
6秒前
Soin完成签到,获得积分10
6秒前
sunyuhao发布了新的文献求助10
7秒前
谨慎忆安发布了新的文献求助10
7秒前
英俊的铭应助研友_LNoAMn采纳,获得20
8秒前
msd完成签到,获得积分10
8秒前
醍醐不醒发布了新的文献求助10
8秒前
你奈我何完成签到,获得积分10
8秒前
复杂数据线完成签到,获得积分10
8秒前
9秒前
爆米花应助吃颗糖吧采纳,获得10
9秒前
9秒前
双皮奶完成签到,获得积分20
9秒前
10秒前
Bell关注了科研通微信公众号
10秒前
11秒前
爱吃猫的鱼完成签到,获得积分10
12秒前
12秒前
明熙关注了科研通微信公众号
13秒前
ding应助自律的可乐鸡翅采纳,获得30
14秒前
完美世界应助iyiyii采纳,获得10
14秒前
12发布了新的文献求助10
15秒前
bkagyin应助gp_liu采纳,获得10
16秒前
ABS发布了新的文献求助10
16秒前
16秒前
邵邵完成签到,获得积分10
20秒前
21秒前
21秒前
21秒前
上官若男应助LiuRuizhe采纳,获得10
22秒前
22秒前
明亮的书双完成签到,获得积分10
23秒前
24秒前
高分求助中
Evolution 10000
Sustainability in Tides Chemistry 2800
юрские динозавры восточного забайкалья 800
Diagnostic immunohistochemistry : theranostic and genomic applications 6th Edition 500
Chen Hansheng: China’s Last Romantic Revolutionary 500
China's Relations With Japan 1945-83: The Role of Liao Chengzhi 400
Classics in Total Synthesis IV 400
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3149808
求助须知:如何正确求助?哪些是违规求助? 2800840
关于积分的说明 7842296
捐赠科研通 2458378
什么是DOI,文献DOI怎么找? 1308434
科研通“疑难数据库(出版商)”最低求助积分说明 628510
版权声明 601721