Deep Spatial-Spectral Global Reasoning Network for Hyperspectral Image Denoising

计算机科学 高光谱成像 人工智能 降噪 特征(语言学) 模式识别(心理学) 空间分析 卷积(计算机科学) 像素 噪音(视频) 人工神经网络 图像(数学) 遥感 语言学 地质学 哲学
作者
Xiangyong Cao,Xueyang Fu,Chen Xu,Deyu Meng
出处
期刊:IEEE Transactions on Geoscience and Remote Sensing [Institute of Electrical and Electronics Engineers]
卷期号:60: 1-14 被引量:79
标识
DOI:10.1109/tgrs.2021.3069241
摘要

Although deep neural networks (DNNs) have been widely applied to hyperspectral image (HSI) denoising, most DNN-based HSI denoising methods are designed by stacking convolution layer, which can only model and reason local relations, and thus ignore the global contextual information. To address this issue, we propose a deep spatial-spectral global reasoning network to consider both the local and global information for HSI noise removal. Specifically, two novel modules are proposed to model and reason global relational information. The first one aims to model global spatial relations between pixels in feature maps, and the second one models the global relations across the channels. Compared to traditional convolution operations, the two proposed modules enable the network to extract representations from new dimensions. For the HSI denoising task, the two modules, as well as the densely connected structures, are embedded into the U-Net architecture. Thus, the new-designed global reasoning network can help tackle complex noise by exploiting multiple representations, e.g., hierarchical local feature, global spatial coherence, cross-channel correlation, and multi-scale abstract representation. Experiments on both synthetic and real HSI data demonstrate that our proposed network can obtain comparable or even better denoising results than other state-of-the-art methods.
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
liyuxuan发布了新的文献求助10
刚刚
田様应助橙花采纳,获得80
刚刚
guantlv发布了新的文献求助10
1秒前
Hcw0525发布了新的文献求助10
1秒前
3秒前
无私绿兰完成签到 ,获得积分10
4秒前
小闵完成签到,获得积分10
4秒前
5秒前
Hcw0525完成签到,获得积分10
7秒前
欣慰的盼芙完成签到 ,获得积分10
7秒前
guantlv完成签到,获得积分10
8秒前
DXM完成签到 ,获得积分10
10秒前
jiaozhiping完成签到,获得积分10
10秒前
仁爱发卡发布了新的文献求助10
11秒前
crystal完成签到,获得积分10
11秒前
俏皮芹完成签到,获得积分10
12秒前
丘比特应助syy采纳,获得10
13秒前
13秒前
干净海秋完成签到 ,获得积分10
13秒前
14秒前
17秒前
圣诞节开敞空间阿是不开机完成签到 ,获得积分10
17秒前
大气的如天完成签到 ,获得积分10
17秒前
mochalv123完成签到 ,获得积分10
18秒前
杏林靴子发布了新的文献求助10
18秒前
19秒前
gaoshen完成签到,获得积分10
21秒前
海不扬波完成签到,获得积分10
22秒前
寻道图强应助落尘采纳,获得50
22秒前
闫栋完成签到 ,获得积分10
23秒前
成就小懒猪完成签到 ,获得积分10
24秒前
24秒前
jihui给jihui的求助进行了留言
25秒前
狂吃五碗饭完成签到,获得积分10
25秒前
26秒前
26秒前
乐乐乐乐乐乐完成签到,获得积分10
29秒前
hahahah完成签到,获得积分10
29秒前
Eri_SCI完成签到 ,获得积分10
30秒前
科目三应助追寻的寻真采纳,获得10
30秒前
高分求助中
Sustainability in Tides Chemistry 2800
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
Rechtsphilosophie 1000
Bayesian Models of Cognition:Reverse Engineering the Mind 888
Handbook of Qualitative Cross-Cultural Research Methods 600
Very-high-order BVD Schemes Using β-variable THINC Method 568
Chen Hansheng: China’s Last Romantic Revolutionary 500
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 3137214
求助须知:如何正确求助?哪些是违规求助? 2788251
关于积分的说明 7785413
捐赠科研通 2444284
什么是DOI,文献DOI怎么找? 1299869
科研通“疑难数据库(出版商)”最低求助积分说明 625639
版权声明 601023