Eigenimage2Eigenimage (E2E):一个自我监督的深度学习网络,用于超光谱图像去除

科学领域:

• 遥感 遥感 遥感 遥感
• 图像处理 图像处理
• 深度学习 (Deep Learning) 是一种深度学习.

背景情况:

• 深度学习无效化器需要广泛的配对噪音清洁数据,这对于高光谱图像 (HSI) 很少.
• 现有的方法难以应对高质量信息的高维度和光谱冗余.

研究的目的:

• 开发一种自我监督的学习框架,用于超光谱图像消毒.
• 为了实现有效的HSI无声化,而不需要配对的噪音清洁训练数据.

主要方法:

• 提出了Eigenimage2Eigenimage (E2E) 框架,将HSI排斥转化为自身形象排斥.
• 开发了一种自我监督的学习策略,以从单个噪音高频传输器生成噪音-噪音配对的训练数据.
• 应用了E2E框架,在没有对频谱频段数量的限制的情况下,拒绝HSI.

主要成果:

• 在E2E框架中,只使用噪音数据成功训练了一个denoiser.
• 实验结果表明,与现有的基于深度学习的HSI解密方法相比,其性能优越.
• 该方法有效地在不同频谱频段计数中表示HSI.

结论:

• 自主监督学习提供了一个可行的解决方案,用于在没有清洁数据的情况下拒绝HSI.
• E2E框架提供了一种强大而灵活的方法,用于超光谱图像无色化.
• 拟议的方法推进了远程传感图像分析中的深度学习应用.