隐性扩散增强矩形变压器用于高光谱图像恢复

科学领域:

• 遥感 遥感 遥感 遥感
• 计算机视觉 计算机视觉
• 图像处理 图像处理

背景情况:

• 超光谱图像 (HSI) 恢复对于各种应用至关重要.
• 当前的深度学习方法与HSI固有的空间非局部自我相似性和光谱低级别属性作斗争.

研究的目的:

• 开发一个先进的深度学习模型用于HSI恢复.
• 为了解决捕捉高质量证券的空间和光谱特征的局限性.

主要方法:

• 提出了一个潜在的扩散增强矩形变压器架构.
• 引入了多形状空间矩形自我注意模块,用于非局部空间相似性.
• 开发了一种光谱隐性扩散增强模块,用于使用扩散模型进行低级别的属性提取.

主要成果:

• 在四个HSI修复任务中表现出卓越的性能:消除噪音,超分辨率,重建和涂漆.
• 在客观指标和主观视觉质量方面取得了显著的改进.
• 在不同的HSI数据集上验证了模型的有效性.

结论:

• 拟议的方法通过利用空间非局部相似性和光谱低等级属性,有效地恢复HSI.
• 扩散模型的整合增强了特定于HSI的潜在低级特征的表示.
• 这种方法为先进的HSI恢复技术提供了一个有希望的方向.