AAAIDec, 2023

基于交叉通道空间 - 谱线索的高光谱图像重建

PDF
TL;DR通过对色彩间的相互依赖进行研究，利用嵌入的特征在复合空间中查询通道间的相关性，提出了 CESST 方法，它能够揭示边缘光谱特征，并在所有维度上高效地融合独特和互补信息，大大促进了信息的挖掘与融合，实现了 SOTA 性能。
learning-based hyperspectral reconstructionchromatic inter-dependencieshyperspectral embedding spaceinter-channel correlationsspatio-spectral attention block
发现论文，激发创造
  • 跨范围空间光谱信息聚合用于高光谱图像超分辨率

    通过构建一种跨域空间 - 谱域的转换器来提高超光谱图像的空间分辨率，该转换器能够有效地捕捉远程相关性。

    Nov, 2023

  • 基于敌对网络的 RGB 空间上下文感知光谱图像重建

    本文提出了一种基于生成对抗网络的图像到图像映射方法，用于超光谱自然图像重建，经过定量评估，相对均方根误差降低了 54.0%。

    Sep, 2017

  • 超级彩色化：传播稀疏空间噪声光谱线索，重建高光谱图像

    从灰度引导图像和空间稀疏光谱线索中重构高光谱图像的上色算法，在低秩空间中上色可以减少计算时间和快门噪声的影响，以提高鲁棒性，并超过以往算法在多种性能指标方面，包括 SSIM、PSNR、GFC 和 EMD，这些结果为克服时间 - 空间 - 波长分辨率权衡提供了一种有希望的途径。

    Mar, 2024

  • 多光谱立体影像融合用于 3D 高光谱场景重建

    通过将两个校准的多光谱实时摄像机结合成一个立体系统，我们提出了一种新方法来连续捕捉高光谱数据立方体，实现三维重建和光谱分析，以提高空间分辨率和光谱分辨率的视频流，旨在用于手术辅助监控。

    Dec, 2023

  • 多光谱图像拼接基于空间图推理

    利用图卷积网络模型与多光谱图像融合技术，实现了在不同视角下对多光谱图像进行对齐和集成，生成广角视场的稳定性高、可靠性强的场景。

    Jul, 2023

  • 野外单个 RGB 图像中基于语义嵌入的无监督光谱重建

    该研究提出了一种新颖的轻量级、端到端学习的框架，能够在没有成对的高光谱和 RGB 图像训练数据的情况下，从单个 RGB 图像重建高光谱图像，并在合成和实际数据上实现了更好的性能。

    Aug, 2021

  • 光谱超分辨率的全面关联学习：统一空间光谱注意力与互相线性依赖相遇

    提出了一种新颖的全面关联变换器（Exhaustive Correlation Transformer，ECT）来进行光谱超分辨率，通过整合统一的空间 - 光谱关注力和相互线性依赖，建立了高光谱图像中的全面关联。实验结果表明，这种方法在模拟和真实数据上都达到了最先进的性能。

    Dec, 2023

  • 使用 3-D 卷积神经网络进行多光谱和高光谱图像融合

    本文提出使用三维卷积神经网络（3-D-CNN）的方法来融合多光谱（MS）和高光谱（HS）图像，以获得高分辨率的高光谱图像。在融合之前进行高光谱图像的降维以显著减少计算时间，并使方法对噪声更具鲁棒性。实验结果表明，与传统方法相比，所提出的方法在高光谱图像受加性噪声干扰时尤其表现出色。

    Jun, 2017

  • SpACNN-LDVAE：用于高光谱像素解混的空间注意力卷积潜在狄利克雷变分自编码器

    该研究使用了具有空间注意力的各向同性 CNN 编码器来解决高光谱解混问题，并结合转移学习范式进行了实证评估，结果表明在端元提取和含量估计方面引入空间信息能够改善结果。

    Nov, 2023

  • 基于多重结构嵌入和降维的高光谱图像分类和杂波检测

    利用本文提出的新型方法进行高光谱图像分类与杂波检测，采用了局部线性嵌入（LLE）和结构丰富的表示环境。在两个外部结构层的帮助下，通过特征空间嵌入和参数范围调整，有效克服了高光谱数据本身的不确定性和噪声问题。实验结果表明，该方法可以在样本数量较少的情况下，获得显着的高精度分类结果，以及检测出杂波区域的特征图。

    Jun, 2015