自监督高光谱图像修复的等变成像
本文介绍了一种称为 Low Rank 和 Sparsity Constraint Plug-and-Play(LRS-PnP)的新型 HSI 缺失像素预测算法,并通过将 LRS-PnP 与 Deep Image Prior(DIP)结合成为一种自监督模型,称为 LRS-PnP-DIP,实现了与其他基于学习方法相比的先进修补性能或者超越它们的性能。
Jun, 2023
本文介绍了两种新型的自我监督高光谱图像修复算法:低秩和稀疏约束插入并播放(LRS-PnP),以及其扩展 LRS-PnP-DIP,其具有强大的学习能力,但仍然不需要外部训练数据。该算法能够稳定地收敛,并具有实际应用价值。广泛的实验表明,所提出的解决方案能够产生视觉和定性上优于现有方法的图像修复结果。
Jun, 2023
本研究提出了一种半监督深度自监督预训练方法来解决高光谱图像分类中存在的维度灾难和对大量样本数据需求的问题,通过伪标签来加强半监督训练效果,实验结果表明该方法优于自监督和监督方法。
Jun, 2023
该文介绍了两种非常快和竞争性强的高光谱图像复原算法:FastHyDe 和 FastHyIn,这两种算法充分利用了极度紧凑和稀疏的 HSI 表示,与最先进的方法相比,具有更低的计算复杂度。
Mar, 2021
透视等价成像(EI)是一个框架,利用光学相机成像系统(例如卫星或手持相机)中的透视可变性来恢复失去的信息,它在多光谱全色增强方面取得了最先进的结果,在卫星和城市图像数据上胜过了文献中的其他无监督方法。
Mar, 2024
通过引入包含不同应用领域(食品检查、遥感和回收)的创新基准数据集,本研究解决了目标数据集规模有限的限制,从而促进了高光谱图像模型能力的全面评估,并提供了最先进技术的深入研究和更加稳定的训练流程。
Sep, 2023
本文设计了一个基于互信息的算法,与最陡上升算法相结合,以提高对 HSI 分类有用的相关波段的对称不确定性系数策略的特征选择工具和包装器策略,以控制冗余和提高对人工智能的理解和适应。
Oct, 2022
该研究介绍了一种基于凸优化的构建高分辨率 HSI 和高分辨率 MSI 综合图像的数据融合方法,使用向量全变差作为正则化项,通过 Split Augmented Lagrangian Shrinkage Algorithm(SALSA)算法实现优化,取得了优于现有算法的效果。
Nov, 2014