May, 2024

RSHazeDiff: 远程感知图像除雾的统一傅里叶感知扩散模型

PDF
TL;DR提出了一种新的统一的傅立叶感知扩散模型（RSHazeDiff）用于遥感图像去雾，通过改进 DDPM 的训练阶段、采用频率信息作为先验知识以及设计全局补偿学习模块等方式，有效提高了图像质量、保留了更多细节和颜色保真度。
haze removalremote sensing imagesdenoising diffusion probabilistic modelimage details restorationfourier-aware diffusion model
发现论文，激发创造
  • 高质量图像去雾扩散模型

    提出了 DehazeDDPM：基于 DDPM 和物理感知的图像去雾框架，适用于复杂的浑浊场景，通过利用大气散射模型（ASM）进行物理建模，并与 DDPM 的强大生成能力相结合，补偿因浓雾引起的巨大信息损失。实验证明，该方法在合成和真实世界的浑浊数据集上取得了最先进的性能。

    Aug, 2023

  • 遥感图像去雾的编码器最小化和解码器最小化框架

    提出了一种用于远程感知图像去雾的编码器极简和解码器极简框架 RSHazeNet，采用内层转置融合模块 (ITFM) 进行特征融合，采用跨层多视图交互模块 (CMIM) 和多视图渐进提取块 (MPEB) 增强特征学习，并通过大量实验证明了该方法的卓越性能。

    Dec, 2023

  • DocDiff: 通过剩余扩散模型增强文档

    提出了一种名为 DocDiff 的基于扩散的框架，用于解决文档图像退化问题，包括去模糊、去噪和去水印，采用回归和扩散模型结合的方法来处理文档图像的高频信息，已在多个基准数据集上取得了最先进的性能（SOTA）表现。

    May, 2023

  • TDiffDe：一种用于遥感高光谱图像去噪的截断扩散模型

    本研究提出了一种被称为 TDiffDe 的截断扩散模型，用于逐步恢复高光谱图像中的有用信息，从而解决由于传感器设备和成像环境引起的噪声问题。

    Nov, 2023

  • 适频扩散模型用于实景去雾

    基于条件扩散模型的去雾方法利用深度学习，通过降低频谱偏差和模拟多样化的雾气，显著改进了真实世界图像去雾的效果。

    Aug, 2023

  • SSDiff: 遥感全色增强的空间光谱综合扩散模型

    这篇论文介绍了一种用于遥感全色增强任务的空间 - 光谱集成扩散模型 (SSDiff)，该模型通过子空间分解的视角将全色增强过程视为空间和光谱成分的融合过程。SSDiff 利用空间和光谱分支分别学习空间细节和光谱特征，然后采用设计的交替投影融合模块 (APFM) 来完成融合。此外，文章还提出了一种调制频率分布的分支间频率调制模块 (FMIM)。SSDiff 的两个组件通过一种类似分支交替微调方法的低秩适应 (LoRA) 来优化性能，更充分地捕捉分量区分特征。对 WorldView-3、WorldView-2、GaoFen-2 和 QuickBird 四个常用数据集进行的大量实验在视觉和定量上证明了 SSDiff 的优越性。

    Apr, 2024

  • 自适应语义增强去噪扩散概率模型在遥感图像超分辨率中的应用

    提出了一种自适应语义增强的 DDPM 模型，通过引入 Transformer 来提高 DDPM 的保留细节能力，解决了噪声生成过程中的高频细节重建问题，并通过残差特征融合策略在多个层次上实现了两个解码器之间的信息交换，进而在超分辨率和下游应用中取得了出色的性能。

    Mar, 2024

  • 感知和建模密度是图像去雾所需要的全部

    使用深度神经网络中的 Separable Hybrid Attention（SHA）模块，联合密度图来建模全球雾的密集度分布，有效地处理了雾的影响，使新的去雾网络架构的性能优于当前所有技术，从而在图像去雾领域取得了最佳性能。

    Nov, 2021

  • 双扩散：用于 RSI 中盲超分辨率重建的双条件去噪扩散概率模型

    本文介绍了一种基于双条件去噪扩散概率模型的盲超分辨率重建框架，围绕核估计和重构进度引入了双向扩散，通过构建基于 DDPM 的核预测器和重建器实现了从 LR 图像到 HR 图像的映射，实验结果证明了我们提出的方法在盲超分辨率重建方面的优越性。

    May, 2023

  • 基于区域降噪扩散概率模型的 SAR 去斑

    SAR 影像消斑技术的新方法 R-DDPM，基于生成模型，通过区域去噪扩散概率模型实现了多尺度合成孔径雷达（SAR）影像的消斑，具有优于现有方法的卓越性能。

    Jan, 2024