Multi-scale Adaptive Fusion Network for Hyperspectral Image Denoising

要約

タイトル：ハイパースペクトル画像のノイズ除去のための多スケール適応融合ネットワーク

要約：
– ハイパースペクトル画像（HSI）のノイズ除去と視覚品質の改善は、学界や産業界において課題である。
– HSIのノイズ除去において、ローカル、グローバル、またはスペクトルコンテキスト情報を利用するための多大な努力がなされてきたが、既存の手法には多数の制限がある。
– この問題を解決するために、著者らはMulti-scale Adaptive Fusion Network（MAFNet）を用いた新しい解決策を提案する。
– 2つの主要な要素（プログレッシブなマルチスケール情報集約ネットワークと共同注意融合モジュール）がHSIのノイズ除去を改善するために貢献している。
– 1つ目の要素は、複数のスケール画像を生成し、粗い融合ネットワークにフィードし、コンテキストのテクスチャ相関を利用することである。
– 2つ目の要素は、平行なマルチスケールサブネットワーク間で情報を交換するために、ファイン融合ネットワークに続くことである。
– 加えて、著者らは共同注意融合モジュールを設計し、異なるスケールの重要な特徴を自動的に強調することで、ノイズ除去のための識別的学習能力を向上させる。
– 合成および実際のHSIデータセットにおける広範な実験により、提案されたMAFNetが他の最先端の技術よりも優れたノイズ除去性能を発揮することが示された。
– 詳細のコードは\verb’https://github.com/summitgao/MAFNet’で入手可能である。

要約(オリジナル)

Removing the noise and improving the visual quality of hyperspectral images (HSIs) is challenging in academia and industry. Great efforts have been made to leverage local, global or spectral context information for HSI denoising. However, existing methods still have limitations in feature interaction exploitation among multiple scales and rich spectral structure preservation. In view of this, we propose a novel solution to investigate the HSI denoising using a Multi-scale Adaptive Fusion Network (MAFNet), which can learn the complex nonlinear mapping between clean and noisy HSI. Two key components contribute to improving the hyperspectral image denoising: A progressively multiscale information aggregation network and a co-attention fusion module. Specifically, we first generate a set of multiscale images and feed them into a coarse-fusion network to exploit the contextual texture correlation. Thereafter, a fine fusion network is followed to exchange the information across the parallel multiscale subnetworks. Furthermore, we design a co-attention fusion module to adaptively emphasize informative features from different scales, and thereby enhance the discriminative learning capability for denoising. Extensive experiments on synthetic and real HSI datasets demonstrate that the proposed MAFNet has achieved better denoising performance than other state-of-the-art techniques. Our codes are available at \verb’https://github.com/summitgao/MAFNet’.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI