融合空谱-梯度特征的深度高光谱图像去噪

摘要

为了去除高光谱图像采集过程中产生的噪声,提升后续图像处理的性能,提出了一种融合空谱-梯度特征的深度高光谱图像去噪方法。它包括空谱特征网络和梯度特征网络,且各网络使用密集跳跃连接和可分离卷积策略进行优化。空谱网络模型实现噪声特征的精确提取,梯度网络模型对噪声纹理特征进行补充,最后基于两个网络的特征提取结果进行融合,实现噪声特征的精准刻画,并用于恢复干净图像。分别在合成噪声图像和真实噪声图像上验证方法的有效性。实验结果表明,该方法在恢复图像内部结构上效果显著,在噪声标准差50的条件下去噪结果的平均信噪比达到29.426 dB,平均结构相似性达到0.9678 dB,去噪结果使用支持向量机算法进行分类,分类精度达到90.89%。