典型文献
融合空谱-梯度特征的深度高光谱图像去噪
文献摘要：
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％.
文献关键词：
高光谱图像;去噪;空谱网络;梯度网络;密集连接;可分离卷积
中图分类号：
作者姓名：
李忠伟;张浩;王雷全;任广波;崔行帅
作者机构：
中国石油大学(华东)海洋与空间信息学院,山东青岛266580
文献出处：
引用格式：
[1]李忠伟;张浩;王雷全;任广波;崔行帅-.融合空谱-梯度特征的深度高光谱图像去噪)[J].光学精密工程,2022(05):615-629
A类：
空谱网络,梯度网络
B类：
梯度特征,高光谱图像,图像采集,采集过程,图像去噪方法,空谱特征,网络使用,密集跳跃连接,可分离卷积,模型实现,噪声特征,声纹,纹理特征,干净,噪声图像,真实噪声,验证方法,噪声标准,下去,比达,dB,结构相似性,支持向量机算法,分类精度,密集连接
AB值：
0.279021
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
