• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Neural Networks and Learning Systems, IEEE Transactions on >3-D Quasi-Recurrent Neural Network for Hyperspectral Image Denoising
【24h】

3-D Quasi-Recurrent Neural Network for Hyperspectral Image Denoising

机译：高光谱图像去噪的3-D准反复性神经网络

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In this article, we propose an alternating directional 3-D quasi-recurrent neural network for hyperspectral image (HSI) denoising, which can effectively embed the domain knowledge—structural spatiospectral correlation and global correlation along spectrum (GCS). Specifically, 3-D convolution is utilized to extract structural spatiospectral correlation in an HSI, while a quasi-recurrent pooling function is employed to capture the GCS. Moreover, the alternating directional structure is introduced to eliminate the causal dependence with no additional computation cost. The proposed model is capable of modeling spatiospectral dependence while preserving the flexibility toward HSIs with an arbitrary number of bands. Extensive experiments on HSI denoising demonstrate significant improvement over the state-of-the-art under various noise settings, in terms of both restoration accuracy and computation time. Our code is available at https://github.com/Vandermode/QRNN3D .
机译：在本文中，我们提出了一种用于高光谱图像（HSI）去噪的交替定向3-D准反复性神经网络，其能够有效地嵌入沿频谱（GCS）的域知识结构季节性谱相关和全局相关性。具体地，利用3-D卷积来提取HSI中的结构季节性谱相关，而采用准反复间汇集功能来捕获GCS。此外，引入交替方向结构以消除不具有额外计算成本的因果依赖性。所提出的模型能够建模季间谱依赖性，同时保留具有任意数量的频带的HSI的灵活性。关于HSI Denoising的广泛实验，在恢复精度和计算时间方面，在各种噪声环境下对本领域的最新技术表现出显着改善。我们的代码在 https： //github.com/vandermode/qrn3d 。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号