.png){kind=icon}
返回
A Self-Supervised Conditional Diffusion Network With Multihead Wavelet Attention for Remote Sensing Image Denoising
.png){kind=icon}
OA
AI
DOI：10.1109/JSTARS.2026.3664428.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
高光谱遥感图像（HSIs）在采集过程中不可避免地会受到多种噪声源的干扰，包括高斯噪声、脉冲噪声和条纹噪声，这些噪声严重降低了后续解译任务的可靠性。为解决现有去噪方法的局限性，包括其对配对干净参考数据的依赖以及难以同时保留全局结构和恢复局部细节的困难，我们提出了一种基于条件扩散的自监督去噪网络，称为DM-WAN。具体而言，DM-WAN将细节特征提示策略融入扩散去噪过程，其中引入了一种时变特征调制机制，用于动态增强边缘和纹理信息。此外，设计了一种多头小波注意力机制，以利用小波分解的频带分离能力，使模型能够在不同频带中捕捉全局结构和局部细节，从而实现协同的多尺度特征融合和结构保持重建。在训练过程中，通过从退化图像构建伪监督对采用自监督学习范式，消除了对配对真值监督的依赖。实验结果表明，所提出的方法在各种合成噪声和真实噪声场景下，在细节保持、结构一致性和去噪鲁棒性方面均表现出优异性能，验证了DM-WAN在高光谱图像去噪中的有效性。
Keyword:
Hyperspectral remote sensing
image denoising
self-supervised learning
wavelet attention
期刊
IF:
5.3
论文数:
1.9K
被引数:
3.0W
机构
引用论文
DDS2M: Self-Supervised Denoising Diffusion Spatio-Spectral Model for Hyperspectral Image RestorationOAAI
OAAI分享收藏Hyperspectral Image Denoising Employing a Spatial-Spectral Deep Residual Convolutional Neural Network基于空间光谱深度残差卷积神经网络的高光谱图像去噪
OAAI
OAAI分享收藏Hierarchical wavelet-guided diffusion model for single image deblurring用于单幅图像去模糊的分层小波引导扩散模型.png)
VISUAL COMPUTER
VISUAL COMPUTERIF2.9
PREAI
分享收藏Wavelet and Adaptive Coordinate Attention Guided Fine-Grained Residual Network for Image Denoising小波和自适应坐标注意力引导的细粒度残差网络用于图像去噪
PREAI
分享收藏Dynamic Adaptive Attention-Guided Self-Supervised Single Remote-Sensing Image Denoising动态自适应注意力引导的自监督单幅遥感图像去噪
PREAI
分享收藏
查看更多内容