一种基于稀疏TRANSFORMER结构的高光谱图像去噪方法技术

本发明专利技术提供的一种基于稀疏TRANSFORMER结构的高光谱图像去噪方法，利用稀疏空谱Transformer去噪网络对高光谱图像的空间‑光谱特征进行联合学习从而帮助去噪。在高光谱图像空间维度，为了应对过于平滑问题，引入局部卷积模块增强空间高频特征细节；同时在光谱维度上提出了Top‑k稀疏自注意力机制，自适应选择最相关的光谱通道信息进行特征交互，从而能够有效捕获不同光谱波段间光谱特征的相关性。通过对高光谱图像空间‑光谱特征的联合学习。本发明专利技术能够根据训练好的网络参数权重对输入的噪声高光谱图像进行高效、高质量的去噪修复操作。

【技术实现步骤摘要】

本专利技术涉及一种基于稀疏transformer结构的高光谱图像去噪方法，属于图像处理。

技术介绍

1、高光谱图像对比彩色图像具有更精细的光谱分辨率，能够获得场景中各空间位置处物体反射的近似光谱曲线，可用于判别地物类型。因此高光谱图像可以广泛应用于遥感、材料识别、农业、医疗诊断和分类等领域。然而在光谱仪捕获过程中，由于低光照、光子效应、大气干扰以及传感器电路影响等原因，高光谱图像常常会受到多种类型噪声的干扰与污染，这对高光谱图像后续分析产生了不利影响。因此，针对高光谱图像的去噪处理是后续高光谱图像进一步分析应用的关键预处理过程。

2、传统的高光谱去噪方法主要是通过高光谱图像一些内在的物理特性提出一个先验正则约束的去噪模型。主要利用的内在物理特性包括低秩先验，非局部相似性，空间-光谱相关性和全局光谱相关性等。尽管这些方法有效的利用了高光谱图像空间和光谱的潜在特征并取得了不错的去噪结果，但是这些方法的最终去噪性能还是取决于手动设置的先验信息与高光谱图像固有物理特性的匹配程度。在另一个方面，这种基于先验模型进行高光谱图像去噪时需要进行多次迭代优化处理本文档来自技高网...

【技术保护点】

1.一种基于稀疏TRANSFORMER结构的高光谱图像去噪方法，其特征在于：包括如下步骤：

2.根据权利要求1所述的一种基于稀疏TRANSFORMER结构的高光谱图像去噪方法，其特征在于：所述稀疏空谱Transformer去噪网络包括：第一卷积层，多个稀疏空谱去噪模块，第二卷积层，第三卷积层；

3.根据权利要求2所述的一种基于稀疏TRANSFORMER结构的高光谱图像去噪方法，其特征在于：所述稀疏空谱去噪模块的个数设置为6个。

4.根据权利要求2所述的一种基于稀疏TRANSFORMER结构的高光谱图像去噪方法，其特征在于：所述稀疏空谱Transform...

【技术特征摘要】

1.一种基于稀疏transformer结构的高光谱图像去噪方法，其特征在于：包括如下步骤：

2.根据权利要求1所述的一种基于稀疏transformer结构的高光谱图像去噪方法，其特征在于：所述稀疏空谱transformer去噪网络包括：第一卷积层，多个稀疏空谱去噪模块，第二卷积层，第三卷积层；

3.根据权利要求2所述的一种基于稀疏transformer结构的高光谱图像去噪方法，其特征在于：所述稀疏空谱去噪模块的个数设置为6个。

4.根据权利要求2所述的一种基于稀疏transformer结构的高光谱图像去噪方法，其特征在于：所述稀疏空谱transformer模块的个数设置为6个。

5.根据权利要求2所述的一种基于稀疏transformer结构的高光谱图像去噪方法，其特征在于：所述空间维度transformer模块包括：窗口划分模块的输出端与第一线性投影运算模块的输入端相连接，第一线性投影运算模块的第一输出端与第二输出端分别与第一矩阵乘法模块的输入端相连接，第一矩阵乘法模块的输出端与位置编码模块的输出端分别与第六残差连接的输入端相连接，第六残差连接的输出端与第一激活函数输入端相连接；第一线性投影运算模块的第三输出端与第五卷积层和第二激活函数相串联；第一激活函数输出端与第一线性投影运算模块的第三输出端分别与第二矩阵乘法模块的输入端相连接，第二矩阵乘法模块的输出端与第二激活函数的输出端分别与第七残差连接的输入端相连接，第七残差连接的输出端与第二线性投影运算模块的输入端相连接，第二线性投影运算模块的输出端与第一窗口恢复模块的输入端相连接。

6.根据权利要求2所述的一种基于稀疏transformer结构的高光谱图像去噪方法，其特征在于：所述光谱维度transf...

【专利技术属性】
技术研发人员：杨智翔，孙玉宝，
申请(专利权)人：南京信息工程大学，
类型：发明
国别省市：