这次阅读的是篇英文文献,web of science 上下载的。
英文名是<Coupled Convolutional Neural Network With Adaptive Response Function Learning for Unsupervised Hyperspectral Super Resolution>,翻译过来就是《基于自适应响应函数学习的无监督高光谱超分辨率耦合卷积神经网络》。
原文摘要:
摘要就不贴英文了,中文翻译如下(翻译不准找有道去):
由于高光谱成像系统的限制,高光谱图像的空间分辨率往往较低,阻碍了图像的许多应用。高光谱超分辨率是指将HSI和MSI融合,生成既具有高空间分辨率又具有高光谱分辨率的图像。近年来,人们提出了一些新的方法来解决这一问题,这些方法大都假设点扩展函数(PSF)和谱响应函数(SRF)的先验信息已知。然而,在实践中,这些信息往往是有限的或不可用的。本文提出了一种基于深度学习的无监督融合方法HyCoNet,该方法可以在不需要先验PSF和SRF信息的情况下解决HSI和MSI融合问题。HyCoNet由三个耦合的自编码器网组成,其中HSI和MSI在线性分离模型的基础上被分离成端元和丰度。设计了两个特殊的卷积层作为与三个自编码网络协调的桥梁,在训练过程中,在两个卷积层中自适应学习PSF和SRF参数。此外,该方法由联合损失函数驱动,以端到端训练的方式易于实现。实验结果表明,该方法对不同的数据集和任意的PSF和SRF具有良好的鲁棒性。
关键词:高光谱图像,超分辨率,耦合卷积神经网络,自动编码器,自适应学习
摘要名词解释:
Hyperspectral imagery (HSI):高空间分辨率;
Multispectral imagery(MSI):高光谱分辨率;
Point Spread Function (PSF):点扩展函数;
Spectral Response Function (SRF):谱响应函数;
(吐槽一下,这篇英文摘要里没有对MSI做解释,在我们课题组肯定是不允许的)
摘要鉴赏:
摘要里我们就可以看出来了,题目中提到的无监督耦合卷积神经网络就是HyCoNet这么个东西了,你问我这个网络是什么,我也不知道啊,不过摘要里提了以下几个特征:
1、由三个耦合的自编码器网组成,完成的是将HSI与MSI分离成了端元和丰度的任务。(同学甲:什么是端元和丰度?作者:endmembers and abundances,拿走不谢!同学甲:。。。)
2、三个自编码器使用了两个特殊的卷积层连结(上面的耦合),同时在训练过程中俩卷积自适应学习PSF和SRF参数(无监督)。
3、由联合损失函数驱动,端到端的实现方式。(都无监督了,可不端到端了)
就这么多,拜拜
(同学乙:你这读了个锤子!!)
文章链接:
arvix方式:2007.14007.pdf (arxiv.org)https://arxiv.org/pdf/2007.14007.pdf