matlab 高光谱图像波段显示_高光谱图像去噪：SDeCNN算法

原文题目：A Single Model CNN for Hyperspectral Image Denoising

去噪是高光谱图像分析和解释之前常用的预处理步骤。传统的方法没有考虑到相邻波段间的高光谱相关性，导致去噪效果不佳，HSIs中丰富的光谱信息没有得到充分的利用。为了克服这一局限性，本文研究了卷积神经网络(CNNs)等深度学习模型来进行频谱空间HSI去噪。该模型称为HSI单模型去噪CNN ((HSI-SDeCNN)，有效地考虑了HSI中包含的空间和光谱信息。

一、贡献

1)它为HSI去噪问题提供了一个快速的解决方案，利用了一个向下采样的内核，使网络在不损失性能的情况下执行得非常快。

2)以噪声水平图作为输入，即用以估计拟去噪图像内的噪声水平，从而控制去噪效果与保留细节之间的平衡。这使得这个网络对于多级噪声具有灵活性和适应性，而不需要像以往方法那样针对不同的噪声水平训练不同的模型。

3)在实验分析中，无论是加性高斯白噪声(AWGN)破坏的合成图像，还是真实的HSI噪声图像，都获得了良好的结果，充分显示了其在实际HSI去噪中的应用潜力。

二、算法流程图

该算法流程图如图所示

算法主要分为三大步：

1）预处理步骤

即图中上方的三步，假设对波段1到波段B这B个波段进行去噪，为了利用每个波段