BriefGPT - AI 论文速递
·
基于自调节卷积神经网络的高光谱图像去噪
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
该研究提出了一种自调制卷积神经网络（SM-CNN）用于高光谱图像去噪，能够自适应地转换特征，提高处理复杂噪声的能力。实验证明，SM-CNN 在公共基准数据集上优于其他最先进的高光谱图像去噪方法。
🎯
关键要点
- 提出了一种自调制卷积神经网络（SM-CNN）用于高光谱图像去噪。
- SM-CNN 能够自适应地转换特征，利用相关的光谱和空间信息。
- 该网络提高了处理复杂噪声的能力。
- 实验证明，SM-CNN 在合成和真实数据上均优于其他最先进的高光谱图像去噪方法。
- SM-CNN 在公共基准数据集上在定量和定性上表现优异。
➡️
