論文の概要: Hybrid-Domain Synergistic Transformer for Hyperspectral Image Denoising

• arxiv url: http://arxiv.org/abs/2507.20099v1
• Date: Sun, 27 Jul 2025 01:45:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-29 16:23:56.956185
• Title: Hybrid-Domain Synergistic Transformer for Hyperspectral Image Denoising
• Title（参考訳）: ハイパースペクトル画像復調用ハイブリッド-ドメイン相乗変換器
• Authors: Haoyue Li, Di Wu,
• Abstract要約: 本稿では,周波数領域拡張とマルチスケールモデリングに基づくHSIデノナイズフレームワークであるHybrid-Domain Synergistic Transformer Network (HDST)を提案する。 実データと合成データの両方の実験により、HDSTはデノイング性能を著しく改善することが示された。 本研究は,HSIやその他の高次元視覚データにおける複雑なノイズカップリング問題に対処するための新たな洞察と普遍的な枠組みを提供する。
• 参考スコア（独自算出の注目度）: 3.7420648748151977
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Hyperspectral image denoising faces the challenge of multi-dimensional coupling of spatially non-uniform noise and spectral correlation interference. Existing deep learning methods mostly focus on RGB images and struggle to effectively handle the unique spatial-spectral characteristics and complex noise distributions of hyperspectral images (HSI). This paper proposes an HSI denoising framework, Hybrid-Domain Synergistic Transformer Network (HDST), based on frequency domain enhancement and multiscale modeling, achieving three-dimensional collaborative processing of spatial, frequency and channel domains. The method innovatively integrates three key mechanisms: (1) introducing an FFT preprocessing module with multi-band convolution to extract cross-band correlations and decouple spectral noise components; (2) designing a dynamic cross-domain attention module that adaptively fuses spatial domain texture features and frequency domain noise priors through a learnable gating mechanism; (3) building a hierarchical architecture where shallow layers capture global noise statistics using multiscale atrous convolution, and deep layers achieve detail recovery through frequency domain postprocessing. Experiments on both real and synthetic datasets demonstrate that HDST significantly improves denoising performance while maintaining computational efficiency, validating the effectiveness of the proposed method. This research provides new insights and a universal framework for addressing complex noise coupling issues in HSI and other high-dimensional visual data. The code is available at https://github.com/lhy-cn/HDST-HSIDenoise.
• Abstract（参考訳）: ハイパースペクトル画像は、空間的非一様雑音とスペクトル相関干渉の多次元結合の課題に直面している。 既存のディープラーニング手法は主にRGB画像に重点を置いており、高スペクトル画像(HSI)の独自の空間スペクトル特性と複雑な雑音分布を効果的に扱うのに苦労している。 本稿では、周波数領域拡張とマルチスケールモデリングに基づいて、空間領域、周波数領域、チャネル領域の3次元協調処理を実現するHSI denoising framework、Hybrid-Domain Synergistic Transformer Network (HDST)を提案する。 本手法は,(1)マルチバンド畳み込みによるFFT前処理モジュールの導入とスペクトル雑音成分の分離,(2)空間領域テクスチャ特徴と周波数領域ノイズを適応的に融合させる動的クロスドメインアテンションモジュールの設計,(3)浅層がマルチスケールのアトラス畳み込みを用いてグローバルノイズ統計をキャプチャする階層構造の構築,そして,深層が周波数領域後処理によって詳細回復を実現すること,の3つの重要なメカニズムを革新的に統合する。 実データと合成データの両方の実験により,HDSTは計算効率を保ちながら性能を著しく向上し,提案手法の有効性を検証した。 本研究は,HSIや他の高次元視覚データにおける複雑なノイズカップリング問題に対処するための新たな洞察と普遍的な枠組みを提供する。 コードはhttps://github.com/lhy-cn/HDST-HSIDenoise.comで公開されている。

関連論文リスト

• Learning Multi-scale Spatial-frequency Features for Image Denoising [58.883244886588336]
  本稿では,マルチスケール適応型デュアルドメインネットワーク(MADNet)を提案する。 画像ピラミッド入力を用いて低解像度画像からノイズのない結果を復元する。 高周波情報と低周波情報の相互作用を実現するために,適応型空間周波数学習ユニットを設計する。
  論文  参考訳（メタデータ） (2025-06-19T13:28:09Z)
• FADPNet: Frequency-Aware Dual-Path Network for Face Super-Resolution [70.61549422952193]
  計算コストの制限による顔超解像(FSR)は未解決の問題である。 既存のアプローチでは、全ての顔のピクセルを等しく扱い、計算資源を最適以下に割り当てる。 本稿では、低周波成分と高周波成分に顔の特徴を分解する周波数対応デュアルパスネットワークであるFADPNetを提案する。
  論文  参考訳（メタデータ） (2025-06-17T02:33:42Z)
• Beyond the Visible: Jointly Attending to Spectral and Spatial Dimensions with HSI-Diffusion for the FINCH Spacecraft [2.5057561650768814]
  FINCHミッションは、農地の作物の残留物を監視することを目的としている。 ハイパースペクトルイメージングは、スペクトル情報と空間情報の両方をキャプチャする。 ランダムノイズ、ストライプノイズ、デッドピクセルなど、様々な種類のノイズが生じる傾向がある。
  論文  参考訳（メタデータ） (2024-06-15T19:34:18Z)
• Hybrid Spatial-spectral Neural Network for Hyperspectral Image Denoising [10.588958070064916]
  本稿では,CNNとTransformer特性にインスパイアされたハイブリッド空間スペクトル復調ネットワークを提案する。 提案手法は空間的およびスペクトル的再構成における最先端の手法より優れている。
  論文  参考訳（メタデータ） (2024-06-13T03:27:01Z)
• Hybrid Convolutional and Attention Network for Hyperspectral Image Denoising [54.110544509099526]
  ハイパースペクトル画像(HSI)は、ハイパースペクトルデータの効果的な解析と解釈に重要である。 ハイブリット・コンボリューション・アテンション・ネットワーク(HCANet)を提案する。 主流HSIデータセットに対する実験結果は,提案したHCANetの合理性と有効性を示している。
  論文  参考訳（メタデータ） (2024-03-15T07:18:43Z)
• Hyperspectral Image Super-Resolution via Dual-domain Network Based on Hybrid Convolution [6.3814314790000415]
  本稿ではハイブリッド畳み込み(SRDNet)に基づく新しいHSI超解像アルゴリズムを提案する。 スペクトル間自己相似性を捉えるため、空間領域に自己注意学習機構(HSL)を考案する。 HSIの知覚品質をさらに向上するため、周波数領域のモデルを最適化するために周波数損失(HFL)を導入した。
  論文  参考訳（メタデータ） (2023-04-10T13:51:28Z)
• Spectral Enhanced Rectangle Transformer for Hyperspectral Image Denoising [64.11157141177208]
  ハイパースペクトル画像の空間的およびスペクトル的相関をモデル化するスペクトル拡張矩形変換器を提案する。 前者に対しては、長方形自己アテンションを水平および垂直に利用し、空間領域における非局所的類似性を捉える。 後者のために,空間スペクトル立方体の大域的低ランク特性を抽出し,雑音を抑制するスペクトル拡張モジュールを設計する。
  論文  参考訳（メタデータ） (2023-04-03T09:42:13Z)
• Hybrid Spectral Denoising Transformer with Guided Attention [34.34075175179669]
  ハイブリットスペクトルデノナイジング用ハイブリットスペクトルデノナイジングトランス(HSDT)を提案する。 我々のHSDTは、計算オーバーヘッドを低く保ちながら、既存の最先端手法よりも大幅に優れています。
  論文  参考訳（メタデータ） (2023-03-16T02:24:31Z)
• Non-local Meets Global: An Iterative Paradigm for Hyperspectral Image Restoration [66.68541690283068]
  ハイパースペクトル画像復元のための空間特性とスペクトル特性を組み合わせた統一パラダイムを提案する。 提案するパラダイムは,非局所空間デノゲーションと光計算の複雑さから,性能上の優位性を享受する。 HSI復調、圧縮再構成、塗装タスクの実験は、シミュレーションと実際のデータセットの両方で、その優位性を示している。
  論文  参考訳（メタデータ） (2020-10-24T15:53:56Z)
• Spatial-Spectral Residual Network for Hyperspectral Image Super-Resolution [82.1739023587565]
  ハイパースペクトル画像超解像のための新しいスペクトル空間残差ネットワーク(SSRNet)を提案する。 提案手法は,2次元畳み込みではなく3次元畳み込みを用いて空間スペクトル情報の探索を効果的に行うことができる。 各ユニットでは空間的・時間的分離可能な3次元畳み込みを用いて空間的・スペクトル的な情報を抽出する。
  論文  参考訳（メタデータ） (2020-01-14T03:34:55Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。