MAC-Net: شبكة عصبية غير محلية مدعومة بالنموذج لتقليل الضوضاء في الصور الطيفية العالية الدقة

يعتبر تقليل الضوضاء في الصور الطيفية العالية الدقة (HSI) مشكلة عكسية غير محددة. النموذج الفيزيائي الأساسي دائمًا مهم للتعامل مع هذه المشكلة، وهو ما يتجاهله للأسف معظم الأساليب الحالية المعتمدة على التعلم العميق (DL)، مما يؤدي إلى أداء ضعيف في تقليل الضوضاء. لمعالجة هذه القضية، يقدم هذا المقال شبكة عصبية غير محلية مدعومة بالنموذج (MAC-Net) تأخذ في الاعتبار في الوقت نفسه النموذج الطيفي منخفض الرتبة والبروسيسور العميق المكاني لتقليل ضوضاء HSI. بشكل محدد، مستوحاة من نجاح النموذج الطيفي منخفض الرتبة في تصوير الترابطات الطيفية القوية والنموذج غير المحلي في التقاط الاعتماديات طويلة المدى المكانية، نقوم أولاً بإنشاء نموذج طيفي منخفض الرتبة ثم ندمج شبكة U-Net غير محلية في النموذج. بهذه الطريقة، نحصل على أسلوب لتقليل الضوضاء في HSI يعتمد على النموذج والأسلوب المبني على DL حيث يتم استغلال الهيكليات المحلية وغير المحلية متعددة المقاييس والمستمرة الطيفية بشكل فعال. بعد ذلك، نقوم بإعادة صياغة إجراء تحسين وتقليل الضوضاء للطريقة الهجينة كعملية أمامية لشبكة عصبية ونقوم بتقديم مجموعة من الوحدات القابلة للتعلم لإنتاج MAC-Net الخاصة بنا. مقارنة بالأساليب التقليدية المعتمدة على النموذج، تتغلب MAC-Net على صعوبات النمذجة الدقيقة، بفضل قدرة التعلم القوية والتمثيل لـ DL. على عكس معظم أساليب DL المعتمدة على