डीप और कुल भिन्नता प्राथमिकताओं पर आधारित उच्च-स्पेक्ट्रल छवि डीनॉइज़िंग

हाईपरस्पेक्ट्रल इमेजिंग (HSI) में शोर हस्तक्षेप और छवि धुंधलापन की समस्याओं को हल करने के लिए, यह पेपर डीप लर्निंग और एक टोटल वैरिएशन (TV) प्राथमिकता पर आधारित HSI के लिए एक डीनॉइज़िंग विधि का प्रस्ताव करता है। यह विधि फास्ट और फ्लेक्सिबल डीनॉइज़िंग कॉन्वोल्यूशनल न्यूरल नेटवर्क (FFDNet) की गहरी प्राथमिकता और एन्हांस्ड 3D TV (E3DTV) प्राथमिकता के बीच पहले ऑर्डर के मोमेंट दूरी को न्यूनतम करती है, दोहरे प्राथमिकताएँ प्राप्त करती है जो एक-दूसरे के लाभों को पूरक और मजबूत करती हैं। विशेष रूप से, मूल HSI को प्रारंभ में एक रैंडम बाइनरी स्पार्स ऑब्जर्वेशन मैट्रिक्स के साथ प्रोसेस किया जाता है ताकि एक स्पार्स प्रतिनिधित्व प्राप्त किया जा सके। इसके बाद, प्लग-एंड-प्ले (PnP) एल्गोरिदम को जनरलाइज्ड ऑल्टरनेटिंग प्रोजेक्शन (GAP) के ढांचे के भीतर HSI को डीनॉइज़ करने के लिए लगाया जाता है। प्रयोगात्मक परिणाम दर्शाते हैं कि, मौजूदा विधियों की तुलना में, यह विधि मात्रा और गुणात्मक आकलनों दोनों में महत्वपूर्ण लाभ दिखाती है, प्रभावी रूप से HSI की गुणवत्ता को बढ़ाती है।