Imagem Equivariada para Preenchimento de Imagens Hiperespectrais Auto-supervisionado

A imagem hiperespectral (HSI) é uma tecnologia chave para observação da Terra, vigilância, imagem médica e diagnósticos, astronomia e exploração espacial. A tecnologia convencional para HSI em aplicações de sensoriamento remoto é baseada na abordagem de varredura push-broom, na qual a câmera registra a imagem espectral de uma faixa da cena de cada vez, enquanto a imagem é gerada pela agregação de medições ao longo do tempo. Em instrumentos HSI aéreos e espaciais do mundo real, algumas faixas vazias podem aparecer em locais específicos, porque as plataformas nem sempre mantêm uma atitude programada constante ou têm acesso a mapas digitais de elevação (DEM) precisos, e a trajetória de viagem não está necessariamente alinhada com as câmeras hiperespectrais em todos os momentos. Isso torna o aprimoramento das imagens HS adquiridas a partir de observações incompletas ou corrompidas uma tarefa essencial. Introduzimos aqui um novo algoritmo de preenchimento de HSI, chamado Imagem Equivariada Hiperespectral (Hyper-EI). Hyper-EI é um método baseado em aprendizado auto-supervisionado que não requer treinamento em conjuntos de dados extensos ou acesso a um modelo pré-treinado. Resultados experimentais mostram que o método proposto alcança um desempenho de preenchimento de última geração em comparação com os métodos existentes.