Core Concepts
提案手法SSUMambaは、高スペクトル画像の空間-スペクトル相関を効率的にモデル化し、優れたノイズ除去性能を実現する。
Abstract
本論文は、高スペクトル画像のノイズ除去のための新しい手法SSUMambaを提案している。
主な特徴は以下の通り:
状態空間モデル(SSM)の線形計算量を活用し、高スペクトル画像の完全な空間-スペクトル相関をモデル化できる。
画像データと系列データの違いに対処するため、Vision Mambaブロックを導入し、局所的なテクスチャ探索と単方向依存性の問題を解決する。
空間-スペクトル交互走査(SSAS)戦略を提案し、高スペクトル画像の3次元特性を効果的に活用する。
Vision MambaブロックとSSASを組み合わせたマルチスケールのSSM基盤ネットワークであるSSUMambaを構築し、高スペクトル画像のノイズ除去に適用する。
実験結果から、提案手法SSUMambaが既存手法と比べて優れたノイズ除去性能を示すことが確認された。特に、混合ノイズ環境下でも高い精度を維持できることが特徴的である。
Stats
高スペクトル画像のノイズには、ガウシアンノイズ、インパルスノイズ、ストライプノイズ、デッドゾーンなどが含まれる。
提案手法SSUMambaは、これらの複合ノイズに対して優れた除去性能を示す。
Quotes
"状態空間モデル(SSM)の線形計算量を活用し、高スペクトル画像の完全な空間-スペクトル相関をモデル化できる。"
"Vision Mambaブロックとssas戦略を組み合わせることで、高スペクトル画像の3次元特性を効果的に活用できる。"
"提案手法SSUMambaは、既存手法と比べて優れたノイズ除去性能を示す。特に、混合ノイズ環境下でも高い精度を維持できる。"