Effiziente Entfernung von Rauschen aus CRISM-Hyperspektraldaten durch selbstüberwachtes maschinelles Lernen
Ein neues, selbstüberwachtes Deep-Learning-Modell namens Noise2Noise4Mars (N2N4M) wurde entwickelt, um Rauschen aus CRISM-Bildern zu entfernen, ohne auf rauschfreie Referenzdaten angewiesen zu sein. Das Modell zeigt eine starke Leistung bei der Entfernung von Rauschen aus synthetischen und realen Daten und verbessert die Leistung nachgelagerter Klassifizierungsaufgaben deutlich.