Hybrid Convolutional and Attention Network for Hyperspectral Image Denoising

这篇文章提出了一种混合卷积和注意力网络（HCANet）来增强高光谱图像去噪的效果。高光谱图像去噪对于有效分析和解释高光谱数据至关重要。然而，同时建模全局和局部特征以增强高光谱图像去噪很少被探索。为了增强全局和局部特征的建模，作者设计了一个卷积和注意力融合模块，旨在捕获长程依赖和邻域光谱相关性。此外，为了提高多尺度信息聚合，作者设计了一个多尺度前馈网络，通过在不同尺度上提取特征来增强去噪性能。主流高光谱数据集上的实验结果表明，所提出的HCANet的合理性和有效性。该模型可以有效地去除各种复杂的噪声。作者提供了代码，可在 \url{https://github.com/summitgao/HCANet} 上获取。

本文旨在解决高光谱图像去噪问题，同时模拟全局和局部特征以提高去噪效果。该问题在当前领域中并不新，但本文采用的方法较为新颖。

本文提出了一种混合卷积和注意力网络（HCANet）方法，融合了卷积神经网络和Transformer的优点，以捕捉长距离依赖和邻域光谱相关性，并设计了多尺度前馈网络以提高去噪性能。

本文实验结果表明，所提出的HCANet模型在主流高光谱数据集上表现出了较好的性能，能有效去除各种复杂噪声。作者提供了开源代码。

最近的相关研究包括：《Hyperspectral Image Denoising Using a Spatial-Spectral Attention Mechanism》、《Hyperspectral Image Denoising via Deep Convolutional Neural Networks with External Nonlocal Collaborative Filtering》等。