原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明提供的一种基于稀疏TRANSFORMER结构的高光谱图像去噪方法，利用稀疏空谱Transformer去噪网络对高光谱图像的空间‑光谱特征进行联合学习从而帮助去噪。在高光谱图像空间维度，为了应对过于平滑问题，引入局部卷积模块增强空间高频特征细节；同时在光谱维度上提出了Top‑k稀疏自注意力机制，自适应选择最相关的光谱通道信息进行特征交互，从而能够有效捕获不同光谱波段间光谱特征的相关性。通过对高光谱图像空间‑光谱特征的联合学习。本发明能够根据训练好的网络参数权重对输入的噪声高光谱图像进行高效、
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN117788322A
(43)申请公布日2024.03.29
(21)申请号202311720650.9G06N3/0455(2023.01)
文档评论（0）