高分光画像の収集過程で発生するノイズを除去し、後続の画像処理性能を向上させるために、空間スペクトル特徴と勾配特徴を融合した深層高分光画像ノイズ除去手法を提案する。これは空間スペクトル特徴ネットワークと勾配特徴ネットワークを含み、それぞれのネットワークは密集スキップ接続および分離可能畳み込み戦略を用いて最適化される。空間スペクトルネットワークモデルはノイズ特徴の正確な抽出を実現し、勾配ネットワークモデルはノイズテクスチャ特徴を補完し、最終的に両ネットワークの特徴抽出結果を融合してノイズ特徴の精密な記述を行い、クリーンな画像の復元に用いる。合成ノイズ画像および実際のノイズ画像にそれぞれ方法の有効性を検証した。実験結果は、本手法が画像内部構造の回復に著しい効果を示し、ノイズ標準偏差50の条件下での平均信号対雑音比が29.426 dB、平均構造類似性が0.9678、ノイズ除去結果をサポートベクターマシンアルゴリズムで分類した際の分類精度が90.89％に達することを示した。

高分光画像;ノイズ除去;空間スペクトルネットワーク;勾配ネットワーク;密集接続;分離可能畳み込み