고광대역 이미지 수집 과정에서 발생하는 잡음을 제거하고 후속 이미지 처리 성능을 향상시키기 위해 공간-스펙트럼 및 그래디언트 특징을 융합한 심층 고광대역 이미지 잡음 제거 방법이 제안되었다. 이 방법은 공간-스펙트럼 특징 네트워크와 그래디언트 특징 네트워크로 구성되며, 각 네트워크는 밀집 점프 연결과 분리 가능한 컨볼루션 전략을 사용하여 최적화된다. 공간-스펙트럼 네트워크 모델은 잡음 특징을 정확하게 추출하고, 그래디언트 네트워크 모델은 잡음 텍스처 특징을 보완하며, 마지막으로 두 네트워크의 특징 추출 결과를 융합하여 잡음 특징을 정밀하게 묘사하고 깨끗한 이미지를 복원한다. 합성 잡음 이미지와 실제 잡음 이미지 각각에서 방법의 유효성이 검증되었다. 실험 결과, 이 방법은 이미지 내부 구조 복원에서 뛰어난 성능을 보였으며, 잡음 표준 편차 50 조건에서 평균 신호대잡음비가 29.426 dB, 평균 구조 유사도가 0.9678에 도달했고, 잡음 제거 결과는 서포트 벡터 머신 알고리즘을 사용하여 분류했을 때 분류 정확도가 90.89%에 달했다.

고광대역 이미지;잡음 제거;공간-스펙트럼 네트워크;그래디언트 네트워크;밀집 연결;분리 가능한 컨볼루션