Para eliminar o ruído gerado durante a aquisição de imagens hiperespectrais e melhorar o desempenho do processamento de imagens subsequente, foi proposta uma metodologia profunda de remoção de ruído de imagens hiperespectrais que funde características espectrais espaciais e de gradiente. Ela inclui uma rede de características espectrais espaciais e uma rede de características de gradiente, cada uma otimizada por conexões densas de salto e uma estratégia de convolução separável. O modelo da rede espectral espacial realiza a extração precisa das características do ruído, o modelo da rede de gradiente complementa as características da textura do ruído e, finalmente, os resultados da extração de características das duas redes são fundidos para uma caracterização precisa do ruído e para restaurar a imagem limpa. A eficácia do método foi validada em imagens com ruído sintético e ruído real. Os resultados experimentais mostram que o método é significativamente eficaz na recuperação da estrutura interna da imagem, com uma relação sinal-ruído média de 29.426 dB sob uma condição de desvio padrão do ruído de 50, uma similaridade estrutural média de 0,9678 e os resultados da remoção de ruído classificados por um algoritmo de máquina de vetor de suporte alcançando uma precisão de classificação de 90,89%.

imagem hiperespectral;remoção de ruído;rede espectral espacial;rede de gradiente;conexões densas;convolução separável