Abstract
为了解决传统高光谱相机经常遭受的低 空间/时间 分辨率问题，编码快照高光谱成像系统最近引起了更多的关注。
从相应的编码图像中恢复高光谱图像（HSI）是一个病态逆问题，学习HSI的准确先验对于解决这个逆问题至关重要。
在本文中，我们提出了一种基于编码HSI重建的高效卷积神经网络（CNN）的方法，该方法从外部数据集中学习深度先验，并且从具有空间光谱约束的输入编码图像学习内部信息。
我们的方法可以有效地利用空间-光谱相关性，并充分表征 HSI 的多样性。
实验结果表明，我们的方法在综合定量指标和感知质量方面都优于最先进的方法。
Introduction
-
Previous
【深度学习】DLTR：Computational Hyperspectral Imaging Based on Dimension-discriminative Low-rank Tensor Recovery -
Next
【Research & Writing】markdown 小书匠配置
