Abstract
我们考虑了高光谱图像（HSI）重建问题，旨在从通过编码孔径快照光谱成像（CASSI）系统获得的二维压缩HSI测量中恢复三维高光谱数据。
现有的深度学习方法在HSI重建方面已经取得了可接受的结果。
然而，这些方法没有考虑成像系统的退化模式。
在本文中，基于对通过 shift 和 split measurements 获得的初始化 HSI 的观察，我们提出了一种基于退化学习的动态傅里叶网络，称为退化感知动态傅里叶网络（DADF-Net）。
我们从退化的高光谱图像中估计退化特征图，以实现特征的线性变换和动态处理。
特别是，我们使用傅里叶变换来提取HSI的非局部特征。
广泛的实验结果表明，所提出的模型在仿真和现实世界的HSI数据集上均优于现有最先进的算法。
-
Previous
【ICCV 2023】DAT：Dual Aggregation Transformer for Image Super-Resolution -
Next
【CVPR 2023】MobileOne: An Improved One millisecond Mobile Backbone
