深度学习的光谱图像处理和分析

近年来,大量的地球观测卫星已经发射。同时,无人机(UAV)的发展也产生了一个负担得起的和实际成像工具的风景。卫星和无人机的成就比以往任何时候都更简单收集足够的光学光谱图像。要充分利用这些数据,有必要研究光谱图像处理技术,如压缩,去噪,图像分辨率增强和dehazing。此外,这些数据可以应用在各种各样的应用程序,包括监测、变化检测、土地覆盖分类、和灾害管理。然而,光谱图像的应用尚未充分研究。因此,我们的目标是展示最近的光谱图像处理和分析方法,尤其是那些依赖深度学习。

这个研究课题的贡献将地址:1)知觉的光谱图像质量的改善;2)深度学习的概括方法光谱图像处理和分析;3)few-shot学习光谱图像处理和分析。

具体地说,我们想要解决下面的话题,但不限于:
deraining•光谱图像增强,包括图像,图像去噪和图像超分辨率;
•多传感器数据融合,如多光谱和全色图像融合、多光谱和高光谱图像融合;
•高光谱图像分类;
•图像配准;
•改变检测;
•目标检测;
•高光谱图像分离;
•深度学习光谱图像处理方法的概括和分析。

关键字:深度学习,多光谱图像处理,高光谱图像处理、图像增强、图像融合、高光谱图像分离、图像分类。

重要提示:所有贡献这个研究课题必须的范围内的部分和期刊提交,作为其使命声明中定义。雷竞技rebat前沿有权指导检查手稿更适合部分或同行评审的期刊在任何阶段。