文件名称：ADMM_3DDnCNN_HSI_deconvolution:实施论文“通过3DDnCNN学习光谱空间先验以进行高光谱图像反卷积”（ICASSP 2020）
文件大小：2.37MB
文件格式：ZIP
更新时间：2024-03-27 11:56:53
Python
通过3DDnCNN学习光谱空间先验以进行高光谱图像反卷积 脚步： 运行Cave_processing.py以处理公共数据集CAVE； 运行get_kernel.py以获得本文中使用的服务器模糊内核。 运行blurring_image.m以使原始高光谱图像与获得的内核模糊； 运行main_con.py是高光谱图像反卷积的主要功能。 如果要训练和测试去噪神经网络3DDnCNN，请执行以下操作： 运行train.py来训练3DDnCNN; 运行test.py以测试3DDnCNN; 如有任何疑问，请随时通过给我发送电子邮件。 如果此代码对您有帮助，请引用我们的论文，如下所示： @inproceedings {wang2020learning，title = {通过3DDNCNN为高光谱图像反卷积学习光谱空间先验}，作者= {Wang，Xiuheng和Chen，Jie and R
【文件预览】：
ADMM_3DDnCNN_HSI_deconvolution-main
----functions.py(5KB)
----train.py(7KB)
----main_con.py(6KB)
----models()
--------hsidb_epoch500.pkl(2.58MB)
--------3DDnCNN model parameters for the CAVE datasets..txt(59B)
----test.py(4KB)
----utils.py(2KB)
----model.py(1KB)
----loss.py(356B)
----save_image.py(1KB)
----dataset.py(3KB)
----denoised_results()
--------denoised results by 3DDnCNN saved here..txt(38B)
----cave_processing.py(2KB)
----LICENSE(1KB)
----README.txt(1KB)
----README.md(1KB)
----data()
--------Levin09.mat(9KB)
--------complete_ms_data()
--------train()
--------deblurred()
--------kernels()
--------test()
--------blurred()
----blurring_image.m(1KB)
----get_kernel.py(1KB)