湘潭大学高光谱图像去噪：可解释展开把混合噪声拆开处理

龙哥导读

高光谱图像最麻烦的地方，不只是“画面有噪点”。一张图的每个像素都带着一条光谱曲线，条纹、死线、脉冲和按波段变化的高斯噪声会一起钻进数据。AXS-Net没有把这些污染统统塞进一个黑盒，而是把干净光谱、结构噪声和随机残差分开估计。它真正值得看的，是模型不只给答案，还试图交代自己删掉了什么。

给一张普通照片去噪，很多时候可以理解为“把颗粒磨平一点”。但高光谱图像不同：它在每个空间位置记录几十甚至上百个波段，既像一摞对齐的灰度图，又像给每个像素配了一条材料指纹。问题来了：如果噪声也沿波段变化，甚至整列出现条纹、坏线和脉冲异常，模型怎么判断哪些变化属于真实材料，哪些只是传感器留下的伤痕？

这正是湘潭大学团队在可解释光谱分解网络（AXS-Net）里要回答的问题。它没有直接学习“脏图到净图”的单步映射，而是先写出一个明确的分解：观测图像由低秩光谱重建、结构化稀疏噪声和剩余高斯噪声共同组成。随后，传统优化中的交替更新被展开为六个可训练阶段，让数学模型和深度网络各自承担擅长的部分。

为方便阅读，文中把光谱基A与丰度X的乘积称为光谱重建模型（AX），把负责更新丰度的空间—光谱注意力网络（SSX）简称为SSX模块。前者生成干净光谱成分，后者决定不同光谱基在每个空间位置如何组合。

实验里的训练数据集用于域内评估，另外两组高光谱数据用于跨数据集测试。它们不是三种算法，而是三组来源和分布不同的高光谱场景。把域内与跨域分开看，才能判断提升来自真正的噪声建模，还是只来自对训练分布的熟悉。

一、为什么高光谱混合噪声特别难

普通彩色图像通常只有三个通道，高光谱图像却把可见光乃至更宽范围切成密集波段。农业遥感可以据此区分作物状态，材料检测可以识别成分，计算成像也能从细微的光谱差异中恢复结构。代价是数据维度更高、采集链更长，噪声形态也更复杂。

论文考虑五类情况：高斯噪声、条纹、死线、脉冲，以及多种污染叠加的混合噪声。高斯噪声更像随机抖动；条纹和死线具有明显方向性；脉冲则在局部制造尖锐异常。它们同时出现时，一个只会“平滑”的网络很容易做错两件事：要么把真实的窄光谱特征一并擦掉，要么把结构噪声误认为场景纹理保留下来。

过去的模型驱动方法会引入低秩、总变分或稀疏先验，解释清楚，但固定先验不一定覆盖真实复杂分布，迭代求解也慢。纯学习方法表达能力强，却经常只输出一张干净图，内部究竟把条纹当成了什么，很难追踪。AXS-Net选择走中间路线：保留可解释的变量分工，再用网络学习传统近端算子难以手工写出的部分。

二、先把观测拆成A、X、S和N

论文的核心表达是Y＝AX＋S＋N。Y是观测到的高光谱数据；A表示少量光谱基，可以理解为构成场景光谱的“基本颜料”；X表示每个空间位置如何混合这些光谱基；AX就是低秩的干净光谱重建。S专门承接条纹、死线和脉冲等结构化污染，N则表示剩余的随机高斯扰动。

这个分工看似只是多写了几个字母，实际改变了学习目标。若模型只预测干净图，它只需让输出接近标签，内部可以用任何难以解释的方式完成任务。现在它还要输出光谱基、丰度图和结构噪声估计，相当于多交三份作业。结果不只要干净，还要说明干净部分从哪里来、噪声被放到了哪里。

图1：AXS-Net总体框架。模型从主成分分析得到光谱子空间初始化，在六个展开阶段中依次更新光谱基A、丰度X与结构噪声S，最后用AX得到干净重建。

图1中的每个阶段都重复三步。第一步更新光谱基A，让当前基底更好地解释观测；第二步交给SSX模块更新丰度X，处理空间结构与跨波段关系；第三步让S模块从残差中提取结构噪声。六个阶段不是简单堆六层卷积，而是对应六轮交替优化。阶段越往后，干净成分和结构残差会逐步分离。

光谱基的初始化来自均值中心化后的奇异值分解，并通过解析梯度步更新。这里保留显式数学更新很重要：模型没有让网络随意生成一组潜变量，而是要求A持续承担“光谱基”的角色。丰度X经过非负约束，使每个位置的组合更接近解混语义；S则被稀疏和方向一致性约束，避免把大面积真实结构随意归入噪声。

三、SSX模块：同时看空间和光谱

丰度图既有空间结构，也与光谱基紧密相连。只做空间卷积，容易忽略不同波段之间的长距离关联；只做全局光谱注意力，又可能丢掉局部边缘和纹理。SSX模块把两种视角放进同一条更新链：先在窗口内进行空间注意力，再进行跨光谱注意力，最后由前馈网络整合。

图2：SSX模块接收当前梯度步结果、光谱基、上一阶段丰度和辅助特征，先处理局部空间关系，再处理跨光谱关系，输出非负的丰度更新。

图2左侧的多路输入不是为了堆复杂度。V是当前优化步给出的丰度候选，E携带光谱基信息，上一阶段的X提供迭代记忆，Z补充观测与残差信息。它们投影到统一通道后，窗口空间注意力负责回答“附近像素是否属于同一结构”，光谱注意力负责回答“不同光谱成分如何共同解释当前像素”。

最后的输出写成X的残差修正，并经过非负激活。直觉上，这不是让网络把优化结果推翻重来，而是让它在当前可解释估计上做一小步学习型校正。这样的设计把解析模型当作轨道，把深度网络当作方向盘，既保留约束，也允许从数据中学习复杂统计规律。

四、S模块：让条纹、死线和脉冲各归其位

更新完A和X后，模型计算残差R＝Y－AX。这个残差里既包含结构噪声，也包含随机噪声与尚未恢复好的信号。S模块的任务，是从中抓出真正具有结构的异常。论文为此设置方向分支和局部分支：方向分支更敏感于贯穿列的条纹与死线，局部分支负责脉冲和更各向同性的局部异常。

模块还加入列一致性先验、稀疏先验和自适应阈值。列一致性利用条纹沿列延伸的特点；稀疏先验限制异常占据过多区域；自适应阈值则决定哪些残差进入S，哪些继续留给随机噪声N。相比让一个卷积网络自己悟出所有规则，这种结构更贴合传感器污染的形态。

但这里也有一个很关键的代价：论文训练时使用了合成结构噪声的监督。换句话说，S之所以容易与参考条纹对应，是因为训练目标明确要求它靠近合成真值。这增强了可检查性，却也意味着真实传感器上的未知噪声未必能按同样方式分开。论文自己把无监督结构噪声估计列为后续方向。

五、实验结果：域内很强，跨数据集并非全胜

论文在训练数据集、跨域数据集一和Harvard三个高光谱数据集上测试五种噪声设置。模型只在训练数据集上训练，跨域数据集一和Harvard用于零样本迁移。评价包含峰值信噪比、结构相似性、光谱角、相对全局误差和均方根误差，既看图像质量，也看光谱是否失真。

表1与表2：训练数据集上的五类噪声结果，以及训练于训练数据集后直接测试跨域数据集一和Harvard的零样本结果。峰值信噪比和结构相似性越高越好，光谱角等误差越低越好。

在训练数据集的域内测试中，本文方法在五种噪声、五项指标上全部取得表中最优。相对状态空间去噪模型（SSUMamba），它在条纹、死线和脉冲噪声下的峰值信噪比分别提高1.94、3.56和3.05分贝。

混合噪声下，AXS-Net达到38.57分贝，SSUMamba为38.09分贝，混合光谱去噪Transformer为36.64分贝。这里的差距不算夸张，却出现在最复杂的组合污染上，说明显式结构噪声分支确实补上了一部分普通端到端去噪器难以稳定处理的异常。

Harvard上的迁移结果也很强，五类噪声的各项指标均领先，平均峰值信噪比达到39.30分贝。跨域数据集一则更复杂：AXS-Net在全部结构相似性指标上最好，但条纹和混合噪声的峰值信噪比不如SSUMamba。尤其混合噪声下，AXS-Net为31.80分贝，SSUMamba为33.66分贝。这说明模型的分解结构没有自动消除数据分布变化，域外优势与噪声类型有关。

图4：三个高光谱数据集上的定性对比。每组展示干净参考、带噪输入、本文方法以及两种代表性基线，覆盖混合、条纹、死线和脉冲污染。

图4最值得看的不是“哪张更好看”，而是不同方法如何处理结构异常。条纹被压掉并不难，难的是压掉条纹后仍保留目标边缘和波段一致性。AXS-Net在多组样例里能减少明显的列状污染，同时保持主体轮廓；但定性图不能替代完整统计，真正的判断仍应回到表格中的多场景均值和配对检验。

参数量方面，AXS-Net只有180万，明显小于SSUMamba的1935万。不过小参数不等于快：处理1392×1300×31的输入需要14.42秒，而状态空间基线需要7.00秒。

另外两种轻量基线分别需要3.59秒和2.73秒。六阶段展开省了参数，却增加了串行迭代开销。部署时必须把模型大小和真实延迟分开看，不能因为参数少就直接写成“轻量且快速”。

六、可解释性到底体现在哪里

“可解释”常被写成一个轻飘飘的标签。AXS-Net的解释性至少对应三个可观察对象：光谱基A、丰度X和结构噪声S。A应当沿波长平滑变化，而不是任意潜通道；X应保留空间结构；S应集中呈现条纹、死线和脉冲，而不是把主体纹理吞进去。

图5：左侧展示干净成分AX、结构噪声绝对值、光谱基A和代表性丰度图；右侧展示跨域数据集一脉冲噪声与Harvard条纹噪声上的波段平均误差图，颜色越暗表示误差越小。

从图5可以看到，恢复出的光谱基按波段平滑排列，丰度图仍能辨认空间对象，S则突出结构污染。这比“注意力热图看起来像目标”更直接，因为这些变量本来就是优化模型里的组成项。不过，变量有名字不代表语义天然可靠。它们之所以可解释，依赖模型结构、非负约束、稀疏先验以及结构噪声监督共同维持。

消融实验也给出支撑。去掉S分支后，训练数据集混合噪声的峰值信噪比从38.57降到30.42分贝；固定A、不再更新光谱基时降到28.55分贝；把六阶段减到三阶段时降到33.35分贝。这些变化说明分解变量并非装饰，光谱基更新、结构噪声分支和足够的展开深度都在承担实质作用。

另一个有意思的结果是，去掉结构噪声监督后，重建指标反而提高到39.27分贝，光谱角也从6.97降到6.05。作者仍保留监督版本，因为监督让S更接近参考噪声形状。这个现象揭示了一种真实取舍：最好的重建分数，与最可检查的中间变量，不一定是同一个模型配置。

七、把关键公式翻译成人话

先看Y＝AX＋S＋N。它不是一句抽象口号，而是给四类信息划责任。Y是传感器真正记录到的数据；AX负责解释场景中能够由少量光谱基组合出来的稳定成分；S负责解释稀疏且有结构的异常；N负责解释剩余随机扰动。若S过大，模型会把真实内容误判为污染；若S过小，条纹会泄漏到干净重建里。因此训练的关键不是让每一项都尽可能小，而是让它们在约束下各司其职。

A的更新可以理解为“重新调色”。当前X告诉模型每个位置用了多少种光谱基，模型再根据Y与AX＋S之间的差，调整每条光谱基，使重建更贴近观测。因为这一步保留解析梯度，A不会完全变成一个无法命名的隐藏特征。它仍然受低秩子空间角色约束，读者可以画出每条基随波长的变化，检查是否平滑、是否有合理排序。

X的更新更像“重新配比”。同一块地物附近的像素通常具有连续空间结构，不同波段又共享材料相关性。SSX模块先从局部窗口寻找空间邻居，再沿光谱成分交换信息，最后输出对当前配比的修正。非负激活意味着模型不会用大量正负抵消来凑出结果，丰度图也更容易保留直观含义。

S的更新则像“单独列坏账”。模型先从Y中减去当前干净重建AX，得到仍未解释的残差；方向分支检查贯穿列的异常，局部分支寻找孤立脉冲，再由稀疏阈值决定哪些残差值得进入结构噪声账户。这个过程的好处，是应用方可以直接查看S，而不是只能猜测网络是否把条纹藏进了某个深层特征。

六个阶段意味着上述三步重复六轮。第一轮的A、X和S还很粗，后续阶段不断根据新的重建与残差相互校正。图中的阶段演化显示，AX逐渐变清晰，S逐渐集中到列状异常。它和传统迭代算法相似，却把难写的近端映射交给网络学习，因此既不是纯手工求解，也不是完全自由的黑盒。

八、五个指标分别在防什么错

峰值信噪比关注像素误差，是最常见的恢复指标；结构相似性更在意亮度、对比度和局部结构是否一致。两者都高，通常说明画面层面的恢复不错，但高光谱任务不能只靠它们，因为一条被轻微扭曲的光谱曲线仍可能让材料识别出错。

光谱角衡量恢复光谱与参考光谱方向的夹角，越小表示形状越接近。它对整体尺度变化相对不敏感，因此能补充像素指标。相对全局误差会结合空间分辨率与波段数量观察整体偏差，均方根误差则直接统计平均误差幅度。论文同时报告五项指标，是为了避免模型只在某一种口径上“刷得好看”。

读表时还要注意域内与跨域的区别。训练数据集结果反映训练分布附近的能力；跨域数据集一和Harvard结果更接近“换一批数据还能不能用”。AXS-Net在Harvard上稳定领先，却在跨域数据集一的部分峰值信噪比上落后，说明它并非只会记住训练集，但也没有解决所有迁移问题。这个不整齐的结果，反而比一排全胜数字更能帮助判断真实适用范围。

论文还做了配对显著性检验。因为表格报告的是均值，均值更好并不代表每个场景都稳定更好；配对检验会逐场景比较方法差异，再控制多重检验带来的偶然性。对图像恢复论文来说，这种统计补充很重要，它能减少少数高分场景把平均数拉高后造成的误判。

九、与两条高光谱去噪路线放在一起看

混合光谱去噪变换器（HSDT）同样面向高光谱图像去噪，使用空间—光谱可分离卷积、引导光谱自注意力和自调制前馈网络。它的重点是以较低计算成本学习空间与光谱表征，参数更少、推理更快。本文方法则进一步把干净成分与结构噪声拆开，牺牲一些速度，换取可检查的光谱基、丰度和噪声分支。

快速鲁棒高光谱去噪框架（FRHD）直接讨论高光谱混合噪声，采用噪声先验约简、像素级自适应保真权重与正则化约束，目标是减少复杂噪声先验带来的参数负担，并在保真项与先验之间动态平衡。它代表的是“把噪声先验压缩得更有效率”的路线；本文方法代表“把观测形成过程展开并显式分工”的路线。

三者没有简单的谁替代谁。若场景最在乎推理速度和紧凑模型，HSDT一类结构更有吸引力；若希望在模型驱动框架中控制先验复杂度，FRHD提供另一种思路；若应用需要检查条纹是否被当成真实光谱，AXS-Net的中间变量更有价值。论文比较的意义，不是给所有任务排一个总榜，而是看不同路线把预算花在了哪里。

十、真正落地前还差什么

第一，真实噪声验证仍是最大缺口。论文的条纹、死线、脉冲和混合噪声来自合成过程，S分支也用合成结构噪声监督。真实传感器可能同时存在非线性响应、校准误差、温漂和未知条带，其统计形态未必服从训练设定。

第二，跨设备迁移需要更严格测试。跨域数据集一上的条纹与混合噪声已经显示峰值信噪比下降，说明零样本迁移并非稳定全胜。若用于卫星、无人机、显微成像或工业扫描仪，最好用目标设备的真实数据重新检查光谱角、异常检测和分类等下游任务，而不是只看视觉去噪。

第三，可解释输出需要任务级验证。结构噪声图看起来像条纹，不等于它在所有波段都准确；光谱基平滑，也不等于对应真实材料端元。更有说服力的做法，是把恢复结果送入材料识别、地物分类或异常检测，检验解释变量是否帮助下游决策。

第四，串行展开会限制实时场景。180万参数便于存储，但14.42秒的测试时间说明计算路径仍不轻。后续可以考虑阶段共享、提前退出、并行近似或蒸馏，把“可解释分解”保留下来，同时减少六轮更新带来的延迟。

十一、龙哥点评

这篇工作的真实贡献，不是又把峰值信噪比抬高了一点，而是把高光谱混合噪声的三个角色重新摆上桌面：什么是光谱子空间，什么是空间丰度，什么是结构污染。很多深度去噪器最终只交一张“更干净”的图，AXS-Net则要求模型同时交出一套分解过程。这对科研诊断和高风险成像场景，比单纯追榜更有长期价值。

龙哥最认可的是，它没有把“可解释性”停留在口号上，而是通过变量、模块、损失和消融给出可以被质疑的对象。去掉S分支、固定A或减少阶段后性能明显下降，说明设计与结果之间有可追踪关系。更难得的是，论文也展示了一个不讨巧的结果：去掉结构噪声监督，重建分数反而更高。这让读者看见解释性与最优指标之间的真实张力。

但如果问“能不能直接部署”，答案仍要克制。当前证据主要来自合成噪声，真实设备上的噪声分布、跨传感器稳定性和下游任务收益还没有被充分回答；模型参数虽小，六阶段延迟也不低。它更像一个值得继续工程化的可解释去噪骨架，而不是已经完成真实世界验收的通用工具。

对研究者来说，最有启发的方向不是照搬六阶段结构，而是重新问一句：图像恢复中的噪声，是否应该继续被藏在一个端到端残差里？若能把稳定的场景结构、局部突变和设备污染分开建模，再为每一部分设计可验证输出，很多恢复任务都可能获得更清晰的失败诊断。

十二、龙迷三问

第一问：如果不再提供合成结构噪声标签，S分支还能学到可信的条纹和死线吗？可以尝试利用跨波段一致性、重复观测、物理标定或自监督遮挡构造约束，并把“重建最好”与“噪声解释最好”设为多目标，而不是让一个指标决定全部。

第二问：可解释分解能否真正改善下游任务？最直接的实验，是比较去噪前后以及不同分解变量参与时的地物分类、异常检测和材料识别结果。如果AX、A或X能稳定提升下游鲁棒性，它们的解释意义会比视觉展示更扎实。

第三问：六阶段能否按样本难度动态停止？纯高斯噪声可能不需要完整六轮，复杂混合噪声才需要更多更新。若能根据残差、结构噪声稳定度或光谱角变化提前退出，就有机会把小参数优势转化为真实速度优势。

十三、总结

AXS-Net把高光谱混合噪声去除写成一套明确分工：A描述光谱基，X描述空间丰度，S描述结构噪声，N承接随机残差；再把交替优化展开为六阶段网络。它在训练数据集和Harvard上表现突出，在跨域数据集一上则暴露出部分迁移不足，说明可解释结构提升了能力，却没有免疫分布变化。

这篇论文最值得记住的一点是：图像恢复不一定只能输出一张结果图。把污染来源单独建模，让模型交出可检查的中间变量，可能比继续扩大黑盒更接近真实工程需求。下一步真正决定这条路线价值的，将是真实传感器噪声、跨设备迁移、下游任务收益和推理效率。

主要参考资料

本文基于龙哥读论文PaperDaily数据库及PaperMiner的MCP进行汇总整理。本文为论文解读与个人学习笔记，不构成任何论文审核意见，及对产品能力、安全性或商业可用性的保证。