摘要:基于压缩感知理论的编码孔径快照式光谱成像系统可以看作编码器,高效获取压缩后的二维光谱数据,再通过深度神经网络解码为三维光谱数据。然而,深度神经网络的训练需大量难以获得的干净数据。针对深度神经网络训练数据不足的问题,提出一种基于邻域采样思想的自监督高光谱去噪神经网络,并将其嵌入到深度即插即用框架中,最终实现自监督光谱重建,并验证不同噪声退化模型对最终重建质量的影响。实验表明,在不需要干净数据作为标签的情况下,自监督学习方法相较有监督学习方法的平均峰值信噪比提升1.18dB,结构相似度提升0.009,且获得了更优的视觉重建效果。