高光谱图像增强国外现状

目前，国外在高光谱图像增强领域的研究比较活跃，涉及到的方法也比较多。以下是一些主要的方法和研究成果：

1. 基于深度学习的方法：近年来，深度学习技术在高光谱图像增强方面得到了广泛应用。比如，一些研究使用卷积神经网络（CNN）进行高光谱图像的降噪和去雾处理，取得了不错的效果。

2. 基于传统图像处理的方法：一些研究使用传统的图像处理算法，比如小波变换、非负矩阵分解等方法进行高光谱图像增强。这些方法的优点在于算法简单、易于实现，但是效果不如深度学习方法。

3. 基于物理模型的方法：这种方法基于高光谱图像的物理特性，采用模型来描述高光谱图像的成像过程，进而进行图像增强。这种方法需要对物理模型有深入的理解，但是可以获得较好的增强效果。

4. 基于统计学的方法：这种方法使用统计学模型来描述高光谱图像的特征，进而进行图像增强。这种方法需要对统计学理论有较深入的了解，但是可以获得较好的增强效果。

总的来说，目前国外在高光谱图像增强方面的研究比较广泛，涉及到的方法也比较多。随着深度学习技术的不断发展，相信在未来这个领域还会取得更多的进展和突破。