多尺度RGB引导融合用于高光谱图像超分辨率的超分辨率
Matteo Kolyszko1, Marco Buzzelli1, Simone Bianco1
1Department of Informatics, Systems and Communication, University of Milano-Bicocca, Viale Sarca 336, 20125 Milan, Italy.
Journal of imaging
|February 26, 2026
概括
通过将低分辨率的HSI与高分辨率的RGB图像融合,CGNet提高了超光谱成像 (HSI) 的分辨率. 这种以颜色为导向的网络可以恢复清晰的空间细节,同时保持光谱精度,性能优于现有方法.
科学领域:
- 计算机视觉 计算机视觉
- 遥感 遥感 遥感 遥感
- 图像处理 图像处理
背景情况:
- 超光谱成像 (HSI) 提供了详细的光谱分析,但由于传感器的限制,其空间分辨率较低.
- 现有的超分辨率方法难以平衡空间细节恢复与HSI中的光谱保真.
研究的目的:
- 为了介绍CGNet,一种新的彩色引导的超光谱超分辨率网络.
- 通过有效地融合来自RGB图像的信息来增强HSI的空间分辨率.
主要方法:
- CGNet采用双编码器架构:用于空间特征的RGB编码器和用于光谱特征的HSI编码器.
- 一个多尺度的融合解码器整合了两种模式的特征,用于高分辨率的HSI重建.
- 培训使用混合L1和光谱角度映射器 (SAM) 损失函数.
主要成果:
- 在X4和X6升级系数的ARAD1K和StereoMSI数据集上,CGNet实现了卓越的性能.
- 该网络在峰值信号与噪声比率 (PSNR),结构相似度指数 (SSIM) 中显著改善,并减少了SAM和DE00.
- 废弃性研究验证了混合损失函数的有效性.
结论:
- CGNet成功地重建了高分辨率的HSI,具有清晰的空间结构和保存的光谱保真.
- 拟议的方法在超光谱超分辨率任务中表现优于最先进的基线.
- 对于需要高分辨率的超光谱数据的应用,CGNet提供了一个有前途的解决方案.
