用于高光谱单图像超分辨率的双域卷积网络
计算机视觉与模式识别
2025-12-11 v1
摘要
本研究提出了一种轻量级双域超分辨率网络（DDSRNet），其结合了空间网络（Spatial-Net）与离散小波变换（DWT）。具体而言，我们提议的模型包含三个主要组成部分：(1) 执行残差学习和双线性插值的浅层特征提取模块，称为 Spatial-Net；(2) 基于 DWT 的低频增强分支，用于细化粗糙图像结构；(3) 共享的高频细化分支，同时使用单个 CNN 以共享权重增强 LH（水平）、HL（垂直）和 HH（对角）小波子带。结果证明，DWT 实现子带分解，而反 DWT 重构最终的高分辨率输出。通过这种方式，空间域和频率域学习的集成使 DDSRNet 能在三个高光谱图像数据集上以低计算成本实现高度具竞争力的性能，展示了其在高光谱图像超分辨率中的有效性。
引用
@article{arxiv.2512.09546,
title = {A Dual-Domain Convolutional Network for Hyperspectral Single-Image Super-Resolution},
author = {Murat Karayaka and Usman Muhammad and Jorma Laaksonen and Md Ziaul Hoque and Tapio Seppänen},
journal= {arXiv preprint arXiv:2512.09546},
year = {2025}
}