基于融合引导的谱段图像超分辨网络
计算机视觉与模式识别
2025-05-07 v1
摘要
低空间分辨率的光谱图像（HSIs）与高空间分辨率常规图像（如黑白或RGB）的融合在近期的光谱图像超分辨研究中发挥了重要作用。然而，这一融合过程依赖于图像对之间精确的配准，而在实际场景中往往难以实现。为缓解这一限制，我们提出一种单图超分辨模型——融合引导的谱段图像超分辨网络（Fusion-Guided Inception Network, FGIN）。具体而言，我们首先采用谱空融合模块在早期阶段有效整合谱部与空间信息。随后，采用类似Inception的层次化特征提取策略以捕获多尺度空间依赖性，随后引入专用多尺度融合模块。为进一步提升重建质量，我们采用优化后的上采样模块，将双线性插值与深度可分离卷积相结合。在两个公开的光谱数据集上的实验评估表明，我们的方法性能具有竞争力。
引用
@article{arxiv.2505.03431,
title = {A Fusion-Guided Inception Network for Hyperspectral Image Super-Resolution},
author = {Usman Muhammad and Jorma Laaksonen},
journal= {arXiv preprint arXiv:2505.03431},
year = {2025}
}