面向高光谱超分辨率的混合注册与融合方法
计算机视觉与模式识别
2024-07-09 v1 最优化与控制
摘要
将高光谱图像（HSI）与多光谱图像（MSI）融合已成为提高HSI空间分辨率的主流方法。虽然许多HSI-MSI融合方法取得了令人瞩目的成绩，但仍存在若干挑战：（a）当前多数方法依赖于精确的HSI与MSI配准，这在实际应用中可能具有挑战性。（b）获取的HSI-MSI对可能未得到充分利用。本文提出了一种混合注册与融合约束优化模型，命名为RAF-NLRGS。针对挑战（a），RAF模型将批量图像对齐集成到融合过程中，实现图像配准与融合的同步执行。为解决问题（b），NLRGS模型引入非凸低秩和稀疏结构，利用稀疏性有效利用残差数据中嵌入的有价值信息。此外，NLRGS模型可基于RAF模型进一步提升融合性能。随后，在广义高斯牛顿（GGN）框架和proximal交替优化（PAO）算法中求解RAF-NLRGS模型。理论上，我们给出NLRGS模型的误差界，并对相应算法的收敛性进行了分析。最后，在HSI数据集上进行大量数值实验，以验证本方法的有效性。
引用
@article{arxiv.2407.05279,
title = {A Hybrid Registration and Fusion Method for Hyperspectral Super-resolution},
author = {Kunjing Yang and Minru Bai and TingLu},
journal= {arXiv preprint arXiv:2407.05279},
year = {2024}
}