打破空间边界：光谱域配准引导的高光谱与多光谱盲融合
计算机视觉与模式识别
2025-06-26 v1 图像与视频处理
摘要
未配准的高光谱图像(HSI)与多光谱图像(MSI)的盲融合近年来受到越来越多的关注。为解决配准难题，现有方法大多对HSI施加空间变换以实现与MSI的对齐。然而，由于图像空间分辨率的巨大差异，这些方法的性能往往不尽如人意。此外，在处理遥感中大尺寸图像时，配准过程往往耗时。为解决这些问题，我们提出从光谱域处理配准问题。首先，开发了一个轻量级的光谱先验学习(SPL)网络，用于从HSI中提取光谱特征并提升MSI的光谱分辨率。随后，对所得图像进行空间下采样以生成配准后的HSI。在此过程中，采用子空间表示和循环训练策略来提高所得配准HSI的光谱精度。接下来，我们提出了一种盲稀疏融合(BSF)方法，该方法利用组稀疏正则化来等效地促进图像的低秩性。这种方法不仅避免了秩估计的需要，还降低了计算复杂度。然后，我们采用近端交替优化(PAO)算法来求解BSF模型，并给出了其收敛性分析。最后，在模拟和真实数据集上进行了大量的数值实验，以验证我们的方法在配准和融合方面的有效性。我们还展示了其在提升分类性能方面的功效。
引用
@article{arxiv.2506.20293,
title = {Breaking Spatial Boundaries: Spectral-Domain Registration Guided Hyperspectral and Multispectral Blind Fusion},
author = {Kunjing Yang and Libin Zheng and Minru Bai and Ting Lu and Leyuan Fang},
journal= {arXiv preprint arXiv:2506.20293},
year = {2025}
}