CGFformer：基于聚类引导频率的变换器用于图像拼接

图像拼接旨在通过融合低分辨率多光谱（LRMS）图像和高分辨率单光谱（PAN）图像来生成高分辨率多光谱（HRMS）图像。然而，当前主流的基于频率的图像拼接方法采用固定频率滤波器，无法精确适应 PAN 和 MS 图像中复杂且在空间上多样化的频率分布。此外，现有的去噪策略未充分利用频率分量进行去噪，难以准确抑制各种噪声类型。为此，我们提出了 CGFformer，即一种聚类引导频率变换器，专注于变化的频率分布以及频率与空间分量之间的相互作用。具体而言，我们设计了一种自适应分离模块，通过 K-means 聚类整合局部特征和非局部信息，实现对高频和低频分量的更精确分离。随后，我们引入一种双流细化模块，结合基于变换器的跨注意力机制，以去除各种噪声，使网络能够联合抑制与频率相关和不相关的干扰。在此基础上，我们开发了一种频率-空间融合模块，旨在增强细节并促进空间-频率相互作用，确保在拼接结果中更有效地重建空间结构。广泛的实验表明，所提出的 CGFformer 在多个基准数据集上相对于现有图像拼接方法实现了显著的改进。