基于补偿矩阵的相似多光谱图像谱超分辨字典迁移
图像与视频处理
2025-01-28 v1
摘要
利用从一对类似场景的多光谱图像和 hyperspectral 图像中学习的光谱字典，可以仅凭一个单一的多光谱图像来重建期望的 hyperspectral 图像。然而，类似场景与期望的 hyperspectral 图像之间的差异使得直接将训练域学习的光谱字典应用于任务域困难。为此，本文提出一种基于补偿矩阵的字典迁移方法，用于类似场景的多光谱图像谱超分辨，旨在重建更准确的高空间分辨率 hyperspectral 图像。具体而言，建立基于补偿矩阵并带有相似性约束的光谱字典迁移方案，将训练域学习的光谱字典迁移到谱超分辨域。随后，在稀疏和低秩约束下优化稀疏系数矩阵。来自不同场景的两个 AVIRIS 数据集的实验结果表明，所提出的方法在性能上优于其他相关 SOTA 方法。
引用
@article{arxiv.2501.15937,
title = {Compensation based Dictionary Transfer for Similar Multispectral Image Spectral Super-resolution},
author = {Xiaolin Han and Huan Zhang and Lijuan Niu and Weidong Sun},
journal= {arXiv preprint arXiv:2501.15937},
year = {2025}
}
备注
5 pages. This manuscript is completely original and has not been copyrighted, published, submitted or accepted for publication elsewhere to date