FRN：基于分形的递归光谱重建网络
计算机视觉与模式识别
2025-05-22 v1 图像与视频处理
摘要
通过光谱重建从 RGB 图像生成 hyperspectral 图像（HSIs）可显著降低 HSI 获取成本。本文提出一种基于分形的递归光谱重建网络（FRN），其与现有尝试一次性整合 R、G、B 通道完整光谱信息的范式不同。FRN 将光谱重建视为一个渐进过程，按从宽到窄的频段或采用粗到细的方法预测下一个波长。灵感来自数学中的分形，FRN 通过递归调用原子重建模块建立了一种新的光谱重建范式。在每次调用中，仅使用来自相邻频段的光谱信息即可为生成下一个波长的图像提供线索，这遵循了光谱数据中的低秩特性。此外，我们设计了一种基于频段的状态空间模型，在生成过程的不同阶段采用像素差异化扫描策略，进一步抑制由反射率差异导致的低相关区域的干扰。通过在不同数据集上的广泛实验，FRN 在定量和质量评估方面均优于现有的 SOTA 方法。
引用
@article{arxiv.2505.15439,
title = {FRN: Fractal-Based Recursive Spectral Reconstruction Network},
author = {Ge Meng and Zhongnan Cai and Ruizhe Chen and Jingyan Tu and Yingying Wang and Yue Huang and Xinghao Ding},
journal= {arXiv preprint arXiv:2505.15439},
year = {2025}
}