Fusformer：一种基于Transformer的高光谱图像超分辨率融合方法
计算机视觉与模式识别
2022-10-05 v1
摘要
高光谱图像因其丰富的光谱信息而日益重要。然而，受限于当前成像机制，其空间分辨率较低。如今，许多卷积神经网络已被提出用于高光谱图像超分辨率问题。但是，基于卷积神经网络（CNN）的方法由于卷积操作感受野的核尺寸有限，仅考虑局部信息而非全局信息。本文设计了一种基于transformer的网络，用于融合低分辨率高光谱图像与高分辨率多光谱图像，以获得高分辨率高光谱图像。得益于transformer的表征能力，我们的方法能够全局探索特征间的内在关联。此外，考虑到低分辨率高光谱图像（LR-HSIs）保有主要光谱结构，网络专注于空间细节估计，从而摆脱重建整体数据的负担。这缩减了所提网络的映射空间，提升了最终性能。多种实验与质量指标表明，相较其他最先进（SOTA）方法，我们的方法具有优越性。
引用
@article{arxiv.2109.02079,
title = {Fusformer: A Transformer-based Fusion Approach for Hyperspectral Image Super-resolution},
author = {Jin-Fan Hu and Ting-Zhu Huang and Liang-Jian Deng},
journal= {arXiv preprint arXiv:2109.02079},
year = {2022}
}