基于状态空间模型的Panchromatic图像分辨率恢复多功能网络MFmamba
机器学习
2025-11-25 v1
摘要
遥感图像正在越来越多地被用于军事和资源探索。由于单个传感器的局限性，我们只能获得高空间分辨率的灰度镀光图像（PAN）和低空间分辨率的彩色多光谱图像（MS）图像。因此，一个重要问题是仅凭输入PAN图像就获取具有高空间分辨率的彩色图像。现有方法使用超分辨率（SR）技术提高空间分辨率，并使用色彩化技术进行光谱恢复。然而，SR技术无法提高光谱分辨率，色彩化技术也无法提高空间分辨率。此外，镀光技术需要两个注册输入，无法实现SR。因此，需要一种集成方法。为解决上述问题，我们设计了一个新的多功能模型（MFmamba），通过三种不同输入实现SR、光谱恢复以及联合SR和光谱恢复。首先，MFmamba利用UNet++作为主干网络，并将Mamba Upsample Block（MUB）与UNet++集成。其次，设计了Dual Pool Attention（DPA）以取代UNet++中的跳跃连接。最后，提出了Multi-scale Hybrid Cross Block（MHCB）用于初始特征提取。许多实验表明，仅使用输入PAN图像，MFmamba在评估指标和视觉结果方面都具有竞争力，在三项任务中表现良好。
引用
@article{arxiv.2511.18887,
title = {Hi-SAFE: Hierarchical Secure Aggregation for Lightweight Federated Learning},
author = {Hyeong-Gun Joo and Songnam Hong and Seunghwan Lee and Dong-Joon Shin},
journal= {arXiv preprint arXiv:2511.18887},
year = {2025}
}
备注
currently submitted and awaiting review at the IEEE Internet of Things Journal