HSR-KAN：基于 Kolmogorov-Arnold 网络的高光谱图像超分辨率
计算机视觉与模式识别
2025-12-02 v3
摘要
高光谱图像（HSI）因其丰富的光谱信息，在诸多视觉任务中具有巨大的潜力。然而，由于物理成像的限制，获取高分辨率的高光谱图像仍具有挑战性。鼓舞于 Kolmogorov-Arnold 网络（KANs），我们提出一种高效的 HSI 超分辨率（HSI-SR）模型，用于融合低分辨率 HSI（LR-HSI）和高分辨率多光谱图像（HR-MSI），以生成高分辨率 HSI（HR-HSI）。为实现对 HR-MSI 中空间信息的有效集成，我们设计了一个基于 KANs 的融合模块，称为 KAN-Fusion。进一步鼓舞于通道注意力机制，我们设计了一个名为 KAN 通道注意力模块（KAN-CAB）的光谱通道注意力模块，用于后融合特征提取。作为集成了 KANs 的通道注意力模块，KAN-CAB 不仅增强了深度网络的细粒度调整能力，使其能够准确模拟光谱序列和空间纹理的细节，还有效避免了维度灾难。广泛的实验表明，与当前最先进的 HSI-SR 方法相比，所提出的 HSR-KAN 在定性和定量评估方面均实现了最佳性能。我们的代码已公开 disponible。
引用
@article{arxiv.2409.06705,
title = {HSR-KAN: Efficient Hyperspectral Image Super-Resolution via Kolmogorov-Arnold Networks},
author = {Baisong Li and Xingwang Wang and Haixiao Xu},
journal= {arXiv preprint arXiv:2409.06705},
year = {2025}
}