基于退化-低秩与残差融合方法的高光谱图像超分辨率
计算机视觉与模式识别
2025-11-20 v1
摘要
将高光谱图像 (HSI) 与多光谱图像 (MSI) 进行融合可有效提升 HSI 的空间分辨率。然而，由于获取条件不同，HSI 与 MSI 之间可能存在光谱变异和空间局部变化，称为跨图像变异，这会显著影响融合性能。现有方法通常通过对图像本身直接应用变换来处理跨图像变异，这会加剧融合模型的欠定性。为此，我们提出一种基于退化-低秩与残差融合 (DLRRF) 模型。首先，我们将光谱变异建模为光谱退化算子的变化。其次，为恢复由空间局部变化导致的空间细节损失，我们将目标 HSI 分解为低秩与残差组成，其中后者用于捕获丢失的细节。通过利用图像间的光谱相关性，对两个组成部分进行降维。此外，我们引入隐式正则化器以利用图像的空间先验信息。所提出的 DLRRF 模型在 Plug-and-Play (PnP) 框架下通过 Proximal Alternating Optimization (PAO) 算法求解，其中关于隐式正则化器的子问题由外部去噪器处理。我们进一步对算法提供了完善的收敛性分析。最终，大量数值实验表明，DLRRF 在处理具有跨图像变异的 HSI 与 MSI 融合任务方面表现优异。
引用
@article{arxiv.2511.15052,
title = {Hyperspectral Super-Resolution with Inter-Image Variability via Degradation-based Low-Rank and Residual Fusion Method},
author = {Yue Wen and Kunjing Yang and Minru Bai},
journal= {arXiv preprint arXiv:2511.15052},
year = {2025}
}