学习谱波扩散先验用于高光谱图像重建
计算机视觉与模式识别
2025-07-21 v1 人工智能
摘要
高光谱图像（HSI）重建旨在从其退化的二维测量中恢复三维HSI。近期在深度学习方法方面取得了显著进展，但这些方法往往难以准确捕捉HSI的高频细节。为解决此问题，本文提出了一种从高光谱图像中隐式学习的谱波扩散先验（Spectral Diffusion Prior, SDP），其基于扩散模型。凭借扩散模型在细节重建方面的强大能力，这种学习到的先验在注入HSI模型后可显著提升性能。为进一步提高学习先验的有效性，我们还提出了谱波先验注入模块（Spectral Prior Injector Module, SPIM），以动态引导模型恢复HSI的细节。我们在两种代表性HSI方法上进行评估：MST和BISRNet。实验结果表明，我们的方法比现有网络提升了约0.5 dB，有效改善了HSI重建的性能。
引用
@article{arxiv.2507.13769,
title = {Learning Spectral Diffusion Prior for Hyperspectral Image Reconstruction},
author = {Mingyang Yu and Zhijian Wu and Dingjiang Huang},
journal= {arXiv preprint arXiv:2507.13769},
year = {2025}
}