通过 MS/HS Fusion Net 进行多光谱与高光谱图像融合
计算机视觉与模式识别
2019-01-11 v1
摘要
与传统图像系统相比，高光谱成像有助于更好地理解不同材料的特性。然而，实践中通常只能以视频帧率捕获高分辨率多光谱（HrMS）和低分辨率高光谱（LrHS）图像。本文提出一种基于模型的深度学习方法，用于合并 HrMS 与 LrHS 图像以生成高分辨率高光谱（HrHS）图像。具体而言，我们构建一种新颖的 MS/HS 融合模型，其同时考虑低分辨率图像的观测模型与 HrHS 图像沿光谱模式的低秩性知识。随后我们利用近端梯度法设计迭代算法求解该模型。进而，通过展开所设计算法，我们构建了一个深度网络，称为 MS/HS Fusion Net，其利用卷积神经网络学习近端算子与模型参数。在模拟与真实数据上的实验结果从视觉和定量上均证实了我们的方法相对于该研究方向最先进方法的优越性。
引用
@article{arxiv.1901.03281,
title = {Multispectral and Hyperspectral Image Fusion by MS/HS Fusion Net},
author = {Qi Xie and Minghao Zhou and Qian Zhao and Deyu Meng and Wangmeng Zuo and Zongben Xu},
journal= {arXiv preprint arXiv:1901.03281},
year = {2019}
}
备注
10 pages, 7 figures