面向马赛克与全色融合成像的半监督流匹配方法
计算机视觉与模式识别
2026-04-23 v1
摘要
将低分辨率马赛克高光谱图像与高分辨率全色图像融合，为通过单次采集实现视频级高分辨率高光谱成像提供了一条有前景的途径，但其严重的病态特性仍是一个重大挑战。本文提出了一种新颖的面向马赛克与全色图像融合的半监督流匹配框架。与先前受限于特定协议或手工假设的扩散方法不同，我们的方法将无监督方案与流匹配无缝集成，形成了一个通用且高效的生成式框架。具体而言，我们的方法遵循两阶段训练流程。首先，我们预训练一个无监督先验网络以生成初始的伪高分辨率高光谱图像。在此基础上，我们训练一个条件流匹配模型以生成目标高分辨率高光谱图像，并引入一种随机投票机制，该机制迭代地细化初始高分辨率高光谱估计，从而实现鲁棒且有效的融合。在推理阶段，我们采用一种无冲突的梯度引导策略，确保重建的高分辨率高光谱图像在光谱和空间上具有一致性。在多个基准数据集上的实验表明，与代表性基线方法相比，我们的方法在定量和定性性能上均取得了显著优势。除了马赛克与全色融合之外，我们的方法提供了一个灵活的生成式框架，可以轻松扩展到其他图像融合任务，并与无监督或盲图像复原算法相结合。
引用
@article{arxiv.2604.20128,
title = {Semi-Supervised Flow Matching for Mosaiced and Panchromatic Fusion Imaging},
author = {Peiming Luo and Nan Wang and Litong Liu and Jiahan Huang and Chenxu Wu and Renwei Dian and Junming Hou},
journal= {arXiv preprint arXiv:2604.20128},
year = {2026}
}