SR${}^{2}$-Net：用于高光谱图像超分辨率的通用插拔式谱精炼模型
计算机视觉与模式识别
2026-01-30 v1
摘要
高光谱图像超分辨率（HSI-SR）旨在在保持谱上忠实且物理上合理特性的同时提升空间分辨率。近期方法通过利用空间相关性来实现空间分辨率的提升，取得了很大进展。然而，这些方法常常忽略跨波段的谱一致性，导致出现不必要的振荡和物理上不合理的伪影。虽然可以通过设计网络结构来解决谱一致性问题，但这会导致模型的通用性和灵活性受损。为此，我们提出一种轻量级插拔式校正器，基于物理先验的Spectral Rectification Super-Resolution Network（SR-Net），可在不修改其网络结构的前提下附加到广泛的HSI-SR模型中。SR-Net遵循增强-校正的管道，包括（i）层次化谱-空间协同注意力（H-SA）以强化跨波段相互作用，以及（ii）流形一致性校正（MCR）以约束重建光谱处于紧凑且物理上合理的光谱流形上。此外，我们引入一种退化一致性损失，以鼓励退化后的SR输出匹配观测的低分辨率输入。在多个基准数据集和多样化网络主干上进行的广泛实验表明，SR-Net在谱保真性和整体重建质量方面 consistently 实现了改进，同时几乎没有引入额外的计算开销。我们将在论文发表后发布代码。
引用
@article{arxiv.2601.21338,
title = {SR$^{2}$-Net: A General Plug-and-Play Model for Spectral Refinement in Hyperspectral Image Super-Resolution},
author = {Ji-Xuan He and Guohang Zhuang and Junge Bo and Tingyi Li and Chen Ling and Yanan Qiao},
journal= {arXiv preprint arXiv:2601.21338},
year = {2026}
}