基于全合成训练的无监督 hyperspectral 图像单张图像超分辨率
图像与视频处理
2026-02-05 v1 计算机视觉与模式识别
摘要
hyperspectral 单张图像超分辨率（SISR）旨在在保持丰富光谱信息的同时提升空间分辨率。大多数现有方法依赖监督学习，需高分辨率真实数据，但实际应用中往往难以获得。为克服这一限制，我们提出一种基于合成丰度数据的无监督学习方法。首先通过 hyperspectral 混合分析将图像分解为端成员和丰度图；随后利用死叶模型生成的数据训练神经网络，对这些丰度图进行超分辨率处理。最终通过将超分辨率丰度图与端成员重组，重建超分辨率 hyperspectral 图像。实验结果表明，我们方法的有效性以及合成数据用于训练的相关性。
引用
@article{arxiv.2602.02552,
title = {Super-r\'esolution non supervis\'ee d'images hyperspectrales de t\'el\'ed\'etection utilisant un entra\^inement enti\`erement synth\'etique},
author = {Xinxin Xu and Yann Gousseau and Christophe Kervazo and Saïd Ladjal},
journal= {arXiv preprint arXiv:2602.02552},
year = {2026}
}
备注
in French language