释放相关性与连续性：基于 RGB 图像的高光谱重建
图像与视频处理
2025-01-06 v1 计算机视觉与模式识别
摘要
从 RGB 图像重建高光谱图像 (HSI) 可在较低成本下获得高空间分辨率的 HSI，展现出显著的应用潜力。本文揭示：局部相关性与全局连续性是 HSI 重建任务的关键因素。因此，我们充分探索这些光谱间关系，提出 Correlation and Continuity Network (CCNet) 用于 RGB 图像的 HSI 重建。针对局部光谱相关性，引入 Group-wise Spectral Correlation Modeling (GrSCM) 模块，高效建立局部范围内光谱带的相似性。针对全局光谱连续性，设计 Neighborhood-wise Spectral Continuity Modeling (NeSCM) 模块，运用记忆单元递归建模全局层面的渐进变异特征。为探索这两类模块的内在互补性，设计 Patch-wise Adaptive Fusion (PAF) 模块，高效以 patch 级自适应方式将全局连续性特征融入光谱特征。这些创新提升了重建 HSI 的质量。我们在主流数据集 NTIRE2022 和 NTIRE2020 上进行全面比较与消融实验。与当前先进光谱重建算法相比，所设计算法实现了最先进 (SOTA) 性能。
引用
@article{arxiv.2501.01481,
title = {Unleashing Correlation and Continuity for Hyperspectral Reconstruction from RGB Images},
author = {Fuxiang Feng and Runmin Cong and Shoushui Wei and Yipeng Zhang and Jun Li and Sam Kwong and Wei Zhang},
journal= {arXiv preprint arXiv:2501.01481},
year = {2025}
}