基于解混的全色引导高光谱图像融合网络
图像与视频处理
2022-05-04 v1
摘要
高光谱图像 (HSI) 因其丰富的光谱信息已广泛应用于诸多领域。然而,成像传感器的限制降低了其空间分辨率,导致细节丢失。一种解决方案是将低空间分辨率高光谱图像 (LR-HSI) 与具有互补特征的全色图像 (PAN) 进行融合,以获得高分辨率高光谱图像 (HR-HSI)。现有多数融合方法仅关注 4 或 6 等较小融合比,对于一些大融合比的 HSI 与 PAN 图像对可能不实用。此外,从仅含单波段的 PAN 图像中恢复具有数百波段的 HSI 细节信息的病态性尚未得到有效解决,尤其在大融合比下。因此,本文提出一种轻量的基于解混的全色引导融合网络 (Pgnet),以缓解该病态性并显著提升融合性能。需注意,所提网络的融合过程在投影的低维丰度子空间下进行,融合比极大,达 16。进一步地,基于 PAN 强度与丰度间的线性与非线性关系,设计了一种可解释的 PAN 细节注入网络 (PDIN),以高效地将 PAN 细节注入丰度特征。在仿真与真实数据集上的综合实验从定性与定量角度证明了本方法相对于若干最先进 (SOTA) 方法的优越性与通用性(基于 pytorch 与 paddle 版本的代码及数据集见 https://github.com/rs-lsl/Pgnet)。(相较于发表于 Tgrs 的版本,本文为改进版,修改了 PDIN 块的推导。)
引用
@article{arxiv.2201.11318,
title = {Unmixing based PAN guided fusion network for hyperspectral imagery},
author = {Shuangliang Li and Yugang Tian and Hao Xia and Qingwei Liu},
journal= {arXiv preprint arXiv:2201.11318},
year = {2022}
}