USCTNet：一种用于物理一致性高光谱图像重建的深度展开核范数优化求解器
计算机视觉与模式识别
2025-09-22 v2
摘要
从单张RGB图像重建高光谱图像（HSI）是一个病态问题，并且当相机光谱灵敏度（CSS）和场景光照指定错误时，可能会变得物理上不一致。我们将RGB到HSI的重建形式化为一个基于物理的逆问题，该问题由一个可学习变换域中的核范数进行正则化，并且我们显式地估计CSS和光照，以定义嵌入每次迭代中的前向算子，从而确保色度一致性。为了避免奇异值阈值化（SVT）所需的完整奇异值分解（SVD）带来的成本和数值不稳定性，我们引入了一种数据自适应的低秩子空间SVT算子。基于这些组件，我们开发了USCTNet，这是一种专为HSI定制的深度展开求解器，它将参数估计模块与可学习的近端更新耦合在一起。在标准基准上的大量实验表明，在重建精度上，该方法相较于最先进的基于RGB的方法有持续改进。代码：https://github.com/psykheXX/USCTNet-Code-Implementation.git
引用
@article{arxiv.2509.10651,
title = {USCTNet: A deep unfolding nuclear-norm optimization solver for physically consistent HSI reconstruction},
author = {Xiaoyang Ma and Yiyang Chai and Xinran Qu and Hong Sun},
journal= {arXiv preprint arXiv:2509.10651},
year = {2025}
}