| 基于多层小波深度聚合网络的高光谱图像超分辨率方法 |
| |
| 引用本文： | 方健,杨劲翔,肖亮.基于多层小波深度聚合网络的高光谱图像超分辨率方法[J].电子学报,2024(1):201-216. |
| |
| 作者姓名： | 方健 杨劲翔 肖亮 |
| |
| 作者单位： | 1. 南京理工大学计算机科学与工程学院;2. 江苏省光谱成像与智能感知重点实验室 |
| |
| 基金项目： | 国家自然科学基金（No.61871226,No.61571230,No.62001226）；;江苏省重点研发计划（No.BE2018727）；;江苏省自然科学基金（No.BK20200465）；;中央高校基本科研业务费专项资金（No.30920021134）~~； |
| |
| 摘 要： | 利用低空间分辨率高光谱（Low Resolution HyperSpectral Image,LR-HSI）和高空间分辨率多光谱图像（High Resolution Multi Spectral Image,HR-MSI）的有机结合，实现高光谱空间分辨率增强，是当前高光谱图像处理的热点问题.目前，深度学习已成为高光谱-多光谱图像融合超分辨率的代表性方法，然而如何有效挖掘两者的互补空谱信息，实现空间结构和细节注入，在提升高光谱图像空间分辨率的同时保持高保真光谱信息，依然存在诸多挑战.本文提出了一种多层小波深度聚合网络（Multilevel Wavelet-Deep Aggregation Network,MW-DAN）.该网络有机结合非抽取小波（Un Decimated Wavelet Transform,UDWT）分解和深度残差网络，建立双分支互补信息融合网络，提升图像重建性能.其中，通过深度残差网络中引入跳层汇聚连接，设计信息聚合型结构，并对多光谱图像进行UDWT方向子带分解，逐层注入到网络中间隐层，增强了方向子带结构的细节注入和光谱保真能力.整个网络通过LR-HSI,HR-MSI和...
|
| 关 键 词： | 高光谱图像 图像融合 深度学习 非抽取小波变换 深度残差聚合模块 |
|
|
