基于Transformer的高光谱图像超分辨率重建 |
| |
引用本文: | 王龙光,郭裕兰,林再平,王应谦,安玮.基于Transformer的高光谱图像超分辨率重建[J].中国科学:信息科学,2023(3):500-516. |
| |
作者姓名: | 王龙光 郭裕兰 林再平 王应谦 安玮 |
| |
作者单位: | 国防科技大学电子科学学院 |
| |
摘 要: | 高光谱图像超分辨率重建旨在融合高分辨率多光谱图像与低分辨率高光谱图像以得到高分辨率高光谱图像.如何实现二者中空域信息和谱域信息的有效融合是高光谱图像超分辨率重建的关键.受高光谱图像的端元表示模型启发,本文在神经网络中显式地对端元进行建模,并利用其作为纽带实现空域信息和谱域信息的融合.具体来说,本文提出了一个基于Transformer的高光谱图像超分辨率重建网络,利用Transformer结构从低分辨率高光谱图像提取端元信息,并将端元信息融合到高分辨率多光谱图像中,进而完成高分辨率高光谱图像的重建.实验结果表明, Transformer结构的全局感受野增强了网络的长程建模能力,提高了端元提取精度,进而提升了超分辨率重建性能.与已有方法相比,本文所提方法在室内/遥感高光谱数据集上均取得了更优的性能.
|
关 键 词: | 高光谱图像 图像超分辨率重建 图像融合 Transformer网络 端元特征 |
|
|