文档名:基于多层小波深度聚合网络的高光谱图像超分辨率方法
摘要:利用低空间分辨率高光谱(LowResolutionHyperSpectralImage,LR-HSI)和高空间分辨率多光谱图像(HighResolutionMultiSpectralImage,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(MultilevelWavelet-DeepAggregationNetwork,MW-DAN).该网络有机结合非抽取小波(UnDecimatedWaveletTransform,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HR-HSI(HighResolutionHyperSpectralImage)端对端训练,能够学习性能优越的空-谱融合的超分辨非线性映射.大量仿真数据集和真实数据集上的大量融合实验表明,本文提出的方法在客观评价指标、光谱保持和视觉效果上优于目前主流的深度学习方法.
作者:方健 杨劲翔 肖亮 Author:FANGJian YANGJing-xiang XIAOLiang
作者单位:南京理工大学计算机科学与工程学院,江苏南京210094南京理工大学计算机科学与工程学院,江苏南京210094;江苏省光谱成像与智能感知重点实验室,江苏南京210094
刊名:电子学报
Journal:ActaElectronicaSinica
年,卷(期):2024, 52(1)
分类号:TP751
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
Keywords:hyperspectralimage imagefusion deeplearning undecimatedwavelettransform deepresidualaggregationmodule
机标分类号:TP391.41TN957TB877
在线出版日期:2024年4月16日
基金项目:基于多层小波深度聚合网络的高光谱图像超分辨率方法[
期刊论文] 电子学报--2024, 52(1)方健 杨劲翔 肖亮利用低空间分辨率高光谱(LowResolutionHyperSpectralImage,LR-HSI)和高空间分辨率多光谱图像(HighResolutionMultiSpectralImage,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...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于多层小波深度聚合网络的高光谱图像超分辨率方法 MW-DAN: Multilevel Wavelet-Deep Aggregation Network for Hyperspectral Image Super-Resolution
基于多层小波深度聚合网络的高光谱图像超分辨率方法.pdf
- 文件大小:
- 3.27 MB
- 下载次数:
- 60
-
高速下载
|
|