摘要
本发明公开了一种基于光谱分组与混合卷积网络的高光谱图像超分辨率重建方法,该方法根据光谱相关性系数对高光谱图像进行自适应分组,并在组内按照光谱距离进行混洗,这有助于提高组内光谱多样性,同时增强捕捉特定光谱范围内微小特征的能力。采用组内光谱融合模块,基于渐进式上采样的2D/3D混合卷积模型,实现空间超分辨率的同时,有效提高了对光谱信息的利用,能够产生高质量的视觉效果。由粗到细地生成高空间分辨率的高光谱图像。为了整合不同组间的信息,设计了跨组融合模块,全局实现了谱域和空间域中跨波段信息的互补,该模块通过注意力稀疏掩码机制学习空间和通道掩码,从而识别和定位冗余计算。
技术关键词
上采样
深层特征提取
双三次插值
图像
网络
重构模块
通道注意力机制
级联
ReLU函数
卷积模型
超分辨率