基于元-迁移学习的高光谱图像盲超分辨率重建方法

本发明涉及一种基于元‑迁移学习的高光谱图像盲超分辨率重建方法，通过利用大量自然图像的预训练模型，将自然图像域的空间知识有效迁移到高光谱图像域中，提升了模型的初始性能。此外，本发明采用元‑迁移学习策略，使得模型能够快速适应不同的退化形式，从而增强了在实际应用中的鲁棒性与泛化能力。同时，通过知识边缘蒸馏压缩模型，减少了网络的参数量与计算开销，提高了模型的效率。还通过多阶段注意力特征图的传递增强了模型对图像细节的表达能力。最后，利用块递归特性对模型进行微调，有助于进一步提高高分辨率重建的精度，使得生成的图像在边缘和细节处更加清晰。