CN116433548B 一种基于多级信息提取的高光谱与全色图像融合方法 （西安电子科技大学）

一种基于多级信息提取的高光谱与全色图一种基于多级信息提取的高光谱与全色图光谱图像的行和列两个方向以步长为r获取像素模块个数；对所采用的UP_HSI为等间隔谱段抽和融合。能够提高光谱图像与全色图像的相关2在高光谱图像的行和列两个方向以步长为r获取像素得到低分辨率高光谱图像(LR_HSI)；部残差模块输出图像与HR_MSI在通道维度上级联后经过卷积操2.根据权利要求1所述的一种基于多级信息提取的高光谱与全色图像融合方法，其特(1a)选取室内场景高光谱图像的CAVE数据集和真实场景高光谱图像的Harvard数据集，其中每组CAVE数据集包含高光谱图像HR_HSI且有对应的多光谱图像HR_MSI，每组Harvard数据集仅包含高光谱图像H(1b)采用光谱响应曲线生成每组Harvard数据集高光谱图像对应的彩色图像(HR_(1c)采用遥感领域中的Word'sProtocol规则，首先使用高斯模糊核对HR_HSI进行滤波，然后在高光谱图像的行和列两个方向以步长为r获取像素得到低分辨率高光谱图像33.根据权利要求1所述的一种基于多级信息提取的高光谱与全色图像融合方法，其特(4c)采用提纯模块进行融合微调，提纯模块包含两组卷积操作，最后输出重建的HR_4.根据权利要求3所述的一种基于多级信息提取的高光谱与全色图像融合方法，其特4[0002]高光谱图像(Hyperspectralimage,HSI)表征着物体表面电磁辐射的强弱信息，光谱技术能够获取物质中与光有关的信息，成像技术能够捕获目标物体的二维影像信息，采用光谱成像技术可以同时获取到目标的空间信息和光谱信息，得到三维光谱数据立方景的高空间分辨率低光谱分辨率的多光谱图像(HighResolutionMultispectralImage,HR_MSI)和低空间分辨率高光谱分辨率的高光谱图像(LowResolutionHyperspectral结果达不到最优。基于深度学习的高光谱全色融合方法通过指定网络输入为LR_HSI和HR_泛锐化方面取得了成功，但其只关注融合高空间分辨率高光谱图像(HighResolution5[0006]综上所述，虽然现有方法能够在高光谱与全色图像融合取的高光谱与全色图像融合方法，使用多级光谱信息和特征图批量共享一个隐藏层状态，然后在高光谱图像的行和列两个方向以步长为r获取像素得到低分辨率高光谱图像(LR_[0013](4)多级信息提取融合，根据残差活性因子计算局部残差融合模块的残差学习能[0015](1a)选取室内场景高光谱图像的CAVE数据集和真实场景高光谱图像的Harvard数据集，其中每组CAVE数据集包含高光谱图像HR_HSI且有对应的多光谱图像HR_MSI，每组Harvard数据集仅包含高光谱图像H[0016](1b)采用Nikon700相机的光谱响应曲线生成每组Harvard数据集高光谱图像对应[0017](1c)采用遥感领域中常用的Word'sProtocol规则，首先使用高斯模糊核对HR_6的局部残差模块输出图像与HR_MSI在通道维[0032](4a)根据(2b)定义的残差活性因子计算(3a)中局部残差融合模块的残差学习能7图像的CAVE数据集和包含50组真实场景高光谱图像的Harvard数据集，其中每组CAVE数据集包含31个高光谱图像HR_HSI且有对应的多光谱图像HR_MSI，每组Harvard数据集仅包含[0047](1b)采用Nikon700相机的光谱响应曲线生成每组Harvard数据集高光谱图像对应[0048](1c)采用遥感领域中常用的Word'sProto8[0062](4a)根据(2b)定义的残差活性因子计算(3a)中局部残差融合模块的残差学习能模块使用8通道的UP_HSI，第三个、第四个和第五个局部残差融合模块使用31通道的UP_终输出的HR_HSI既包含丰富的光谱通道信息，每一个通道图像又拥有较高的空间分辨率，[0068]本发明基于多级信息提取的高光谱与全色图像融合是一种用于遥感图像泛锐化9[0070]本发明