图像超分辨率：HSR-Diff:Hyperspectral Image Super-Resolution via Conditional Diffusion Models

源码见专栏置顶～

论文作者：Chanyue Wu,Dong Wang,Hanyu Mao,Ying Li

作者单位：Northwestern Polytechnical University; Yan’an University

论文链接：http://arxiv.org/abs/2306.12085v1

内容简介：

1）方向：图像超分辨率

2）应用：高光谱图像超分辨率

3）背景：高光谱图像在计算机视觉任务中具有重要意义，但其在空间域中的低分辨率特性会受到多种物理因素的影响，从而影响其潜力。

4）方法：本文提出一种基于条件扩散模型的高光谱图像超分辨率方法（HSR-Diff），将高分辨率多光谱图像（MSI）与相应的低分辨率高光谱图像（LR-HSI）合并。HSR-Diff通过重复细化生成高分辨率HSI，其中高分辨率HSI通过纯高斯噪声初始化并迭代地细化。在每次迭代中，使用 Conditional Denoising Transformer（CDF ormer）去除噪声，该 Transformer 在不同噪声水平下进行去噪训练，并以HR-MSI和LR-HSI的分层特征图为条件。此外，采用渐进式学习策略来利用全分辨率图像的全局信息。

5）结果：在四个公共数据集上进行了系统实验，结果表明HSR-Diff优于现有的超分辨率方法。