标题:SSR-NET: Spatial–Spectral Reconstruction Network
for Hyperspectral and Multispectral Image Fusion
具体方法: 本文所提出的SSR-NET是一个物理上直接的CNN模型,主要有三个模块组成:
(1)CMMI (跨模式消息插入)
(2)具有空间边缘损失的SpatRN
(3)具有频谱边缘损耗的SpecRN.
参数表示: R表示参考的HR-HSI, Z 表示估计的HR-HSI
X表示LR-HSI Y表示HR-MSI
X和Y分别以空间模式和光谱模式进行采样,这些模式通过下列公式:
其中,X先通过高斯滤波器进行模糊,然后通过双线性运算以与Z的比率r进行空间下采样。
Y是以相等的频带间隔从Z采样的。
Y(k)表示Y的第k个频带。 {s1, . . . , sl} 表示HR-HSI中的采样频带数
CMMI: CMMI的目标是生成一个初步的级联超多重光谱图像(HMSI),表示为 Zpre∈RH×W×L,它利用了HR-MSI的空间信息和LR-HSI的光谱信息,保留了它们的相对空间-光谱位置。
通过利用双线性插值,X的LR-HSI将被上采样到与空间模式中Y的HR-MSI相同的大小,表示为
其中r是上采样率,X↑ 是上采样的LR-HSI
然后,HR-MSI和上采样的LR-HSI将被预先融合,其公式为:
其中Zpre表示HMSI,并且Zpre(k)是HMSI的第k频带。类似地,Y(k)和X(k)↑ 分别表示HR-MSI的第k个频带和上采样的LR-HSI。通过这种方式,级联的HMSI可以包含HR-MSI和LR-HSI的空间和频谱信息。
为了初步传递空间和光谱模式之间的信息,在HMSI中应用了核大小设置为3×3、空间高度和宽度步长设置为1的卷积层。它表示为
其中ReLU是整流线性单元的非线性激活函数。
SpatRN 具有空间边缘损耗的空间重构网络:
为了从Zpre重建空间信息,另一个步长设置为1的3×3卷积层用作SpatRN,其公式为:
为了使SpatRN专注于空间信息的恢复,基于空间边缘,如图3所示,本文提出了一种新的空间边缘损失(Lspat)来约束SpatRN的输出
SpecRN 具有谱边缘损耗的谱重构网络 :
在空间重构之后,使用与SpatRN具有相同架构的另一个卷积层作为SpecRN来进一步重构基于Zsput的频谱信息。它被公式化为
与空间边缘类似,如图3所示,频带的频谱边缘包含对频谱重建至关重要的高频信息。为了使SpecRN重视频谱恢复,本文还提出了频谱边缘损耗(Lspec)来约束SpecRN的输出。