基于自适应响应函数学习的耦合卷积神经网络在高光谱超分辨中的应用 论文笔记

Coupled Convolutional Neural Network With Adaptive Response Function Learning for Unsupervised Hyperspectral Super Resolution

HyCoNet由三个耦合的自动编码器网络组成，其中HSI和MSI基于线性分解模型解混成端元和丰度。设计了两个特殊的卷积层作为与三个自编码网络协调的桥梁，在训练过程中自适应地学习两个卷积层的PSF和SRF参数。此外，在联合损失函数的驱动下，该方法简单明了，易于实现端到端的训练。

贡献：

1、提出一种新的无监督网络HyCoNet来解决未知SRF和PSF的HSI-MSI融合问题。结果表明，与9种最新的HSI-MSI融合方法相比，该方法能较好地处理任意的SRF和PSF

2、该方法基于线性分解理论，将三个自编码网络联合耦合。在这些网络中，端成员包括一个卷积层的参数，该卷积层在两个自动编码器网络之间共享。此外，为了提高这些网络的一致性，学习的PSF层充当连接低分辨率和高分辨率丰度的桥梁。

3、 使用无监督学习和端到端培训方式驱动模型的联合损失函数，从而为获得最终结果提供了一种简单而直接的训练策略。