频谱分治的多光谱和高光谱图像融合方法
在本文中,我们提出了一个频谱分治框架(BDCF)来解决这个问题,通过全面考虑频谱保真度、空间增强和计算效率。首先,根据HS和MS的谱响应,将HS的谱带分为重叠和非重叠带,然后提出了一种新的基于组分替换(CS)的改进方法来融合LRHS的重叠带。然后,提出了一种基于映射的神经网络方法来构造原始LRHS数据的重叠带和非重叠带之间的复杂非线性关系。将训练后的网络映射到融合重叠的HRHS波段,以估计非重叠的HRHS波段。
在本文中,我们提出了一个频谱分治框架(BDCF)来解决这个问题,通过全面考虑频谱保真度、空间增强和计算效率。首先,根据HS和MS的谱响应,将HS的谱带分为重叠和非重叠带,然后提出了一种新的基于组分替换(CS)的改进方法来融合LRHS的重叠带。然后,提出了一种基于映射的神经网络方法来构造原始LRHS数据的重叠带和非重叠带之间的复杂非线性关系。将训练后的网络映射到融合重叠的HRHS波段,以估计非重叠的HRHS波段。