Hyperspectral Image Super-Resolution by Band Attention Through Adversarial Learning对抗学习波段注意高光谱超分论文笔记

**

Hyperspectral Image Super-Resolution by Band Attention Through Adversarial Learning

**
IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING, VOL. 58, NO. 6, JUNE 2020

高光谱图像（HSI）的超分辨率（SR）是一项具有挑战性的任务，因为当放大系数较大时，会出现纹理模糊和光谱失真问题。为了应对这两个挑战，本文提出了通过对抗性学习的波段注意力。首先，本文将SR过程置于生成式对抗网络（GAN）框架中，这样得到的高分辨率HSI可以保留更多的纹理细节。其次，与其他逐个波段的SR方法不同，本文方法的输入是全波段的。为了探索光谱带的相关性，避免光谱失真，本文在生成网络中提出一个注意力机制。施加了一系列的空间-光谱约束或损失函数来指导生成网络的训练，以便进一步减轻光谱失真和纹理模糊。在Pavia和Cave数据集上的实验表明，即使在大的放大系数（如8倍）下，基于GAN的SR方法也能得到高质量的结果。