论文阅读：SSR-NET 2022-04-15

论文名称：SSR-NET: Spatial–Spectral Reconstruction Network for Hyperspectral and Multispectral Image Fusion

论文代码：点击我

低空间分辨率高光谱图像(HSI)（LR-HSI）与相应的高空间分辨率多光谱图像(MSI)（HR-MSI）融合重建高空间分辨率HSI（HR-HSI）是近年来的重要课题。然而，对于现有方法在重构HR-HSI时，仍难以实现空间模式和光谱模式的跨模式信息融合。本文基于卷积神经网络(CNN)，提出了一种可解释的空间光谱重建网络(SSR-NET)，以实现更有效的HSI和MSI融合。更具体地说，提出的SSR-NET是一个物理简单的模型，由三个部分组成：

• 1)跨模式消息插入(CMMI)：该操作可以产生初步的融合HR-HSI，保存LR-HSI和HR-MSI最有价值的信息；

• 2)空间重建网络(SpatRN)：在空间边缘损失(Lspat)的指导下，重点重构LR-HSI丢失的空间信息；

• 3)光谱重建网络(SpecRN)：SpecRN关注在空间边缘损失(Lspec)约束下重建HR-MSI丢失的光谱信息。
  
  从相应的HR-MSI和LR-HSI中重建HR-HSI。首先，HR-MSI和LR-HSI的信息通过空间模式和光谱模式传递。然后，在橙色阶段，SpatRN旨在重建LR-HSI丢失的空间信息。最后，在绿色阶段，SpecRN的目标是重建丢失的光谱信息，以空间模式重建，并生成估计的HR-HSI。
  

• 不太全面，以后有机会再补充内容，实力有限，有错误麻烦告知一下。