[发明专利]一种基于多级细节注入的高光谱空谱质量增强方法

权利要求书

1.一种高光谱空谱质量增强方法，其特征在于，所述高光谱空谱质量增强方法包括：生成训练图像；构建双分支融合网络，进行训练；构建双分支融合网络提取并融合空间细节，进行训练，从低分高光谱图像和高分全色图像中提取多级空间细节；细节注入，重建高分辨率高光谱图像；在细节注入部分，通过预定义的增益系数所提取的细节将被逐级注入到上采样的高光谱图像中。

2.如权利要求1所述的高光谱空谱质量增强方法，其特征在于，所述生成训练图像包括：获取公开的低分辨率高光谱图像数据集和高分辨率全色图像数据集。

3.如权利要求2所述的高光谱空谱质量增强方法，其特征在于，分别获取公开的低分辨率高光谱图像数据集H∈R^m×n×λ，和高分辨率的全色图像数据集P∈R^M×N，其中m×n分别表示高光谱图像的分辨率，λ为光谱波段数，M×N为全色图像的分辨率。

4.如权利要求1所述的高光谱空谱质量增强方法，其特征在于，所述构建双分支融合网络，并对其进行训练包括：在基于PCA的高光谱图像锐化算法中，提取的PC₁包含了HS图像的主要空间信息；基于PCA的锐化方法的基本原理是用更高分辨率的图像代替PC₁，并通过反PCA光谱变换得到锐化图像；高空间分辨率的全色图像通常被作为替代PC₁的理想细节图；通过双分支融合网络提取空间分量，其中高光谱图像和全色图像的空间分量在两个独立的分支中进行分层处理；双分支融合包含两个分支：全色图像细节提取分支和细节融合分支。

5.如权利要求4所述的高光谱空谱质量增强方法，其特征在于，进一步包括：

(1)全色图像细节提取分支由两级组成；对于细节提取分支的第一级，将全色图像输入卷积层，生成一个64通道的特征图；然后通过残差网提取剩余特征，将残差网的输出输入到卷积层中，卷积层的输出是第二层的输入，用于融合由高光谱图像细节提取分支的第二层得到的特征图；全色图像细节提取分支的第一级通过以下公式给出：

其中下标1表示第一层，表示第一层的输出，f表示卷积层和残差网函数，第一层和第二层有两个区别：首先，第二级的输入需要通过一个最大池化层，将特征映射降采样到高光谱图像的大小；其次，将第二级的输出与高光谱图像细节提取分支的第一级的输出进行融合，重构空间分量，全色图像细节提取分支的第二级通过以下公式给出：

其中，下标2表示第二级，表示第二级的输出；

(2)细节融合分支，每级都包含两个卷积层和一个反卷积层：

在细节融合分支的第一级，PC₁被输入到一个包含32个大小为3×3×1的滤波器的卷积层中，第二个卷积层包含4个滤波器，大小为3×3×32；将有32个通道的特征图输入第二卷积层时，得到一个有4个通道的特征图；4通道的特征图被输入到一个反卷积层，反卷积层的输出是一个大小加倍的插值特征图，细节融合分支输出表示为：

其中，g表示包含两层卷积和一层反卷积运算；

除输入和输出外，第二级与第一级相同，细节融合分支的第二层表述为：

其中为细节融合分支的第二层的输出；

(3)细节注入，重建高分辨率高光谱图像；

1)基于CS和MRA的锐化方法的另一个关键步骤是细节注入，注入增益g_k的定义是细节注入的核心问题；根据光谱带之间的比值定义了注入增益，第一级第k波段的注入增益G_k,1表示为：

其中，下标1表示级数，根据4倍上采样的注入增益2也以这种方式定义；

2)重建高分辨率高光谱图像；

在提取光谱细节并计算注入增益后，锐化图像：

其中，H为低分辨率高光谱图像，↑为上采样符号；

(4)构建损失函数，增加光谱角映射器(SAM)来约束双分支网络，总体损失函数被描述为：

其中，表示L₁损失，α为设置为10^-3的参数，表示SAM损失。