电气工程与系统科学 > 图像与视频处理
[提交于 2025年1月8日
(v1)
,最后修订 2025年1月14日 (此版本, v3)]
标题: HyFusion:高光谱图像融合的增强接收域变换器
标题: HyFusion: Enhanced Reception Field Transformer for Hyperspectral Image Fusion
摘要: 高光谱图像(HSI)融合解决了从高分辨率多光谱图像(HR-MSIs)和低分辨率HSI(LR-HSIs)重建高分辨率HSI(HR-HSIs)的挑战,鉴于获取高质量HSI的高成本和硬件限制,这是一个关键任务。虽然现有方法利用了空间和光谱关系,但它们通常受到有限的感受野和特征利用不足的限制,导致性能不佳。此外,高质量HSI数据的稀缺性突显了高效数据利用的重要性,以最大化重建质量。为了解决这些问题,我们提出了HyFusion,一种新颖的双耦合网络(DCN)框架,旨在增强跨域特征提取并实现有效的特征图重用。该框架首先通过专用子网络处理HR-MSI和LR-HSI输入,在特征提取过程中相互增强,保留互补的空间和光谱细节。其核心是增强感受野块(ERFB),它结合了移动窗口注意力和密集连接以扩展感受野,有效捕捉长距离依赖关系,同时最小化信息丢失。大量实验表明,HyFusion在HR-MSI/LR-HSI融合中实现了最先进的性能,在保持紧凑模型大小和计算效率的同时显著提高了重建质量。通过将增强的感受野和特征图重用集成到耦合网络架构中,HyFusion为资源受限场景下的HSI融合提供了一个实用且有效的解决方案,在高光谱成像领域设定了新的基准。我们的代码将公开可用。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.