电气工程与系统科学 > 图像与视频处理
[提交于 2025年1月27日
]
标题: 基于字典迁移的相似多光谱图像光谱超分辨率补偿方法
标题: Compensation based Dictionary Transfer for Similar Multispectral Image Spectral Super-resolution
摘要: 利用从几个相似场景的多光谱和高光谱图像中学习到的光谱字典,仅使用一张多光谱图像就可以重建出所需的高光谱图像。 然而,相似场景与所需高光谱图像之间的差异使得无法直接将训练域中的光谱字典应用于任务域。 为此,本文提出了一种基于补偿矩阵的相似场景多光谱图像光谱超分辨率字典迁移方法,旨在重建更准确的高空间分辨率高光谱图像。 具体而言,通过使用具有相似性约束的补偿矩阵建立光谱字典迁移方案,将训练域中学习到的光谱字典转移到光谱超分辨率域。 随后,在稀疏性和低秩性约束下优化稀疏系数矩阵。 在两个来自不同场景的AVIRIS数据集上的实验结果表明,所提出的方法优于其他相关最先进方法。
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.