ハイブリッド深層学習によるハイパースペクトル単一画像超解像

ハイパースペクトル単一画像超解像（SISR）は、多様な波長にわたるスペクトルの忠実性を維持しつつ、細かい空間の詳細を復元することが難しいため、挑戦的なタスクです。これに対処するために、スペクトル-空間アンミキシング融合（SSUF）という新しいモジュールを導入します。このモジュールは、標準的な2D畳み込みアーキテクチャにシームレスに統合でき、空間解像度とスペクトルの完全性の両方を向上させます。SSUFは、スペクトルアンミキシングとスペクトル-空間特徴抽出を組み合わせ、ResNetベースの畳み込みニューラルネットワークをガイドして再構築を改善します。さらに、平均二乗誤差と空間およびスペクトル勾配成分を統合するカスタム空間-スペクトル勾配損失関数を提案し、空間およびスペクトルの特徴の正確な再構築を促進します。3つの公的リモートセンシングハイパースペクトルデータセットでの実験により、提案されたハイブリッド深層学習モデルが競争力のあるパフォーマンスを達成しつつ、モデルの複雑さを軽減することを示しました。