Super-resolução de imagens hiperespectrais recorrentes não supervisionada usando refinamento consciente de pixels

A super-resolução (SR) de imagens hiperespectrais (HSI) baseada em fusão não supervisionada é uma tarefa essencial do processamento de HSI, que visa reconstruir uma HSI de alta resolução (HR) utilizando apenas uma HSI observada de baixa resolução e uma imagem HR convencional. Embora um grande número de métodos de SR de HSI não supervisionados tenham sido propostos, os priors de imagem artesanais heurísticos adotados pela maioria desses métodos restringem sua capacidade de capturar características específicas da HSI, bem como sua habilidade de generalizar para imagens de observação ruidosas. Neste estudo, investigamos uma estrutura de SR de HSI baseada em fusão com um prior de imagem profundo, no qual a rede neural profunda (ao invés de um prior de imagem artesanal heurístico) é explorada para capturar uma abundância de estatísticas de imagem. Dentro desta estrutura, propomos ainda um método de SR de HSI baseado em recorrência não supervisionada usando refinamento consciente de pixels, que utiliza os resultados de reconstrução intermediários para auto-supervisionar o aprendizado não supervisionado. Devido a conter as informações das características específicas da imagem, o método proposto alcança um melhor desempenho, em termos de precisão e robustez ao ruído, comparado aos métodos existentes. Extensos experimentos em quatro conjuntos de dados de HSI demonstram a eficácia do método proposto.