Retrieval Augmented Generation - 2014年11月

A convex formulation for hyperspectral image superresolution via subspace-based regularization

发布时间：2014-11-14

作者：Miguel Simões, José Bioucas-Dias, Luis B. Almeida, Jocelyn Chanussot

中文摘要：

高光谱遥感图像（HSIs）通常具有高光谱分辨率和低空间分辨率。相反，多光谱图像（MSIs）通常具有低光谱分辨率和高空间分辨率。结合HSIs的高光谱分辨率和MSIs的高空间分辨率来推断图像的问题是一个数据融合问题，由于从同一地理区域获取的HSIs和MSIs越来越多，这个问题已成为近期活跃研究的热点。我们将这个问题表述为最小化一个包含两个二次数据拟合项和一个边缘保持正则化器的凸目标函数。数据拟合项考虑了模糊、不同分辨率和加性噪声。正则化器，一种向量全变分形式，促进了具有沿高光谱波段对齐的不连续性的分段平滑解。考虑到不同空间分辨率、正则化器的非二次和非平滑性质以及待估计的高光谱图像非常大的尺寸，导致了一个困难的优化问题。我们通过利用HSIs通常“存在于”一个低维子空间的事实，并通过通过方便的变量分裂定制交替方向乘子法（ADMM）的一个实例——Split Augmented Lagrangian Shrinkage Algorithm（SALSA），来处理这些困难。与HSI和MSI获取过程相关联的空间模糊和光谱线性算子也被估计，我们获得了一个有效的算法，在一系列模拟和真实数据实验中优于现有技术。

一句话总结：

本文提出了一种基于SALSA算法的高光谱与多光谱图像融合方法，通过变量分裂和正则化技术实现了高光谱和空间分辨率的有效结合。

---