基于光谱相似性的高光谱图像超分辨率方法

简介：
本研究提出一种新颖的方法，利用高光谱图像中像素间的光谱相似性进行超分辨率重建。通过增强空间和光谱信息，显著提升图像细节与质量，为遥感、医疗成像等领域提供有力支持。 基于光谱相似性的高光谱图像超分辨率算法是一种用于提升高光谱遥感图像空间分辨率的技术。该技术结合了成像技术和光谱分析方法，能够获取从紫外到远红外区域的电磁波数据，并生成包含丰富信息的窄带连续光谱图像。这种技术常被应用于监测植被、土壤湿度、矿物分布及环境污染等场景。 在处理高光谱图像的过程中，超分辨率重建是指通过低分辨率图来构建出高质量高空间分辨力的新图的过程。对于这类图像而言，除了提高其物理尺寸外，还需保证每个像素点所携带的光谱信息准确无误。这是因为不同的物质如植物种类和矿物成分等可以通过它们独特的光谱特征加以区分。 该算法利用了像元间普遍存在的相似性来优化重建效果。通过将这种光谱上的相近关系作为约束条件，并结合主成分分析（PCA）技术降低数据维度，从而提高计算效率的同时保证图像的分辨率与质量不受影响。 具体而言，首先应用结构自相似性的概念提升空间细节；其次利用PCA减少波段数量以加速处理流程；最后基于像元间的光谱一致性构建算法约束项来确保重建结果的真实性和精确性。实验结果显示该方法在提高图像质量和保持原始光谱信息方面优于传统的双三次插值和SRSM等传统技术。 此外，这项创新不仅提高了单个通道的超分辨率能力，并且成功扩展到了处理数百乃至上千波段的数据集上，在保证运算效率的同时实现了高精度重建结果。因此它具有广泛的应用前景，尤其是在环境监测、资源勘探、农业评估以及军事侦察等领域中展现出巨大潜力和价值。 该研究得到了国家自然科学基金（***）及科技支撑计划项目的资金支持（201），为深入探讨与应用推广奠定了坚实基础。