基于双域信息增强的高光谱图像超分辨率重建方法技术

本发明专利技术公开了一种基于双域信息增强的高光谱图像超分辨率重建方法，涉及新一代信息技术领域。本发明专利技术将待预测低分辨率高光谱图像和与其对应的待预测高分辨率多光谱图像输入至基于双域信息增强的高光谱图像超分辨率重建网络模型中，前向传播一次，即可得到预测的重建高分辨率高光谱图像。本申请所述方法基于低分辨率高光谱图像和高分辨率多光谱图像进行预测时，能够充分挖掘不同数据源中的空间域信息和光谱域信息，并对空间域信息和光谱域信息进行充分融合，形成互补优势，得到包含更多的纹理细节信息和光谱信息的重建高分辨高光谱图像。而且，通过测试可知，该重建高分辨高光谱图像更加接近真值图像。

【技术实现步骤摘要】

本专利技术属于新一代信息，涉及一种基于双域信息增强的高光谱图像超分辨率重建方法。

技术介绍

1、随着智慧校园作为智慧城市微单元的重要性日益凸显，两者对精细化、动态化的环境监测需求持续升级。在此背景下，遥感技术展现出独特价值：其通过大范围、多维度的空间数据采集能力，可同时服务于城市级规划与校园级管理。例如，低空遥感可实时获取城市建筑分布、交通流量等宏观数据，同步应用于校园周边环境风险评估。目前，在遥感技术中，基于低分辨率高光谱图像和高分辨率多光谱图像利用基于深度学习的高光谱图像超分辨率重建方法重建高分辨率高光谱图像，是当前研究的热点方向。不过，现有大多数基于深度学习的高光谱图像超分辨率重建方法，往往难以实现空间信息与光谱信息的充分融合，导致重建的高分辨率高光谱图像与真值图像的差异较大。因此，本申请设计了一种基于双域信息增强的高光谱图像超分辨率重建方法。

技术实现思路

1、针对上述现有技术中的缺陷与不足，本申请提出一种基于双域信息增强的高光谱图像超分辨率重建方法。

2、本专利技术为达到上述专利技术目的本文档来自技高网...

【技术保护点】

1.一种基于双域信息增强的高光谱图像超分辨率重建方法，其特征在于：包括以下步骤：将待预测低分辨率高光谱图像和与其对应的待预测高分辨率多光谱图像输入至基于双域信息增强的高光谱图像超分辨率重建网络模型中，前向传播一次，得到预测的重建高分辨率高光谱图像；

2.根据权利要求1所述的一种基于双域信息增强的高光谱图像超分辨率重建方法，其特征在于：空间超分辨率网络包括上采样层、3×3卷积层、四个并联的特征细化模块、空间注意力模块、Concat层和双域信息增强模块；其中，上采样层将原始低分辨率高光谱图像的空间尺寸放大至目标高分辨率；3×3卷积层对上采样层的输出进行初步空间特征提取；而后，将3...

【技术特征摘要】

1.一种基于双域信息增强的高光谱图像超分辨率重建方法，其特征在于：包括以下步骤：将待预测低分辨率高光谱图像和与其对应的待预测高分辨率多光谱图像输入至基于双域信息增强的高光谱图像超分辨率重建网络模型中，前向传播一次，得到预测的重建高分辨率高光谱图像；

2.根据权利要求1所述的一种基于双域信息增强的高光谱图像超分辨率重建方法，其特征在于：空间超分辨率网络包括上采样层、3×3卷积层、四个并联的特征细化模块、空间注意力模块、concat层和双域信息增强模块；其中，上采样层将原始低分辨率高光谱图像的空间尺寸放大至目标高分辨率；3×3卷积层对上采样层的输出进行初步空间特征提取；而后，将3×3卷积层的输出沿通道维度均匀切分得到所有的子特征图，将所有的子特征图划分成四个通道组；四个特征细化模块分别对四个通道组进行细化空间特征；空间注意力模块用于对特征细化模块的输出中的显著空间区域特征进行增强；concat层将四个空间注意力模块的输出进行特征拼接，得到具有丰富空间特征的特征图；双域信息增强模块用于从concat层的输出中获取空间差异特征和光谱差异特征，并对空间差异特征进行提取，对光谱差异特征进行通道压缩和通道融合，还对特征进行融合，得到空间信息超分辨率的高分辨率高光谱图像。

3.根据权利要求1所述的一种基于双域信息增强的高光谱图像超分辨率重建方法，其特征在于：光谱超分辨率网络包括特征细化模块、通道注意力模块和双域信息增强模块；其中，特征细化模块用于对原始高分辨率多光谱图像进行细化光谱特征；通道注意力模块用于自适应调整特征细化模块的输出中各光谱通道的重要性，突出关键光谱通道；双域信息增强模块基于通道注意力模块的输出获取空间差异特征和光谱差异特征，并对空间差异特征进行提取，对光谱差异特征进行通道压缩和通道融合，还对特征进行融合，得到具有光谱信息超分辨率的高分辨率高光谱图像。

4.根据权利要求1所述的一种基于双域信息增强的高光谱图像超分辨率重建方法，其特征在于：融合超分辨率网络包括注意力增强模块、双域信息增强模块以及特征细化模块，其中，注意力增强模块用于对光谱特征在通道维度上进行加权，并对显著空间域信息进行空间维度加权，还对特征进行融合；双域信息增强模块基于注意力增强模块的输出获取空间差异特征和光谱差异特征，并对空间差异特征进行提取，对光谱差异特征进行通道压缩和通道融合，还对特征进行融合，得到具有丰富空间结构信息与光谱相关性信息的特征图；特征细化模块用于对双域信息增强模块的输出细化光谱特征和空间特征，输出融合后的高分辨率高光谱图像。

5.根据权利要求1所述的一种基于双域信息增强的高光谱图像超分辨率重建方法，其特征在于：双域信息增强模块包括三个信息强化模块以及一个卷积层；其中，信息强化模块用于增强空间域信息和增强光谱域信息，并对空间域信息和光谱域信息进行融合，三个信息强化模块依次连接实现逐层优化特征表达；卷积层用于对最后一个信息强化模块的输出中的双域信息进行深度特征提取与融合。

6.根据权利要求5所述的一种基于双域信息增强的高光谱图像超分辨率重建方法，其特征在于：信息强化模块包括第一卷积层、空间信息聚集模块、光谱信息增强模块和空间光谱信息融合模块；其中，第一卷积层用于进行初步的特征提取和细节信息增强；空间信息聚集模块用于对第一卷积层的输出增强空间域信息，并捕捉多尺度空间上下文信息；光谱信息增强模...

【专利技术属性】
技术研发人员：高永标，胡峰，代振忠，李光辉，徐衍龙，
申请(专利权)人：齐鲁工业大学山东省科学院，
类型：发明
国别省市：