文献类型：期刊文章

作　　者：李勇[1] 金秋雨[1,2] 赵怀慈[2] 李波[3]

Li Yong;Jin Qiuyu;Zhao Huaici;Li Bo(School of Electrical Engineering,Shenyang University of Technology,Shenyang,Liaoning 110870,China;Key Laboratory of Optical-Electronics Information Processing,Shenyang Institute of Automation,Chinese Academy of Sciences,Shenyang,Liaoning 110016,China;College of Information,Shenyang Institute of Engineering,Shenyang,Liaoning 110136,China)

机构地区：[1]沈阳工业大学电气工程学院,辽宁沈阳110870 [2]中国科学院沈阳自动化研究所光电信息处理重点实验室,辽宁沈阳110016 [3]沈阳工程学院信息学院,辽宁沈阳110136

出　　处：《光学学报》

基　　金：辽宁省自然科学基金(2019-ZD-0205,2019-MS-238)。

年　　份：2021

卷　　号：41

期　　号：7

起止页码：180-189

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CAS、CSCD、CSCD2021_2022、EAPJ2020、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：高光谱图像包含着丰富的光谱信息,单幅RGB重建高光谱图像在军事目标识别和医学诊断领域具有重要价值。传统算法无法对未知相机光谱响应的RGB图像进行重建,针对此问题,本文提出了一种基于改进残差密集网络的重建算法。首先,将改进的残差密集块作为残差密集网络的基本模块,使用自适应权重模块对特征通道进行特征重标定,使高光谱重建精度得到了提高。其次,用特征变换层替代原来网络的空间变换层,将解决图像超分辨率问题转换成解决高光谱重建问题,实现网络从空间维度到光谱维度的转变。实验结果表明:本文所提算法无论是在主观效果上还是在客观评估指标上均优于主流的传统方法和深度学习方法,与稀疏字典方法相比,本文算法的平均相对绝对误差(MRAE)和均方根误差(RMSE)分别下降了46.7%和44.8%。

关 键 词：光谱学 高光谱成像 残差密集网络  通道自适应  特征重标定  RGB图像

分 类 号：TP391]