文献类型：期刊文章

作　　者：王溢琴[1] 董云云[2] 刘慧玲[3]

WANG Yiqin;DONG Yunyun;LIU Huiling(School of Information Technology and Engineering,Jinzhong University,Jinzhong 030619,China;College of Software,Taiyuan University of Technology,Taiyuan 030600,China;School of Mechanical Engineering,Jinzhong University,Jinzhong 030619,China)

机构地区：[1]晋中学院信息技术与工程学院,山西晋中030619 [2]太原理工大学软件学院,山西太原030600 [3]晋中学院机械学院,山西晋中030619

出　　处：《光学技术》

基　　金：山西省教育科学“十三五”规划2020年度‘互联网+教育’专项课题《学习分析视域下大学生在线学情诊断与预警研究》(HLW-20111)的阶段性成果;山西省高等学校科技创新项目(2020L0579);晋中学院“1331工程”创客团队项目(jzxycktd2019039)。

年　　份：2022

卷　　号：48

期　　号：1

起止页码：93-101

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD_E2021_2022、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：为了提高高光谱图像的空间分辨率,提出了一种基于GoogLeNet和空间谱变换的高光谱图像超分辨率(SR)方法。设计出遥感图像的光谱SR框架,对图像中不同反射光谱进行提取;采用GoogLeNet的稀疏编码对粗像素光谱进行放大,并投影到高分辨率字典上,将潜在SR表示进行反转,以获得超分辨光谱;为了提高图像重构的保真度,利用GoogLeNet网络的编解码结构实现空间光谱先验变换。在KSC等数据集对所提方法进行验证,实验结果表明,所提方法能够有效重建图像细节信息与纹理结构,平均峰值信噪比(APSNR)、平均结构相似度(ASSIM)以及光谱角映射(SAM)均优于其他对比方法,且能够较好地保持光谱信息。以KSC数据集为例,APSNR、ASSIM和SAM的值分别为25.643dB、0.789和0.084。

关 键 词：高光谱图像 超分辨率 GoogLeNet  空间谱变换  稀疏编码  图像重构

分 类 号：TP391]