[发明专利]一种高光谱遥感图像超分辨率重建方法、装置及计算机设备

说明书

本发明公开了一种高光谱遥感图像超分辨率重建方法、装置及计算机设备，涉及图像超分辨率重建技术领域。所述方法是先将多个低分辨率影像作为输入项，以及将多个高分辨率影像作为输出项，导入包括有线性嵌入层、依次连接的K个残差组块、合并层、上采样层、全域跳跃连接和反嵌入层的光谱‑空间Transformer模型进行训练，得到图像超分辨率重建模型，然后将待重建的且低分辨率的高光谱遥感图像输入所述图像超分辨率重建模型，输出得到高分辨率的高光谱遥感图像，并通过分别提取输入影像的空间特征与光谱特征，以及将二者相集成用于高光谱遥感影像的超分辨率重建，可以避免依赖CNN，并通过实验对比发现超分效果有了很大提升。

技术领域

本发明属于图像超分辨率重建技术领域，具体涉及一种高光谱遥感图像超分辨率重建方法、装置及计算机设备。

背景技术

高光谱遥感图像(HyperspectralImages，HSI)是由机载或卫星平台上的传感器捕获的数字图像，这些传感器测量地球表面在多个狭窄且连续的波段中的电磁波反射，从而产生高光谱分辨率数据。从这些图像中收集的信息提供了有关地面物体的化学和物理特性的详细信息，从而可以对不同地面物体进行准确分类和识别。高光谱遥感图像应用广泛，例如矿产勘探(Govilet al.，2021；Bedini，2017)、农业(Nguyenet al.，2021；Zhang et al.，2016)、城市规划(Navinet al.，2020；Weber et al.，2018)和环境监测(Stuartet al.，2021；Niu et al.，2019)等。由于传感器、摄影高度、成本等因素，高光谱遥感图像不得不牺牲空间分辨率来追求更为详细的光谱分辨率(Fu et al.，2021)，这对高光谱遥感图像的应用造成了很大的困难，因此，如何在保持光谱分辨率的同时提升空间分辨率是一个极具挑战性的问题。

图像超分辨率(Super-resolution，SR)重建是解决上述问题的理想方法。图像超分辨率的目标是从低分辨率输入图像生成高分辨率图像，这通常是通过使用来自低分辨率图像的信息以及来自先验知识或其他来源的附加信息来合成高分辨率图像中丢失的高频细节来完成的。根据处理过程中输入图像数量差异，图像超分辨率可以分为多图像超分辨率(Dian et al.，2021；Li et al.，2018)与单图像超分辨率(Jiang et al.，2020)。多图像超分辨率一般采用融合的方法实现，即使用高分辨率全色图像或多光谱图像来提高低分辨率高光谱图像的空间分辨率。近年来研究学者提出了许多新颖的算法来实现这一目标，例如：采用渐进多尺度可变形残差网络对多张图像进行超分辨率处理(Liu et al.，2022a)；采用端到端的深度神经网络进行多图像超分任务(Arefinet al.，2020)。这些工作对于进一步推进多图像超分辨率技术的发展具有重要意义。但是，多图像超分辨方法存在明显的缺陷，即处理的过程中必须输入高分辨率的辅助影像，在难以获得辅助图像的情况下，多图像超分辨率将难以发挥作用。另外，多图像超分辨率的处理过程也会耗费更多的计算机资源与时间成本(Liet al.，2020；Chen et al.，2022)。