Reciprocal transformer for hyperspectral and multispectral image fusion

高光谱成像 多光谱图像 计算机科学 人工智能 模式识别(心理学) 卷积神经网络 特征提取 计算机视觉
作者
Qing Ma,Junjun Jiang,Xianming Liu,Jiayi Ma
出处
期刊:Information Fusion [Elsevier]
卷期号:104: 102148-102148 被引量:9
标识
DOI:10.1016/j.inffus.2023.102148
摘要

Hyperspectral and multispectral (HS–MS) image fusion aims to reconstruct high-resolution hyperspectral images from low-resolution hyperspectral images and high-resolution multispectral images. While convolutional neural networks have been widely used for HS–MS fusion, their potential is curtailed due to the limited receptive field of each neuron, resulting in inadequate long-range modeling capabilities. Although several Transformer-based HS–MS fusion methods have been proposed, most of them often fail to fully integrate and coordinate the data from the two modalities (i.e., hyperspectral images and multispectral images). Such ineffective interactions significantly compromise the quality of the reconstructed hyperspectral images. In this paper, we introduce a novel reciprocal fusion strategy called the dual cross Transformer-based fusion (DCTransformer) for HS–MS fusion. The model excels in capturing the interplay between different modalities by utilizing directional pairwise multi-head cross-attention, which facilitates the transfer of information between modalities. Additionally, we incorporate a Swin Transformer block post cross-attention to enhance the self-attention within the context. Extensive experiments show that our DCTransformer performs favorably against other recent works on both simulation HSI datasets and real HSI datasets. The source code and pre-trained models are availabe at https://github.com/qingma2016/DCTransformer.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
SAINT完成签到 ,获得积分10
2秒前
Patrick完成签到 ,获得积分10
7秒前
overlood完成签到 ,获得积分10
7秒前
没头脑和不高兴完成签到 ,获得积分10
15秒前
Byby完成签到 ,获得积分10
18秒前
qausyh完成签到,获得积分10
23秒前
xzn1123应助wodetaiyangLLL采纳,获得10
26秒前
lixinyue完成签到 ,获得积分10
36秒前
JamesPei应助研友_LN32Mn采纳,获得10
39秒前
快乐的幼丝完成签到 ,获得积分10
42秒前
我独舞完成签到 ,获得积分10
44秒前
蟲先生完成签到 ,获得积分10
44秒前
49秒前
复杂觅山完成签到 ,获得积分10
49秒前
胜胜糖完成签到 ,获得积分10
50秒前
幸运草完成签到 ,获得积分10
53秒前
stiger完成签到,获得积分10
56秒前
昵称吧完成签到 ,获得积分10
57秒前
lilylwy完成签到 ,获得积分10
1分钟前
1分钟前
胖胖完成签到 ,获得积分10
1分钟前
然后发布了新的文献求助10
1分钟前
回首不再是少年完成签到,获得积分0
1分钟前
科研通AI2S应助刘隅采纳,获得10
1分钟前
CYL完成签到 ,获得积分10
1分钟前
Reader01完成签到 ,获得积分10
1分钟前
kk完成签到 ,获得积分10
1分钟前
香蕉觅云应助然后采纳,获得10
1分钟前
马香芦完成签到,获得积分10
1分钟前
美满的皮卡丘完成签到 ,获得积分10
1分钟前
科研张完成签到 ,获得积分10
1分钟前
小马完成签到 ,获得积分10
1分钟前
鬼见愁应助科研通管家采纳,获得10
1分钟前
在水一方应助科研通管家采纳,获得10
1分钟前
1分钟前
科研通AI2S应助刘隅采纳,获得10
1分钟前
研友_LN32Mn发布了新的文献求助10
1分钟前
缺粥完成签到 ,获得积分10
1分钟前
莫冰雪完成签到 ,获得积分10
1分钟前
EVEN完成签到 ,获得积分10
2分钟前
高分求助中
좌파는 어떻게 좌파가 됐나:한국 급진노동운동의 형성과 궤적 2500
Sustainability in Tides Chemistry 1500
TM 5-855-1(Fundamentals of protective design for conventional weapons) 1000
Cognitive linguistics critical concepts in linguistics 800
Threaded Harmony: A Sustainable Approach to Fashion 799
Livre et militantisme : La Cité éditeur 1958-1967 500
氟盐冷却高温堆非能动余热排出性能及安全分析研究 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3052652
求助须知:如何正确求助?哪些是违规求助? 2709874
关于积分的说明 7418267
捐赠科研通 2354446
什么是DOI,文献DOI怎么找? 1246020
科研通“疑难数据库(出版商)”最低求助积分说明 605951
版权声明 595921