面向高光谱图像超分辨率的双域信息融合网络

目的高光谱图像超分辨率（hyperspectral image super-resolution， HISR）旨在融合高空间分辨率的多光谱图像（high-resolution multispectral image， HR-MSI）与低空间分辨率的高光谱图像（low-resolution hyperspectral image， LR-HSI），以生成具有高空间与光谱分辨率的高光谱图像（high-resolution hyperspectral image， HR-HSI）。现有方法在融合过程中往往忽略HR-MSI与LR-HSI之间在模态和结构上的差异，融合结果存在光谱扭曲与空间细节模糊等现象。针对上述问题，提出一种面向高光谱图像超分辨率的双域信息融合网络（dual-domain information fusion network， DDIF-Net），实现频域与空间域信息的联合建模与互补增强。方法构建一个频率—空间特征融合模块（frequency-spatial feature fusion module， FSFFM），在频率域中通过频率特征注入模块（frequency-feature injection block， FIB）实现HR-MSI的幅值信息注入，并结合相位信息保持结构一致性；在空间域中利用空间特征增强模块（spatial feature enhancement block， SFEB）对局部与长程依赖进行建模。此外，提出多尺度特征融合模块（multi-scale feature fusion module， MFFM），进一步增强图像细节恢复能力。DDIF-Net在保持光谱一致性的同时，提升了空间结构的清晰度。结果在Pavia Center数据集中，相比性能第2的方法，峰值信噪比（peak signal-to-noise ratio， PSNR）提升了0.23 dB，光谱角制图（spectral angle mapper， SAM）降低了0.24；Botswana数据集中，PSNR提升了0.41 dB，SAM降低了0.12；在Chikusei数据集中，PSNR提升了0.37 dB，SAM降低了0.01。结论实验结果表明，所提出的DDIF-Net结构能更好地融合空间—光谱信息，显著提升高光谱图像超分辨率融合图像的质量。