Interpretable Cross-Sensor Hyperspectral Image Super-Resolution

Yaoting Liu

doi:10.1109/tgrs.2026.3727427

Interpretable Cross-Sensor Hyperspectral Image Super-Resolution

2026-08-26

0

PRE

AI

DOI：10.1109/tgrs.2026.3727427

原文链接

原文求助

摘要

En 中文

高光谱图像超分辨率（HSI SR）已吸引越来越多的研究关注。尽管取得了近期进展，现有HSI SR方法仍存在两大主要局限：1）传感器间的差异阻碍了基于源传感器数据训练的模型对未见传感器数据的泛化能力；2）数据驱动方法通常缺乏可解释性，且未能充分挖掘高光谱图像（HSI）的固有光谱特性。为解决这些局限，我们提出了一种可解释的跨传感器HSI SR框架，将显式光谱先验融入优化驱动的展开网络中。该方法使训练后的模型无需额外再训练即可应用于未见的目标传感器数据。具体而言，设计了一种基于端元感知的动态调制网络（EDMN），用于将端元中紧凑的、可迁移的材料相关先验编码为自适应的逐带权重，以调节迭代HSI SR重建，提升跨传感器泛化能力。此外，将局部光谱平滑性与空间梯度约束（LSSSC）整合到展开网络中。通过结合LSSSC与自适应注意力权重，所提网络在促进同质区域光谱平滑的同时，缓解边界附近过度平滑问题，从而改善光谱保真度。跨三个数据集的跨传感器实验表明，所提方法实现了有竞争力的整体性能。此外，通过下游HSI分类任务验证了模型性能。

Keyword:

Cross-sensor

hyperspectral image (HSI)

interpretable network

spectral prior

super-resolution (SR)

Interpretable Cross-Sensor Hyperspectral Image Super-Resolution

摘要

期刊

机构

引用论文