计算机工程

作者：王震, 陈希爱, 杨超, 贾慧迪, 韩志, 唐延东

单位：1. 沈阳化工大学信息工程学院, 辽宁 沈阳 1101422. 中国科学院沈阳自动化研究所机器人学国家重点实验室，辽宁 沈阳 1100163. 中国科学院机器人与智能制造创新研究院，辽宁 沈阳 1100164. 中国科学院大学，北京 100049

关键词：超分辨率,融合,非局部高阶张量,张量火车,光谱解混

基金：国家自然科学基金(61821005); 中国科学院稳定支持基础研究领域青年团队计划(YSBR-041); 中国科学院青年创新促进会(2022196)

现有高光谱图像(HIS)超分辨率任务存在信息表示不充分、先验信息利用不足、重建精度不高的问题，严重影响后续图像处理任务精度。针对此问题，提出基于多-高光谱图像融合的非局部高阶张量表示算法，用于HSI超分辨率重建。通过k-means算法将图像划分为非局部相似块，将其构建成高阶张量，并利用张量火车所具有的均衡分解策略挖掘非局部高阶张量空间-光谱低秩冗余性。由于图像空间域中具有局部平滑特性，因此采用加权组稀疏正则项描述此特征，并构造加权光谱解混约束项来解决超分辨过程中光谱数据的融合失真问题，利用交替方向乘子法推导给出各变量具体求解计算过程。在公开的3个真实数据集CAVE、Pavia University、Indian Pines上的实验结果表明，与现有代表性超分辨率算法相比，所提算法的平均峰值信噪比(PSNR)和结构相似性(SSIM)分别提高0.290 8 dB、0.002，光谱角映射器(SAM)和全局相对误差指数分别降低了0.116°和3.1%。

来源：2025年第9期

《计算机工程》期刊编辑部

查看计算机工程杂志2025年第9期