論文の概要: ASSR-Net: Anisotropic Structure-Aware and Spectrally Recalibrated Network for Hyperspectral Image Fusion
- arxiv url: http://arxiv.org/abs/2604.05742v1
- Date: Tue, 07 Apr 2026 11:44:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-08 17:42:09.790954
- Title: ASSR-Net: Anisotropic Structure-Aware and Spectrally Recalibrated Network for Hyperspectral Image Fusion
- Title（参考訳）: ASSR-Net:ハイパースペクトル画像融合のための異方性構造認識・分光補正ネットワーク
- Authors: Qiya Song, Hongzhi Zhou, Lishan Tan, Renwei Dian, Shutao Li,
- Abstract要約: ハイパースペクトル画像融合のための異方性構造認識・分光補正ネットワーク textbfASSR-Net を提案する。
ASSR-Netは、常に最先端の手法より優れており、より優れた空間的詳細保存とスペクトル整合性を実現している。
- 参考スコア（独自算出の注目度）: 42.573141390377415
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Hyperspectral image fusion aims to reconstruct high-spatial-resolution hyperspectral images (HR-HSI) by integrating complementary information from multi-source inputs. Despite recent progress, existing methods still face two critical challenges: (1) inadequate reconstruction of anisotropic spatial structures, resulting in blurred details and compromised spatial quality; and (2) spectral distortion during fusion, which hinders fine-grained spectral representation. To address these issues, we propose \textbf{ASSR-Net}: an Anisotropic Structure-Aware and Spectrally Recalibrated Network for Hyperspectral Image Fusion. ASSR-Net adopts a two-stage fusion strategy comprising anisotropic structure-aware spatial enhancement (ASSE) and hierarchical prior-guided spectral calibration (HPSC). In the first stage, a directional perception fusion module adaptively captures structural features along multiple orientations, effectively reconstructing anisotropic spatial patterns. In the second stage, a spectral recalibration module leverages the original low-resolution HSI as a spectral prior to explicitly correct spectral deviations in the fused results, thereby enhancing spectral fidelity. Extensive experiments on various benchmark datasets demonstrate that ASSR-Net consistently outperforms state-of-the-art methods, achieving superior spatial detail preservation and spectral consistency.
- Abstract（参考訳）: ハイパースペクトル画像融合は,マルチソース入力から補完情報を統合することで高空間分解能ハイパースペクトル画像(HR-HSI)を再構成することを目的としている。
近年の進歩にもかかわらず、既存の手法では、(1)異方性空間構造の再構成が不十分で、細部がぼやけたり、空間的品質が損なわれたり、(2)微細なスペクトル表現を妨げる融合時のスペクトル歪みといった2つの重要な課題に直面している。
これらの問題に対処するために、超スペクトル画像融合のための異方性構造認識および分光補正ネットワークである \textbf{ASSR-Net} を提案する。
ASSR-Netは、異方性構造認識空間拡張(ASSE)と階層的事前誘導スペクトルキャリブレーション(HPSC)を含む2段階の融合戦略を採用している。
第1段階では、指向性知覚融合モジュールは、複数の方向に沿って構造的特徴を適応的に捕捉し、効果的に異方性空間パターンを再構成する。
第2段階では、スペクトル再校正モジュールは、元の低分解能HSIをスペクトルとして利用し、融合した結果のスペクトル偏差を明示的に補正し、スペクトル忠実度を高める。
様々なベンチマークデータセットに対する大規模な実験により、ASSR-Netは最先端の手法を一貫して上回り、より優れた空間的詳細保存とスペクトル整合性を実現していることが示された。
関連論文リスト
- SR$^{2}$-Net: A General Plug-and-Play Model for Spectral Refinement in Hyperspectral Image Super-Resolution [3.4888894498274747]
HSI-SRは、スペクトル的に忠実で物理的に妥当な特性を維持しながら、空間分解能を高めることを目的としている。
これらの方法はしばしばバンド間のスペクトルの一貫性を無視し、刺激的な振動と物理的に不可解な人工物をもたらす。
本稿では,この問題に対処するための軽量なプラグ・アンド・プレイ方式であるSpectral Rectification Super-Resolution Network (SR$2$-Net)を提案する。
論文 参考訳（メタデータ） (2026-01-29T07:00:00Z) - Hybrid Deep Learning for Hyperspectral Single Image Super-Resolution [9.467214671383875]
本稿では,標準的な2次元畳み込みアーキテクチャにシームレスに統合可能な新しいモジュールであるSpectral-Spatial Unmixing Fusion (SSUF)を紹介する。
SSUFはスペクトルアンミックスとスペクトル空間特徴抽出を組み合わせ、ResNetベースの畳み込みニューラルネットワークを誘導して再構成を改善する。
3つのパブリックリモートセンシングハイパースペクトルデータセットの実験は、提案したハイブリッドディープラーニングモデルが競合性能を達成することを示す。
論文 参考訳（メタデータ） (2025-09-26T08:28:07Z) - Spectral Compressive Imaging via Chromaticity-Intensity Decomposition [15.09393076865179]
本研究では,HSIを空間的に滑らかな強度マップとスペクトル的に変化する色度立方体に分解する色度-強度分解フレームワークを提案する。
そこで我々はCIDNet(Chromaticity-Intensity Decomposition Unfolding Network)を開発した。
論文 参考訳（メタデータ） (2025-09-20T13:37:14Z) - A Fusion-Guided Inception Network for Hyperspectral Image Super-Resolution [4.487807378174191]
我々はFusion-Guided Inception Network (FGIN)と呼ばれる単一画像の超解像モデルを提案する。
具体的には、まずスペクトル空間融合モジュールを用いて、スペクトル情報と空間情報を効果的に統合する。
インセプションのような階層的特徴抽出戦略は、マルチスケール空間依存をキャプチャするために用いられる。
再構成品質をさらに向上するため,バイリニアと奥行き分離可能な畳み込みを組み合わせた最適化されたアップサンプリングモジュールを組み込んだ。
論文 参考訳（メタデータ） (2025-05-06T11:15:59Z) - PAD: Phase-Amplitude Decoupling Fusion for Multi-Modal Land Cover Classification [49.37555541088792]
位相振幅デカップリング(PAD)は、位相(モダリティ共有)と振幅(モダリティ補完)を分離する周波数対応のフレームワークである。
この研究は、リモートセンシングにおける物理を意識したマルチモーダル融合の新しいパラダイムを確立する。
論文 参考訳（メタデータ） (2025-04-27T07:21:42Z) - Unleashing Correlation and Continuity for Hyperspectral Reconstruction from RGB Images [64.80875911446937]
RGB画像からのHSI再構成のための相関連続性ネットワーク(CCNet)を提案する。
局所スペクトルの相関について,GrSCM(Group-wise Spectral correlation Modeling)モジュールを紹介する。
グローバルスペクトルの連続性のために、我々はNeSCMモジュールを設計する。
論文 参考訳（メタデータ） (2025-01-02T15:14:40Z) - Physics-Inspired Degradation Models for Hyperspectral Image Fusion [61.743696362028246]
ほとんどの融合法は、融合アルゴリズム自体にのみ焦点をあて、分解モデルを見落としている。
我々は、LR-HSIとHR-MSIの劣化をモデル化するための物理インスパイアされた劣化モデル(PIDM)を提案する。
提案したPIDMは,既存の核融合法における核融合性能を向上させることができる。
論文 参考訳（メタデータ） (2024-02-04T09:07:28Z) - ESSAformer: Efficient Transformer for Hyperspectral Image
Super-resolution [76.7408734079706]
単一ハイパースペクトル像超解像(単一HSI-SR)は、低分解能観測から高分解能ハイパースペクトル像を復元することを目的としている。
本稿では,1つのHSI-SRの繰り返し精製構造を持つESSA注目組込みトランスフォーマネットワークであるESSAformerを提案する。
論文 参考訳（メタデータ） (2023-07-26T07:45:14Z) - Dual-Stage Approach Toward Hyperspectral Image Super-Resolution [21.68598210467761]
ハイパースペクトル画像超解像(DualSR)のための新しい構造を提案する。
粗い段階では、あるスペクトル範囲において高い類似性を持つ5つのバンドが3つのグループに分けられ、現在のバンドは潜在的な知識を研究するためにガイドされる。
微細な段階では、スペクトル角制約による拡張された後方投影法を開発し、空間-スペクトル整合性の内容を学習する。
論文 参考訳（メタデータ） (2022-04-09T04:36:44Z) - Learning Spatial-Spectral Prior for Super-Resolution of Hyperspectral
Imagery [79.69449412334188]
本稿では,最先端の残差学習をベースとした単一グレー/RGB画像の超解像化手法について検討する。
本稿では,空間情報とハイパースペクトルデータのスペクトル間の相関をフル活用するための空間スペクトル先行ネットワーク(SSPN)を提案する。
実験結果から,SSPSR法により高分解能高分解能高分解能画像の詳細が得られた。
論文 参考訳（メタデータ） (2020-05-18T14:25:50Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。