- 博客(62)
- 收藏
- 关注
RSS订阅原创 少即是多：通过语义引导的多特征专家混合实现红外与可见光图像融合
本文提出了一种创新的红外与可见光图像融合方法，通过语义引导的多特征专家混合（MoMFE）实现动态自适应融合。该方法核心在于：（1）提取六种不同类型的特征（多层视觉特征、高频/低频成分和梯度特征）；（2）设计专家路由机制动态选择最具信息量的特征；（3）引入语义引导重建模块，将融合任务与下游语义分割任务对齐。实验表明，该方法不仅能有效保留互补信息、抑制冗余特征，还能显著提升后续语义分割性能。相比传统静态融合方法，这种动态自适应策略更适应多样化场景需求，在五个标准数据集上均展现出优越性能。
2026-06-23 10:36:11
466
原创 基于互补特征分解和视觉显著性特征的光学与SAR图像融合
本文提出一种相位引导的跨频率集成网络(PGCFINet)用于ISAR与光学图像融合。针对现有方法依赖手工融合规则、空间域感受野有限等问题，创新性地利用频域全局建模能力，设计了相位引导跨频率集成模块(PGCFIM)，通过深度傅里叶变换建立全图感受野，并显式聚合相位分量引导跨模态互补特征学习。该方法构建了包含16种航天器模型的IODataset作为评估基准。实验表明，PGCFINet在定性和定量指标上均优于现有方法，且在红外与可见光图像融合任务中也展现出良好的泛化能力。
2026-06-12 14:24:40
324
原创 基于互补特征分解和视觉显著性特征的光学与SAR图像融合
—红外与可见光图像呈现不同域，阻碍了融合过程，从而丢失纹理细节。此外，低级融合与后续高级分割之间存在跨任务特征鸿沟，阻碍了二者的相互促进，导致物体边缘模糊。针对上述问题，本文提出了一种同时跨越域和任务的新型红外与可见光图像融合方法。首先，构建了一种交换图像翻译策略，将可见光与红外图像的特征迁移至自适应域。同时，引入全局-局部约束实现整体域空间迁移，缩短其特征距离。其次，设计了一个任务交互与查询模块，探索跨任务特征交互关系，并以此为桥梁实现梯度反向传播。由此，获得了从分割特征到融合特征的细粒度映射。
2026-05-28 16:01:06
483
原创 CDTFusion：跨域跨任务的红外与可见光图像融合
—红外与可见光图像呈现不同域，阻碍了融合过程，从而丢失纹理细节。此外，低级融合与后续高级分割之间存在跨任务特征鸿沟，阻碍了二者的相互促进，导致物体边缘模糊。针对上述问题，本文提出了一种同时跨越域和任务的新型红外与可见光图像融合方法。首先，构建了一种交换图像翻译策略，将可见光与红外图像的特征迁移至自适应域。同时，引入全局-局部约束实现整体域空间迁移，缩短其特征距离。其次，设计了一个任务交互与查询模块，探索跨任务特征交互关系，并以此为桥梁实现梯度反向传播。由此，获得了从分割特征到融合特征的细粒度映射。
2026-05-15 10:52:32
324
1
原创 SPGFusion：基于预训练视觉模型的语义先验引导红外与可见光图像融合
本文提出了一种无需人工标注的语义先导红外与可见光图像融合方法SPGFusion。该方法创新性地利用CLIP和DINO预训练视觉模型，构建全局与局部互补的语义先验，克服了传统方法依赖标注数据的局限。通过设计的语义自适应融合网络（包含CSAF和PSAF模块），实现了上下文感知的自适应融合。实验表明，SPGFusion在视觉质量和语义准确性上优于现有方法，显著降低了对人工标注的依赖。该方法为图像融合领域提供了新的无标签语义引导方案。
2026-05-12 11:10:56
435
原创 HSFusion：基于状态空间模型的红外与可见光图像层次多尺度特征融合网络
本文提出了一种创新的红外与可见光图像融合方法HSFusion，通过层次多尺度特征融合网络结合状态空间模型(SSM)的优势。该方法设计了三个关键模块：1)多尺度特征提取网络整合SSM和卷积网络，有效保留全局和局部特征；2)跨层级全局-局部注意力模型促进不同尺度特征的交互；3)自适应特征融合模块通过门控机制实现模态间动态信息融合。实验表明，HSFusion在保留细节纹理和突出红外目标方面优于现有方法，同时在高级视觉任务中展现出优异的泛化能力。该框架显著提升了融合图像的质量和实用性，为多模态图像处理提供了新思路。
2026-04-22 16:00:16
500
原创 AMSFusion：一种基于注意力机制的自适应多尺度红外与可见光图像融合网络
本文提出了一种基于注意力机制的自适应多尺度红外与可见光图像融合网络AMSFusion。该方法采用U-Net架构的自编码器，设计不同模块处理浅层和深层多尺度特征，在保持计算效率的同时提高特征处理质量。融合网络通过通道-空间注意力模块为异构特征分配权重，并应用移位窗口注意力和卷积混合Transformer进行特征融合。采用两阶段训练策略，分别为自编码器和融合网络配置不同损失函数。实验结果表明，该方法在多个数据集上优于现有算法，并能有效促进高级计算机视觉任务。主要创新包括双分支Transformer-Dense模
2026-04-07 16:45:07
451
原创 通用图像融合方法利用梯度迁移学习与融合规则展开
本文提出了一种结合梯度迁移学习与融合规则展开的通用图像融合框架。针对现有方法在训练阶段无法有效利用跨任务互补信息、在网络设计上依赖经验驱动的问题，作者提出：1) 序列式梯度迁移训练框架，通过教师模型传递互补结构信息，避免任务冲突；2) 基于深度平衡模型的隐式展开网络，从基础融合规则演化而来，显著提升计算效率。实验表明，该方法在多种融合任务(MFIF/MEIF/IVF)中均取得竞争优势，在未见过的医学图像融合任务上也展现出良好泛化能力。创新点包括：跨任务梯度迁移范式、统一融合规则的深度展开设计、以及DEQ模型
2026-01-28 16:46:13
757
原创 DSFuse：一种用于特征保真度的红外与可见光图像融合的双扩散结构
本文提出了一种基于双扩散结构的红外与可见光图像融合方法DSFuse，旨在解决现有方法在处理冲突信息时的不足。该方法通过融合网络RTFusionNet保留源图像特征，并引入扩散模块重建源图像形成正反馈循环，有效提升特征保真度。同时，作者构建了包含多场景、多视角的MSIV数据集以消除模型偏置。实验表明，DSFuse在保留互补信息和处理冲突信息方面优于现有方法。本文的创新点包括：1）提出双扩散结构实现特征保真；2）设计专用损失函数；3）发布多场景数据集促进模型泛化。该研究为复杂场景下的图像融合提供了新思路。
2026-01-20 20:06:00
837
原创 对抗扩散蒸馏
对抗扩散蒸馏：高效单步图像生成的新方法 摘要： 本文提出对抗扩散蒸馏(ADD)方法，将预训练扩散模型的高质量生成能力与GAN的单步推理速度相结合。通过创新性地结合对抗损失和分数蒸馏损失，ADD能够在仅1-4步采样情况下保持高图像保真度。实验表明，单步推理时ADD显著优于现有少步方法(GANs、潜在一致性模型)，四步即可达到SDXL性能。该方法首次实现了基于基础模型的实时单步图像合成，为高效生成模型提供了新思路。 核心创新： 混合训练目标：对抗损失确保单步生成质量，分数蒸馏保留教师模型知识 高效推理：无需分类
2026-01-07 11:09:05
729
原创 AddSR: 利用对抗扩散蒸馏技术加速基于扩散模型的盲超分辨率重建
本文提出了一种基于对抗扩散蒸馏(ADD)的高效盲超分辨率方法AddSR。针对现有基于Stable Diffusion的方法效率低下和感知-失真不平衡问题，作者提出两项创新：1)时间步自适应ADD(TA-ADD)损失，通过动态调整权重平衡感知质量与保真度；2)基于预测的自精炼策略(PSR)，利用预测噪声估计HR图像以增强高频细节。实验表明，AddSR在保持高质量修复的同时，速度比现有方法快7倍，为基于扩散模型的盲超分辨率提供了高效解决方案。
2026-01-05 14:32:22
742
原创 ODTrack：用于视觉跟踪的在线密集时间令牌学习
本文提出了一种新颖的视觉跟踪方法ODTrack，通过在线密集时间令牌学习实现高效视频级跟踪。不同于传统基于稀疏图像对匹配的跟踪方法，ODTrack将目标跟踪重新定义为令牌序列传播任务，利用视频流建模来捕捉目标的时空轨迹关系。该方法通过两种时间令牌传播注意力机制，将目标的判别性特征压缩为令牌序列，作为未来帧推理的提示，从而避免了复杂的在线更新策略。实验表明，ODTrack在七个主流跟踪基准上达到了SOTA性能，同时保持实时运行速度。该工作为视觉跟踪领域提供了一种简单、灵活且高效的视频级解决方案。
2025-12-29 15:15:46
1064
原创 ControlFusion：一种带有语言-视觉退化提示的可控图像融合网络
摘要： 本文提出ControlFusion，一种基于语言-视觉提示的可控图像融合网络，用于解决现实场景中复合退化问题。该方法通过物理驱动模型（结合Retinex理论和大气散射原理）模拟红外-可见光双模态的复合退化，构建DDL-12数据集以缩小合成与真实数据的差距。网络采用提示调制机制，利用文本编码器嵌入用户定义的退化类型/程度，并通过空频视觉适配器自主感知图像退化特征，实现动态特征增强。实验表明，ControlFusion在复合退化条件下优于现有方法，且能灵活响应用户需求。代码已开源。 （149字）
2025-12-23 16:07:44
1237
原创 DCR-SRNet：一种用于盲遥感图像超分辨率的退化对比与小波引导网络
本文提出了一种新颖的盲遥感图像超分辨率网络DCR-SRNet，通过三个关键创新解决传统方法的局限性：1）采用对比退化表示学习策略，将退化先验与场景语义解耦；2）设计小波引导的块级加权损失模块，利用小波分解和判别分数增强边缘和纹理恢复；3）提出自适应调制模块(AMB)，通过特征级和通道级调制实现多样化退化的鲁棒适应。实验表明，该方法在三个基准数据集上显著优于现有技术，尤其在结构和纹理细节保留方面表现突出。
2025-12-11 10:46:47
1143
原创 面向统一多模态图像融合的文本引导通道扰动与预训练知识整合
本文提出了一种统一多模态图像融合框架UP-Fusion，通过文本引导通道扰动和预训练知识整合解决模态差异问题。主要创新包括：1）语义感知通道剪枝模块(SCPM)，结合通道注意力和预训练模型语义感知筛选关键特征；2）几何仿射调制模块(GAM)，利用模态特征对融合特征进行仿射变换；3）文本引导通道扰动模块(TCPM)，在解码阶段重塑通道分布。实验表明，该方法在红外-可见光和医学图像融合任务中均优于现有方法，并展现出优异的下游任务性能。该研究为平衡模型泛化能力和融合质量提供了新思路。
2025-11-27 15:03:09
1159
原创 用于遥感图像超分辨率的高效 Mamba 注意力网络
本文提出了一种高效Mamba注意力网络(EMAN)用于遥感图像超分辨率重建。该方法包含多尺度细节提取单元(MDEU)和多维Mamba注意力(MDMA)模块，能够有效捕捉遥感图像中的精细细节和全局语义信息。MDEU通过多尺度机制和局部方差聚焦结构信息，MDMA采用空间扩展和空洞选择性扫描机制实现高效全局建模。实验表明，该方法在保持轻量化的同时，性能优于现有模型。主要创新点包括：1)提出轻量高效的RSISR网络EMAN；2)设计MDEU提取多尺度细节；3)开发MDMA模块实现空间和通道维度的长距离依赖建模。该方
2025-11-21 16:38:40
1224
原创 融合尺度感知注意力、多模态提示学习与融合适配器的RGBT跟踪
摘要 本文提出了一种创新的RGBT跟踪框架MPANet，通过融合尺度感知注意力、多模态提示学习和交叉融合适配器来解决现有方法的关键挑战。首先设计了尺度感知扩张注意力模块(SADA)，通过将不同扩张率的卷积嵌入自注意力机制来增强跟踪器对目标尺度变化的适应性。其次开发了多模态提示交互学习模块(MPIL)，结合全局令牌自适应注意力和空间注意力实现模态间的提示交互。最后构建了交叉融合适配器(CFA)来提高网络在多模态融合过程中的适应性。在GTOT、RGBT234、LasHeR和VTUAV等基准数据集上的实验表明，该
2025-11-14 16:25:48
1238
原创 用于感知图像超分辨率的自编码监督（易于理解版本）
论文摘要：《自编码监督的感知图像超分辨率》提出了一种创新方法AESOP，通过自编码器提取图像的"保真度偏差"特征（如基本轮廓和颜色），仅对比这些特征而忽略细节差异。这解决了传统超分辨率方法中"保真度与感知质量"的根本矛盾：以往方法要么因严格匹配像素导致结果模糊（PSNR高但感知质量差），要么因鼓励细节生成导致结构错误（感知质量好但PSNR低）。AESOP让AI在保持整体结构正确的前提下自由生成逼真细节，实现了"既清晰又真实"的超分辨率效果，其生成图
2025-11-12 16:08:31
1131
原创 用于感知图像超分辨率的自编码监督
摘要 本文提出了一种新颖的自编码监督最优惩罚损失(AESOP)方法，用于解决感知图像超分辨率任务中传统像素级损失(Lpix)导致的模糊问题。研究发现，Lpix同时惩罚保真度偏差和感知方差两个因素，而后者对感知质量至关重要。通过利用预训练自编码器的潜在空间计算距离，AESOP能够仅针对保真度偏差进行优化，保留感知方差。该方法简单易用，可直接替换现有框架中的Lpix。实验表明，AESOP在不损害感知质量的前提下，显著提升了重建精度。这一创新为感知超分辨率中的保真度优化提供了新思路。
2025-11-12 14:28:41
925
原创 SwinPaste: 一种基于Swin Transformer的RGB引导热成像图像超分辨率框架
摘要: 本文提出SwinPaste，一种基于Swin Transformer的RGB引导热成像超分辨率框架，旨在解决红外图像低分辨率问题。该模型通过数据混合策略增强预训练数据多样性，并采用多尺度监督恢复高频细节。实验在PBVS 2025数据集上进行，SwinPaste在×8和×16超分辨率任务中分别达到30.94 PSNR/0.9201 SSIM和26.33 PSNR/0.8593 SSIM，在挑战赛中排名第二。方法核心包括：（1）三模块Transformer架构实现跨模态特征融合；（2）透明度混合的数据增
2025-11-07 09:55:11
1196
原创 红外与可见光图像融合的跨模态Transformer
本文提出了一种基于跨模态Transformer的红外与可见光图像融合方法(CMTFusion)。该方法采用多尺度特征提取策略，通过跨模态Transformer(CMT)模块在空间域和通道域同时去除冗余信息，保留互补特征。CMT包含空间Transformer和通道Transformer，并设计带门控机制的瓶颈结构实现跨域交互。实验表明，该方法在多个数据集上的性能优于现有算法，并能提升目标检测和深度估计等下游任务表现。主要创新点包括：1)提出跨模态Transformer架构；2)同时处理空间和通道域信息；3)引
2025-11-03 20:59:34
1240
原创 面向光学引导热红外无人机图像超分辨率的引导解耦网络
摘要 本文提出了一种新颖的引导解耦网络（GDNet），用于解决光学引导热红外无人机图像超分辨率（OTUAV-SR）任务中的关键挑战。针对现有单一引导模型在复杂无人机场景（如弱光、雾天）下性能下降的问题，GDNet通过属性特定引导模块（AGM）解耦光学图像特征，形成适应不同环境条件的多分支引导特征。网络包含三个专有分支分别处理光照增强、去噪和雾霾特征，并通过属性感知融合模块（AFM）实现自适应特征融合。此外，作者构建了VGTSR2.0数据集——目前最大的精确配准无人机多模态数据集（3,500对图像），涵盖多样
2025-10-27 16:40:54
1153
原创 IRSRMamba: 基于Mamba的小波变换特征调制模型的红外图像超分辨率
红外图像超分辨率(IRSR)面临独特挑战：1)分块处理会破坏红外图像的空间一致性；2)碎片化上下文导致跨区域特征对齐困难；3)稀疏显著结构使得细节重建复杂化。我们的定量分析显示，基于Mamba重建的平均块间PSNR差异达4.36dB，表明显著的空间不连续性。这些挑战源于红外图像特有的弱边缘对比度、均匀背景和非均匀特征分布，传统分块处理方法难以在保持全局一致性的同时恢复精细纹理。
2025-10-17 15:16:16
1227
原创 HSFMamba: 用于噪声污染SAR图像的光学引导联合超分辨率和去噪的层次选择融合Mamba网络
摘要：本文提出HSFMamba网络，用于光学引导的SAR图像联合超分辨率与去噪。针对SAR图像存在的斑点噪声和低分辨率问题，该网络利用状态空间模型的长程建模能力，通过跨选择扫描机制融合光学图像信息。创新性设计了跨模态特征选择模块(CFSM)和频率-空间自适应聚合模块(FSAM)，实现显著特征的动态选择和跨模态特征融合。同时构建了包含3,200对高分辨率光学-SAR图像的数据集OGSSR。实验表明，HSFMamba在噪声抑制和细节恢复方面优于现有方法。
2025-10-13 14:44:42
787
原创 FreeFusion：基于交叉重构学习的红外与可见光图像融合
摘要—现有的融合方法通过经验性地设计精细的融合损失来保留源图像的特定特征。由于图像融合没有真值，手工设计的损失可能无法使融合图像涵盖所有重要特征，进而影响高层任务的性能。这里存在两个主要挑战：源图像之间的域差异和不同层级任务的语义失配。本文提出了一种基于交叉重建学习的红外与可见光图像融合方法，该方法不使用任何手工设计的融合损失，而是促使网络自适应地融合源图像的互补信息。首先，我们设计了一个交叉重建学习模型，将融合特征解耦以重建另一模态的源图像。因此，融合网络被迫学习两种模态特征的域自适应表示，从而实现它们在
2025-09-26 17:37:52
1124
原创 Dif-CDFusion：一种基于扩散模型的红外与可见光图像融合通用 - 差分网络
本文提出Dif-CDFusion，一种基于扩散模型的红外与可见光图像融合新方法，通过通用-差分交替融合网络解决现有方法在光谱保真度和结构一致性上的不足。该方法利用扩散模型在潜在空间中对多通道光谱分布进行建模，提取保留颜色完整性和纹理细节的特征。设计的通用-差分交替融合模块(CDAF)能有效整合差分模态分量与通用模态分量，同时增强结构细节与热目标显著性。实验表明，Dif-CDFusion在定量和定性评估中均达到最优性能，显著优于现有灰度融合和彩色融合方法。
2025-09-22 16:05:35
1237
原创 多可见光线索引导的热红外无人机图像超分辨率重建
本文提出一种新型多条件引导网络MGNet，利用无人机平台获取的高分辨率可见光图像中的外观、边缘和语义线索，辅助热红外图像超分辨率重建。针对现有数据集的不足，构建了首个无人机可见光-热红外配准图像数据集VGTSR（1025对图像）。MGNet采用多线索引导模块（MGM）提取并融合不同可见光线索，通过渐进式融合模块（PFM）整合互补信息。实验表明，该方法在视觉感知和评价指标上均优于现有主流方法，能有效恢复热红外图像的细节与结构信息。主要贡献包括：提出新的VGTSR任务、设计MGNet网络、构建基准数据集，为无人
2025-09-17 14:04:20
1432
原创 CCAFusion：用于红外与可见光图像融合的跨模态坐标注意力网络
摘要：本文提出一种用于红外与可见光图像融合的跨模态坐标注意力网络CCAFusion，通过设计特征感知融合模块(FAF)和特征增强融合模块(FEF)实现跨模态特征融合，并采用多尺度跳跃连接结构提取多层次特征。网络引入多约束损失函数，利用KL散度保持融合图像与源图像的灰度分布一致性，避免伪影干扰。实验表明，CCAFusion在定性和定量评估上均优于现有方法，且在显著目标检测任务中展现出应用潜力。创新点包括：1)跨模态注意力融合策略；2)多约束损失函数设计；3)高级视觉任务验证。该方法有效解决了传统融合方法中热目
2025-09-15 16:05:39
661
原创 AMSFusion：一种基于注意力机制的自适应多尺度红外与可见光图像融合网络
摘要 本文提出AMSFusion，一种基于注意力机制的自适应多尺度红外与可见光图像融合网络。针对现有方法忽视浅层特征、依赖人工融合策略的问题，该方法采用U-Net架构的自编码器，通过双分支Transformer-Dense模块处理多尺度特征。融合网络部分创新性地结合通道-空间注意力块（CSA）和移位窗口注意力与卷积混合Transformer（SWACmixT），实现自适应特征加权与融合。两阶段训练策略配合专用损失函数，在多个数据集上验证了方法的优越性，实验表明该方法能有效保留显著性特征和纹理细节，并提升目标
2025-09-12 16:48:10
924
原创 模态转换与超分辨率的结合：高分辨率热红外无人机图像生成的协同框架
摘要 本文提出一种协同增强网络(CENet)框架，通过联合执行热红外图像超分辨率(SR)和可见光图像模态转换(MC)来生成高分辨率无人机热红外图像。针对现有方法在跨模态特征提取和精细细节重建方面的不足，设计了双向交互的相互引导模块(MGM)和特征对齐融合模块(BAFM)。MGM利用Transformer注意力机制实现两个任务间的特征相互增强，BAFM解决模态差异导致的位置偏差问题。实验表明，该方法在PSNR和SSIM指标上优于现有超分辨率方法，能有效恢复复杂场景中的小目标细节。创新性地将SR与MC任务统一于
2025-08-12 14:38:44
1286
原创 一种基于潜在表征的轻量级无人机热成像超分辨率网络
本文提出了一种轻量级热图像超分辨率网络LTSR，用于解决无人机热图像分辨率不足的问题。该方法通过多尺度知识蒸馏(MSKD)网络提取判别性特征，并利用潜在表征建模特征间的连续关系。LTSR包含特征提取编码器和重建解码器两部分，通过M次迭代逐步重建高分辨率热图像。实验表明，该方法在减少参数量的同时，超分辨率精度优于现有技术。关键创新包括：1)构建MSKD网络从多感受野提取压缩特征；2)设计潜在表征学习框架实现连续尺度重建；3)无需额外先验知识即可生成任意分辨率图像。该轻量级模型特别适合资源受限的无人机平台部署。
2025-08-06 15:39:11
1213
原创 DC-Mamba：一种用于热红外无人机图像盲超分辨率的退化感知跨模态框架
摘要 本文提出DC-Mamba框架解决无人机热成像超分辨率问题。该方法创新性地融合退化感知与跨模态特征，通过三个关键技术提升重建质量：1）设计自监督退化感知模块，提取并利用图像退化信息指导重建；2）引入视觉优化的状态空间模型（VFSSM），有效捕捉长距离空间依赖关系；3）构建三级跨模态融合框架，从交互、细化和增强三个层面整合可见光图像特征。实验证明，该方法在多个评估指标上优于现有SOTA方法，能有效恢复热图像的细节信息，尤其适用于无人机高空拍摄场景中的运动模糊和大气湍流等复杂退化情况。 关键词：热图像超分辨
2025-08-04 16:37:25
1395
原创 渐进式配准-融合协同优化A-Mamba网络：面向深度未配准高光谱与多光谱图像融合
本文提出了一种渐进式配准-融合协同优化A-Mamba网络(PRFCoAM)，用于解决深度未配准高光谱与多光谱图像融合问题。该方法通过迭代优化的模态对齐渐进配准-融合(MAPRF)模块，实现了从粗到细的层次自适应变形校正和融合结果优化。MAPRF模块包含模态统一局部感知配准(MULAR)块和交互注意Mamba融合(IAMF)块，前者通过自适应学习退化函数实现图像模态统一和局部偏移修复，后者利用多方向扫描和注意力机制有效捕获全局特征。实验表明，PRFCoAM能灵活处理不同程度的非刚性变形，在保持计算效率的同时实
2025-07-21 17:07:33
1079
原创 DRT-Net: Dual-Branch Rectangular Transformer with Contrastive Learning
本文提出DRT-Net，一种基于双分支矩形Transformer和对比学习的高光谱超分辨率方法。针对现有技术存在的三大局限性：1) CNN难以实现跨模态交互，传统Transformer无法建模长距离方向依赖；2) 多尺度融合缺乏自适应特征选择；3) 光谱保留不足的问题，DRT-Net通过三个创新模块实现突破：双分支矩形Transformer(DTR)利用交叉注意力增强空间-光谱特征交互；尺度自适应特征聚合(SAFA)动态选择多尺度特征；对比增强光谱恢复(CESR)机制通过对比学习确保光谱保真度。实验表明，该
2025-07-09 12:17:37
1332
原创 An Asymptotic Multiscale Symmetric Fusion Network for Hyperspectral and Multispectral Image Fusion
摘要： 针对高光谱图像(HSI)空间分辨率不足的问题，本文提出一种渐进多尺度对称融合网络(AMSF-Net)，用于高光谱与多光谱图像(MSI)融合。该网络包含多级特征融合(MFF)模块和渐进跨尺度空间感知(PCP)模块，通过分层交互补偿HSI的空间细节和MSI的光谱信息。MFF模块实现多尺度空间-光谱模态交互，PCP模块利用双向条形卷积和跨尺度连接细化边缘特征。在CAVE等四个数据集上的实验表明，AMSF-Net在RMSE、ERGAS和SAM指标上分别比次优方法提升9.1%、12.5%和5.1%，有效解决了
2025-07-07 15:43:22
1212
原创 RAMSF: A Novel Generic Framework for Optical Remote Sensing Multimodal Spatial–Spectral Fusion
摘要： 本文提出了一种通用光学遥感多模态空谱融合框架RAMSF，旨在解决现有方法在空间细节表征粗糙和空谱特征对齐不精确方面的局限性。RAMSF将融合过程分解为细节重建（LHSDR）和特征对齐（CSFPA）两个阶段：LHSDR通过低频驱动高频的方式分层重建显著空间细节；CSFPA在连续域中建立坐标模态关系以精确对齐空谱特征。实验表明，该方法在三种融合任务（MSIP、HSIP、MHIF）的十个数据集上均表现出优异的性能和泛化能力，参数设置统一且效率较高，显著优于现有最先进方法。
2025-07-02 17:00:20
1053
原创 CESFusion: Cross-Frequency Enhanced Spatial–Spectral Fusion Network
CESFusion：基于跨频率增强的空谱融合网络的高光谱与多光谱图像融合新方法 本文提出了一种创新的高光谱(HSI)与多光谱(MSI)图像融合方法CESFusion，通过融合频域与空谱特征提升性能。该方法包含三个关键模块：(1)跨频率融合模块(CFFM)利用傅里叶变换进行频域全局分析，增强全局感知能力；(2)基于状态空间模型的光谱建模模块(SpeMM)以线性复杂度捕获长距离光谱依赖性；(3)跨域交互模块(CDIM)促进空谱与频域特征的互补交互。与传统方法不同，CESFusion首次强调了频域信息在HSI-M
2025-06-25 16:38:41
1332
1
原创 MDAS: a new multimodal benchmark dataset for remote sensing
本文介绍了MDAS多模态遥感数据集，包含德国奥格斯堡市的合成孔径雷达(SAR)、多光谱、高光谱影像、数字表面模型(DSM)及地理信息系统(GIS)数据，所有数据均于2018年5月7日同步采集。该数据集为解决遥感领域三大典型任务提供了基准：1)分辨率增强，挑战算法处理不同传感器间的空间-光谱响应差异；2)光谱解混，要求算法解决高光谱影像中的混合像元问题；3)土地覆盖分类，验证多源数据融合的有效性。相比现有数据集，MDAS的独特价值在于：a)同步采集五类互补数据；b)包含真实传感器模拟数据而非简单降采样；c)提
2025-06-25 15:55:02
1371
原创 A spatial-frequency dual-domain implicit guidance method for hyperspectral and multispectral
本文提出了一种基于柯尔莫哥洛夫-阿诺德网络(KAN)的空频双域隐式引导采样网络(SFIGNet)，用于高光谱与多光谱图像融合。该方法通过KAN驱动的编码器将输入图像映射到深层潜在空间，分别在空间域和频域进行隐式引导采样，最终融合生成高分辨率高光谱图像。实验结果表明，在多个数据集上，SFIGNet在4×、8×和16×缩放因子下的融合精度优于主流方法，平均PSNR分别提升1.14dB、1.01dB和0.75dB。同时，该网络参数仅为对比方法的32%，实现了高精度和轻量化的平衡。
2025-06-24 17:17:19
1099
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人