一种高光谱重建的多域感知自注意力算法研究

摘要

高光谱图像重建算法旨在解决编码孔径快照光谱成像(CASSI)的逆问题，当前的解决方案中，深度展开网络通过交替求解数据子问题和先验子问题能高效地获取场景光谱信息.在数据子问题中，考虑到3D数据中像素质量的下降程度与位置的相关性及感知矩阵与退化矩阵的差异，该网络联合残差学习和自适应梯度下降算法学习退化矩阵和梯度下降的参数来提升数据精准度；在先验子问题中，引入傅里叶变换从频域中捕获更多的高频突变信息，再结合光谱自注意力组成多域聚合自注意力模块，以自适应挖掘和聚合更全面的空间光谱信息.在仿真和真实数据集上的实验结果表明，相较于主流的方法，该算法在保持较小计算复杂度的情况下大幅度地提高了重建质量，PSNR指标高出0.89 dB.

关键词

高光谱图像重建 / 深度学习 / 自注意力模块 / 多域聚合 / 深度展开

基金资助

国家自然科学基金项目(61873240)资助; 浙江大学CAD&CG国家重点实验室开放课题项目(A2210)资助; 浙江省重点研究发展计划项目(2023C03189,2023C01168)资助