基于空间-光谱级联差分网络的病理学高光谱图像融合方法

摘要

高分辨率高光谱病理学图像包含细粒度的二维空间信息和光谱维信息，对于精确诊断具有重要意义。现有方法存在空间光谱信息提取不充分和边缘信息利用不足的问题，为此，提出一种基于空间-光谱级联差分网络的病理学高光谱图像融合方法，通过级联空间-光谱模块重建高分辨率高光谱病理学图像，其中，每个空间-光谱模块都采用差分的方法分别设计了空间边缘损失和光谱边缘损失来分阶段约束和优化模型，从而实现病理学高光谱图像和多光谱图像的有机融合。该模型在病理图像数据集上进行实验，融合图像的4项评价指标RMSE, PSNR, ERGAS, SAM分别达到4.593 7, 32.328 0, 4.668 3和3.635 4，研究表明，基于空间-光谱级联差分网络的融合方法能够对细节较为丰富的病理学图像实现精细融合，为多光谱图像融合提供了参考依据。

关键词

卷积神经网络 / 级联差分 / 空间边缘损失 / 光谱边缘损失 / 病理学图像融合