Вышедшие номера
Home » Оптика и спектроскопия » Год 2026, выпуск 5 » Статья стр. 523
<<<>>>
Методы слияния гиперспектральных и мультиспектральных изображений на основе попиксельных спектральных преобразований и цикловой согласованности
Министерство науки и высшего образования Российской Федерации, Отбор на предоставление грантов в форме субсидий из федерального бюджета на проведение крупных научных проектов по приоритетным направлениям научно-технологического развития, 075-15-2024-557
Ходырев Р.Р.1, Баженов С.А.1, Кабанова Т.В. 1, Вражнов Д.А. 1, Кистенев Ю.В. 1
1Национальный исследовательский Томский государственный университет, Томск, Россия
Email: hodarev.ruslan@mail.ru, bazhenov.stepan1@gmail.com, tvk@bk.ru, vda@iao.ru, yuk@iao.ru
Поступила в редакцию: 5 декабря 2025 г.
В окончательной редакции: 12 января 2026 г.
Принята к печати: 27 марта 2026 г.
Выставление онлайн: 8 июня 2026 г.
PDF версия
Представлены два подхода к слиянию гиперспектральных и мультиспектральных изображений. Первый подход основан на модуле WMatrixGenerator, генерирующем попиксельные матрицы спектрального преобразования с квадратичной коррекцией. Второй подход использует архитектуру HSIMSICycleGAN с цикловой согласованностью и физически мотивированными потерями. Экспериментальная оценка показала конкурентоспособность предложенных методов по метрикам PSNR, SSIM, SAM и ERGAS на наборе данных Real HSI/MSI/PAN. Методы работают на парных наблюдениях гиперспектральных и мультиспектральных изображениях одной сцены, но не требуют эталонных данных высокого пространственного разрешения. Ключевые слова: слияние изображений, гиперспектральные изображения, мультиспектральные изображения, глубокое обучение, неотрицательные наименьшие квадраты, CycleGAN, дистанционное зондирование, нейронные сети.
  1. Hyperspectral Data Exploitation: Theory and Applications, ed. by C.I. Chang (John Wiley \& Sons, 2007). DOI: 10.1002/9780470124628.ch3
  2. T. Adao, J. Hruv ska, L. Padua, J. Bessa, E. Peres, R. Morais, J.J. Sousa. Remote Sensing, 9 (11), 1110 (2017). DOI: 10.3390/rs9111110
  3. G. Avola, A. Matese, E. Riggi. Remote Sensing, 15 (7), 1917 (2023). DOI: 10.3390/rs15071917
  4. S. Du, Y. Zou, Z. Wang, X. Li, Y. Li, C. Shang, Q. Shen. arXiv:2412.04802, (2024). DOI: 10.48550/arXiv.2412.04802
  5. J. Yang, L. Xiao, Y.-Q. Zhao, J.C.-W. Chan. IEEE Transactions on Neural Networks and Learning Systems, 35 (9), 13017-13031 (2024). DOI: 10.1109/TNNLS.2023.3266038
  6. J. Liu, Z. Wu, L. Xiao, X.-J. Wu. IEEE Transactions on Geoscience and Remote Sensing, 60, 1-12 (2021). DOI: 10.1109/TGRS.2022.3143156
  7. K. Zheng, L. Gao, W. Liao, D. Hong, B. Zhang, X. Cui. IEEE Transactions on Neural Networks and Learning Systems, 59 (3), 2487-2502 (2021). DOI: 10.1109/TGRS.2020.3006534
  8. J. Yao, D. Hong, J. Chanussot, D. Meng, X. Zhu, Z. Xu. European Conference on Computer Vision (Cham: Springer International Publishing, 2020), p. 208-224. DOI: 10.1007/978-3-030-58526-6_13
  9. Y. Qu, H. Qi, C. Kwan. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, 2511-2520 (2018). DOI: 10.48550/arXiv.1904.12175
  10. S. Li, R. Dian, L. Fang, J.M. Bioucas-Dias. IEEE Transactions on Image Processing, 2018. DOI: 10.1109/TIP.2018.2836307
  11. M. Simoes, J. Bioucas-Dias, L.B. Almeida, J. Chanussot. IEEE Transactions on Geoscience and Remote Sensing, 2015. DOI: 10.1109/TGRS.2014.2375320
  12. W. Dong, F. Fu, G. Shi, X. Cao, J. Wu, G. Li, X. Li. IEEE Transactions on Image Processing, 2016. DOI: 10.1109/TIP.2016.2542360
  13. J. Yang, L. Xiao, Y. Zhao, J.C.-W. Chan. IEEE Transactions on Neural Networks and Learning Systems. 35 (9), 13017-13031 (2023). DOI: 10.1109/TNNLS.2023.3266038
  14. B. Li, X. Wang, H. Xu. arXiv:2409.06705, 2024. DOI: 10.48550/arXiv.2409.06705
  15. H. Wang, Y. Xu, Z. Wu, Z. Wei. IEEE Transactions on Neural Networks and Learning Systems, 2024. DOI: 10.1109/TNNLS.2024.3457781
  16. K. Yang, M. Bai, T. Lu. arXiv preprint arXiv:2407.05279, 2024. DOI: 10.48550/arXiv.2407.05279
  17. L. Wald. Data Fusion: Definitions and Architectures: Fusion of Images of Different Spatial Resolutions (Presses des MINES, 2002)
  18. R.A. Schowengerdt. Remote Sensing: Models and Methods for Image Processing, 3rd ed. (Academic Press, London, 2006)
  19. A. Hore, D. Ziou. 20th International Conference on Pattern Recognition. IEEE, 2366-2369 (2010). DOI: 10.1109/ICPR.2010.579
  20. Z. Wang, A.C. Bovik, H.R. Sheikh, E.P. Simoncelli. IEEE Transactions on Image Processing, 13 (4), 600-612 (2004). DOI: 10.1109/TIP.2003.819861
  21. R.H. Yuhas, A.F.H. Goetz, J.W. Boardman. JPL, Summaries of the Third Annual JPL Airborne Geoscience Workshop, vol. 1: AVIRIS Workshop (1992)
  22. K. Kolikov, G. Krastev, Y. Epitropov, D. Hristozov. Chemometrics and Intelligent Laboratory Systems, 102 (1), 15-19 (2010). DOI: 10.1016/j.chemolab.2010.03.001
  23. G.H. Golub, C.F. Van Loan. Matrix Computations, 4th ed. (Baltimore, MD, 2013). DOI: 10.56021/9781421407944
  24. G. Strang. Introduction to Linear Algebra (Wellesley-Cambridge Press, 2022). DOI: 10.1137/1.9781733146678
  25. K. He, X. Zhang, S. Ren, J. Sun. In: Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), p. 770-778 (2016). DOI: 10.1109/CVPR.2016.90
  26. J.-Y. Zhu, T. Park, P. Isola, A. Efros. Proceedings of the IEEE International Conference on Computer Vision, 2223-2232 (2017). DOI: 10.1109/ICCV.2017.244
  27. Z. Salahuddin, H.C. Woodruff, A. Chatterjee, P. Lambin. Computers in Biology and Medicine, 140, 105111 (2022). DOI: 10.1016/j.compbiomed.2021.105111
  28. M. Yako. Optical Review, 1-13 (2025). DOI: 10.1007/s10043-025-01001-x
  29. M.M. Antony, C.S.S. Sandeep, H.-T. Lim, M.V. Matham. J. Biomedical Photonics \& Engineering, 9 (3), 030304 (2023). DOI: 10.18287/JBPE23.09.030304
  30. I.A. Bratchenko, V.P. Sherendak, O.O. Myakinin, D.N. Artemyev, A.A. Moryatov, E. Borisova, L. Avramov, L.A. Zherdeva, A.E. Orlov, S.V. Kozlov, V.P. Zakharov J. Biomedical Photonics \& Engineering, 4 (1), 5-12 (2018). DOI: 10.18287/JBPE17.04.010301
  31. B.V. Grechkin, V.O. Vinokurov, Y.A. Khristoforova, I.A. Matveeva. J. Biomedical Photonics \& Engineering, 9 (4), 50-55 (2023). DOI: 10.18287/JBPE23.09.040304
  32. I.A. Bratchenko, O.O. Myakinin, V.P. Sherendak, P.N. Volkhin, Y.A. Khristoforova, L.A. Bratchenko, D.N. Artemyev, A.A. Moryatov, O.V. Polschikova, A.S. Machikhin, V.E. Pozhar, S.V. Kozlov, V.P. Zakharov. J. Biomedical Photonics \& Engineering, 4 (4), 040301 (2018). DOI: 10.18287/JBPE18.04.040301
  33. Z. Lai, Y. Fu, J. Zhang. IEEE Transactions on Neural Networks and Learning Systems, 2024. DOI: 10.1109/TNNLS.2023.3340561

Подсчитывается количество просмотров абстрактов ("html" на диаграммах) и полных версий статей ("pdf"). Просмотры с одинаковых IP-адресов засчитываются, если происходят с интервалом не менее 2-х часов.

Дата начала обработки статистических данных - 27 января 2016 г.

Учредители

Издатель

© 2026 Физико-технический институт им. А.Ф. Иоффе Российской академии наук
Powered by webapplicationthemes.com - High quality HTML Theme