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.
Лаборатория лазерного молекулярного имиджинга и машинного обучения
Laboratory of Laser Molecular Imaging and Machine Learning