控制与决策

作者：吕贤兰,赵泉华,李玉

单位：辽宁工程技术大学 测绘与地理科学学院，辽宁 阜新 123000,,辽宁工程技术大学 测绘与地理科学学院，辽宁 阜新 123000,,辽宁工程技术大学 测绘与地理科学学院，辽宁 阜新 123000,

关键词：特征融合;全卷积网络;双二阶注意力;浅层细节特征;高光谱图像;超分辨率重建

基金：辽宁省教育厅基本科研基金重点攻关项目(LJKZZ20220048)；辽宁省自然科学基金项目(2024-BS-254).

针对优化融合图像的空间细节和光谱细节问题, 提出一种双二阶注意力空谱细节补偿的全卷积网络(FCN), 分别从高光谱图像和多光谱图像中提取光谱特征和空间特征, 并将双模态特征融合, 同时注重在细节补偿的约束下将融合后的特征重构为所需高空间分辨率高光谱图像. 所提出的双二阶注意力残差模块侧重提取图像的空间细节信息和通道细节信息, 通过通道梯度表征通道关系的二阶统计量提取通道结构特征, 利用物理可解释的图像结构张量表征空间关系的二阶统计量捕捉图像的高频细节, 并对损失函数增加拉普拉斯损失与光谱角映射损失来进一步提高融合图像与参考图像的纹理与光谱相似性. 通过在两组模拟数据集上的融合实验与多种方法进行对比分析, 并从分类角度间接验证融合图像的质量. 结果表明: 融合图像在各指标上的性能最佳, 融合图像的分类精度能够间接反映所提出网络具有良好的融合效果. 在两组真实数据集上的实验进一步验证了所提出方法具有良好的泛化能力.

来源：2025年第8期

《控制与决策》期刊编辑部

查看控制与决策杂志2025年第8期