低秩扩散模型

免训练数据

无需成对训练数据的无监督高光谱泛锐化模型，借助低秩分解与预训练扩散先验，具备更强泛化能力。

Rui, Xiangyu · 曹相湧 · Li, Pang · Zeyu, Zhu · Yue, Zongsheng · Meng, Deyu

Information Fusion 2024

技术优势

无需训练数据

通过预训练扩散模型捕捉图像结构，结合低秩分解的系数矩阵估计，直接在测试时恢复高分辨率高光谱图像，不需要成对训练样本。

泛化能力更强

结合贝叶斯方法的泛化优势，避免了对特定训练数据的过拟合，在未见场景下表现更稳定。

光谱信息保存好

通过从观测的低分辨率高光谱图像中预估计系数矩阵，直接保留光谱信息，融合结果的光谱保真度更高。

应用场景

• 遥感图像融合：直接用于多源遥感数据融合，提高图像空间分辨率。
• 高光谱图像处理：在不改变光谱特征的前提下提升高光谱图像清晰度。
• 生成模型：利用生成先验解决病态反问题，实现无监督重建。
• 扩散模型：用预训练扩散模型作为图像先验，增强细节恢复能力。