​ 高光谱（Hyperspectral）是一种能够捕捉并分析物体在数百个极其狭窄且连续的光谱波段上反射或辐射信息的成像技术。它将传统成像（获取物体形状、大小）与光谱分析（获取物质成分）合二为一，为每个图像像素都赋予了一条精细的光谱曲线

​ 高光谱数据通常被组织成一个三维的“数据立方体”：

  • X轴、Y轴：代表物体的空间信息，即它长什么样、在哪里。
  • λ轴（波长轴）：代表光谱信息，即在每个像素点上，不同波长的光被反射或吸收的程度。

​ 高光谱技术有什么用？

​ 凭借其强大的物质识别能力，高光谱技术已广泛应用于众多领域：

  • 精准农业：在作物病虫害、营养缺乏或干旱胁迫的早期症状出现之前，通过分析其光谱特征的变化，实现早期预警和精准管理，如灌溉、施肥和施药。
  • 地质与矿产勘探：从空中直接识别地表的矿物成分，绘制矿物分布图，高效地寻找矿产资源。
  • 医学诊断：作为一种无创技术，辅助进行组织分析、早期疾病检测和手术引导。

​ 高光谱超分辨率（Hyperspectral Super-Resolution, 简称 HISR）是遥感图像处理和计算机视觉领域中的一个前沿技术。它的目标是将空间分辨率较低但光谱信息丰富的高光谱图像（HSI），重建为兼具高空间分辨率和完整光谱信息的精细图像。

​ 这源于高光谱成像技术的一个核心困境：受传感器硬件限制，空间分辨率和光谱分辨率往往不可兼得。

  • **高光谱图像 (HSI)**：可以捕捉从可见光到红外光谱范围内几十甚至几百个连续的窄光谱带。这种“光谱指纹”特性使其能区分人眼或普通相机难以分辨的物质，在精准农业、环境监测、矿物勘探、医学诊断等领域价值巨大。
  • 问题：为了保证信噪比，高光谱传感器的空间分辨率通常很低，导致图像细节模糊，很多地物目标看不清。

​ 因此，高光谱超分辨率作为一种图像后处理技术，可以在不修改硬件的情况下，突破成像系统的限制，让模糊的高光谱图像变清晰。

​ 目前，高光谱超分辨率技术主要分为两大类：

  1. 基于融合的方法 (Fusion-based)
    • 原理：将低空间分辨率的高光谱图像（LR HSI）与另一幅同场景的高空间分辨率辅助图像（如全色图、RGB图或多光谱图）进行融合。
    • 优势：可以引入额外的高频空间细节，通常能获得比单图方法更好的效果。
    • 挑战：现实应用中，获取与高光谱图像严格对齐（配准）的辅助图像非常困难，甚至不可能。
  2. 单幅图像超分辨率 (Single Image Super-Resolution, SISR)
    • 原理：仅利用待处理的单张低分辨率高光谱图像自身的信息进行重建，不依赖任何外部辅助图像。
    • 优势：应用场景更广泛，不受限于辅助数据的获取。
    • 挑战：信息完全来源于单张图像，重建高质量细节的难度更大。

​ 高光谱超分辨率主要面临以下难题：

  • “高维小样本”瓶颈：高光谱图像数据量巨大（上百个波段），但公开的高质量、成对的训练数据（即同一场景的高/低分辨率图像对）极度稀缺。
  • 模型的泛化能力：在有限数据上训练的模型，容易在面对不同传感器、不同光照或不同地物场景的测试图像时，性能大幅下降。
  • 真实数据的评估：现实中很难获取完美对齐的参考图像，这给算法在真实场景下的性能评估带来了巨大挑战。