GRSM2026
用于高光谱图像超分辨率的扩散模型：从噪声预测到直接图像预测
针对现有基于扩散模型的高光谱图像超分辨率重建方法主要采用噪声预测策略，存在重建目标与高分辨率图像恢复任务不直接一致、难以充分保持高光谱数据的空间—光谱结构及波段间相关性等问题，提出一种基于直接图像预测的高光谱图像超分辨率重建方法。该方法突破传统扩散模型依赖噪声预测的间接重建范式，将高分辨率高光谱图像作为网络直接预测目标，在高光谱图像数据分布上开展扩散建模，使生成过程更加契合高光谱数据的物理特性与空间—光谱结构。在此基础上，构建由光谱保持嵌入模块、空间—光谱Transformer编码模块及显式光谱重建模块组成的超分辨率重建框架，通过光谱特征保持、空间与光谱信息联合建模以及显式光谱恢复，增强模型对精细空间纹理、光谱连续性及波段间关联特征的表征能力，降低重建过程中的光谱失真。该研究将生成式扩散建模与高光谱数据自身特性相结合，推动高光谱超分辨率重建从间接噪声预测向直接图像恢复转变，为高保真高光谱图像重建及空间—光谱信息协同恢复提供了新的技术思路。