{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{“日期-部件”：[[2024,9,14]]，“日期-时间”：“2024-09-14T05:50:05Z”，“时间戳”：1726293005216}，“引用-计数”：45，“发布者”：“MDPI AG”，“问题”：“1”，“许可证”：[{“开始”：{'日期-部件“：[[2017,1,9]]，“时间”：”2017-01-09T00:00:00Z“，“时间戳”：1483920000000}，“content-version”：“vor”，“delay-in-days”：0，“URL”：“https:\/\/creativecommons.org\/licenses\/by\/4.0\/”}]，“资助者”：[{“DOI”：“10.13039\/501100012166”，“名称”：“国家重点研发计划”，“DOI-asserted-by”：“publisher”，“奖项”：[“2016YFB0502502”]，“id”：[}“id”:“10.13029\/501100100012166“，”id-type“DO”I“，”断言者“：”publisher“}]}，{”name“：“国家自然科学基金重点项目”，“奖项”：[“61231016”]}]，“内容域”：{“域”：[]，“交叉标记-限制”：false}，“短容器-时间”：[”遥感“]，“摘要”：“受技术和预算限制，高光谱图像通常以低空间分辨率获得。为了提高给定高光谱图像的空间分辨率，提出了一种基于像素组的非局部稀疏表示的空间与光谱图像融合方法，该方法利用了高光谱图像中的光谱稀疏性和光谱非局部自相似性。该方法将高光谱图像与同一场景的高空间分辨率多光谱图像进行融合，以获得具有高空间和光谱分辨率的高光谱图像。输入的高光谱图像用于训练光谱字典，而所需HSI的稀疏码则通过联合编码从高空间分辨率多光谱图像中提取的每个像素组中的相似像素来估计。为了提高基于像素组的非局部稀疏表示的准确性，通过同时利用光谱和空间信息来选择像素组中的相似像素。在两个遥感图像数据集上测试了该方法的性能。实验结果表明，该方法优于多种基于稀疏表示的融合技术，能够在较大放大倍数下保留光谱信息的同时恢复空间细节<\/jats:p>“，”DOI“：”10.3390\/rs9010053“，”type“：”journal-article“，”created“：{”date-parts“：[[2017,1,9]]，”date-time“：”2017-01-09T16:03:23Z“，”timestamp“：1483977803000}，”page“：“53”，“source”：“Crossref”，“is-referenced-by-count”：20，“title”：[“基于像素组的非局部稀疏表示的高光谱图像空间增强的图像融合”]，“前缀“：”10.3390“，”卷“：”9“，”作者“：[{”给定“：”静“，”家庭“：”杨“，”序列“：”第一“，”隶属“：[}”名称“：”西北工业大学计算机科学学院，西安710129，中国“}，{”名称”：“阿伯里斯特威斯大学数学、物理和计算机科学研究所计算机科学系，SY23 3DB Aberystwyth，UK“}]}，{“given”：“Ying”，“family”：“Li”，“sequence”：“additional”，“affiliation”：[{“name”：“School of Computer Science，Northwestern Polytechnology University，Xi\u2019an 710129，China”}]}，}“giving”：“Jonathana”，“家庭”：“Chan“，”sequence“：”additional“，”affiliation“：[{”name“：”比利时布鲁塞尔1050号布鲁塞尔Vrije Universiteit Brussel电子信息学系“}]}，{”given“：”Qiang“，”family“：”Shen“阿伯里斯特维思大学数学、物理和计算机科学研究所计算机科学系，SY23 3DB Aberystwyth，UK“}]}]，“成员”：“1968”，“在线发布”：{“日期-部分”：[[2017,1,9]]}，“引用”：[{“key”：“ref_1”，“doi-asserted-by”：“crossref”、“首页”：“6”，“doi”：“10.1109\/MGRS.2013.2244672”，“article-title”：“高光谱遥感。数据分析和未来挑战”，“卷”：“1”，“作者”：“广场”，“年份”：“2013年”，“期刊标题”：“IEEE Geosci”。Remote Sens.Mag.”}，｛“key”：“ref_2”，“doi asserted by”：“crossref”，“首页”：“1728”，“doi”：“10.1109\/TGRS.2014.2346811”，“文章标题”：“高光谱图像的超分辨率：最佳小波滤波器系数的使用和稀疏性正则化”，“卷”：“53”，“作者”：“Patel”，“年份”：“2015”，“期刊标题”：“IEEE Trans.Geosci.Remote Sens.”｝，｛key“：”ref_3“，”doi-asserted-by“：”crossref“，“unstructured”：“Feng，R.，Zhong，Y.，Wu，Y.、He，D.，Xu，X.和Zhang，L.（2016）。高光谱遥感图像非局部全变差亚像素制图。Remote Sens.，8.”，“DOI”：“10.3390\/rs8030250”}，｛“key”：“ref_4”，“DOI断言者”：“crossref”，“首页”：“528”，“DOI”：“10.1109\/TGRS.2011.2161320”，“文章标题”：“用于高光谱和多光谱数据融合的耦合非负矩阵分解分解”，“卷”：“50”，“作者”：“横谷”，“年份”：“2012”，“期刊标题”：“IEEE传输。地质科学。遥感“}，{”key“：”ref_5“，”doi-asserted-by“：”crossref“，”first page“：“27”，”doi“：”10.1109\/MGRS.2015.2440094“，”article-title“：”超光谱泛光谱化：综述“，”volume“:”3“，”author“：”Loncan“，”year“：”2015“，”journal-title”：“IEEE Geosci.Remote Sens.Mag.”title“：”使用高分辨率数据集对多光谱图像进行空间增强的广义分量替换技术”，“体积”：“58”，“作者”：“Shettigara”，“年份”：“1992年”，“期刊标题”：“照片”。Eng.Remote Sens.“}，{”key“：”ref_7“，”doi-asserted-by“：”crossref“，”first page“：“1672”，”doi“：”10.1109\/TGRS.2006.869923“，”article-title“：”带折衷参数的图像融合新强度色调饱和度融合方法“，”volume“：doi-asserted-by“：”crossref“，”first page“：”3674“，”doi“：”10.1109\/TGRS.2006.881758“，”article-title“：”基于小波的多分辨率多传感器图像融合的分解层数估计“，”volume“：“44”，”author“：”Pradhan“，”year“：”2006“，”journal-title”：“IEEE Trans。地质科学。遥感“}，{”key“：”ref_9“，”doi-asserted-by“：”crossref“，”first page“：“272”，”doi“：”10.1016\/S0034-4257（99）00074-7“，“article-title”：“光谱混合模型在图像融合中的两种应用评估”，“volume”：“71”，“author”：“Robinson”，“year”：“2000”，“journal-title“：”Remote Sens.Environ.“}”，{“key”：”ref_10“，“doi-assert-by”：“”交叉参考“，”第一页“：”453“，”DOI“：”10.1109\/LGRS.2008.919685“，”文章标题“：”基于非混合的陆地卫星TM和MERIS FR数据融合“，”卷“：”5“，”作者“：”聪明“，”年份“：”2008“，”期刊标题“：“IEEE Geosci。遥感快报。“}，{”key“：”ref_11“，”doi-asserted-by“：”crossref“，”unstructured“：”Lanaras，C.，Baltsavias，E.，and Schindler，K.（2015年1月7日\u201313）。耦合光谱解混的超光谱超分辨。智利圣地亚哥IEEE国际计算机视觉会议论文集。“，”doi“：”10.1109\/ICCV.2015.409“}”，{“key”：“ref_12”，“doi-asserted-by“：”crossref“，”first page“：”2377“，”doi“：”10.1109\/JSTARS.2016.2528339“，”article-title“：”使用光谱分解和稀疏编码融合高光谱和多光谱图像“，”volume“：“9”，”author“：”Nezhad“，”year“：”2016“，”journal-title”：“IEEE J.Sel。顶部。申请。地球观测卫星遥感器“}，{“key”：“ref_13”，“doi-asserted-by”：“crossref”，“unstructured”：“Bieniarz，J.，M\u00fcller，R.，Zhu，X.X.，and Reinartz，P.（2014,13\u201318）基于联合稀疏谱分解的高光谱图像分辨率增强。IEEE地球科学和遥感研讨会论文集，加拿大魁北克省魁北克市。“，”DOI“：”10.1109\/IGARSS.2014.6947017“}，{”key“：”ref_14“，”DOI-asserted-by“：”crossref“，”unstructured“：”Akhtar，N.，Shafait，F.，and Mian，A.（2014,1,6\u201312）。高光谱图像超分辨率的稀疏空间光谱表示。《欧洲计算机视觉会议论文集》，瑞士苏黎世。“，”10.1109\/CVPR.2015.7298986“}，{“key”：“ref_15”，“doi-asserted-by”：“crossref”，“unstructured”：“Wycoff，E.，Chan，T.H.，Jia，K.，Ma，W.K.，and Ma，Y.（2013年1月26日\u201331）一种用于高分辨率高光谱成像的非负稀疏提升算法。IEEE声学、语音和信号处理国际会议论文集，加拿大不列颠哥伦比亚省温哥华。“，”DOI“：”10.1109\/ICASSP.2013.6637883“}，{”key“：”ref_16“，”DOI-asserted-by“：”crossref“，”first page“：“2014”，“DOI”：“10.1109\/TGRS.2010.2098413”，“article-title”：“高光谱数据稀疏分解”，“volume”：“49”，“author”：“Iordache”，“year”：“2011”，“journal-title“：”IEEE Trans.Geosci.Remote Sens.“}”，{“key”“：”ref_17“，”DOI-asserted-by“：”crossref“，”首页“：”4779“，”DOI“：”10.1109\/TGRS.2012.2230332“，”文章标题“：”通过学习词典的稀疏表示进行遥感图像融合“，”卷“：”51“，”作者“：”李“，”年份“：”2013“，”期刊标题“：“IEEE Trans。地质科学。遥感“}，{“key”：“ref_18”，“doi-asserted-by”：“crossref”，“首页”：“1284”，“doi”：“10.1109\/JSTARS.2014.2310781”，“article-title”：“遥感图像融合的在线耦合词典学习方法”，“volume”：”7“，“author”：“Guo”，“year”：“2014”，“journal-title“：”IEEE J.Sel.Top.Appl.Earth Obs.Remote Sens.“}”，{”key“：”ref_19“，”doi-asserted-by“：”crossref“，”first page“：”2337“，”doi“：”10.1109\/TIP.2016.2542360“，”article-title“：”通过非负结构稀疏表示超光谱图像超分辨率“，”volume“：“25”，”author“：”Dong“，”year“2016”，”journal-title”：“IEEE Trans。图像处理。“｝，｛”key“：”ref_20“，”doi asserted by“：”crossref“，”首页“：”3658“，”doi“：”10.1109\/TGRS.2014.2381272“，”文章标题“：”基于稀疏表示的高光谱和多光谱图像融合“，”卷“：”53“，”作者“：”Wei“，”年份“：”2015“，”期刊标题“：”IEEE Trans.Geosci.Remote Sens“｝，｛”key“：”ref_21“，”doi asserted by“：”crossref“，”首页“：”1195“，”DOI“：”10.1109\/TGRS.2014.2335818“，”文章标题“：”通过基于学习的超分辨率与SPOT5图像融合，提高Landsat TM\/ETM+的空间分辨率“，”卷“：”53“，”作者“：”宋“，”年“：”2015“，”期刊标题“：“IEEE Trans。地质科学。遥感器“}，{“key”：“ref_22”，“doi-asserted-by”：“crossref”，“unstructured”：“川崎，R.，松下，Y.，Wright，J.，Ben-Ezra，M.，Tai，Y.W.，Ikeuchi，K.（2011年1月20日\u201325）通过矩阵分解实现高分辨率高光谱成像。IEEE计算机视觉和模式识别会议论文集，科罗拉多州斯普林斯，美国作者：“Huang”，“year”：“2014”，“journal-title”：“IEEE Trans。地质科学。遥感。“}，{”key“：”ref_24“，”doi-asserted-by“：”crossref“，”unstructured“：”Akhtar，N.，Shafait，F.，and Mian，A.（2015年1月7日\u201312）。高光谱图像超分辨率的贝叶斯稀疏表示。美国马萨诸塞州波士顿IEEE计算机视觉和模式识别会议论文集。“doi”：“10.1109\/CVPR.2015.7298986”}，}“key“：”ref_25“，”doi-asserted-by“：”crossref“，”first-page“：”1031“，”doi“：”10.1109\/JPROC.2010.2044470“，”article-title“：”计算机视觉和模式识别的稀疏表示”，“volume”：“98”，“author”：“Wright”，“year”：“2010”，“journal-title”：“Proc。IEEE“}，{”key“：”ref_26“，”unstructured“：”Pati，Y.C.，Rezaiifar，R.，and Krishnaprasad，P.（1993，January 1\u20133）。正交匹配追踪：递归函数近似与小波分解应用。第27届Asilomar信号、系统和计算机会议论文集，美国加利福尼亚州太平洋格罗夫“}”，{“key”：“ref_27”，“doi-asserted-by“：”crossref“，”first page“：”1094“，”doi“：”10.1109\/TIT.2011.2173241“，”article-title“：”用分段正交匹配追踪法求解欠定线性方程组的稀疏解“，”volume“：“58”，”author“：”Donoho“，“year”：“2012”，”journal-title”：“IEEE Trans。信息论“}，{”key“：”ref_28“，”doi-asserted-by“：”crossref“，”first page“：“129”，”doi“：”10.1137\/S003614450037906X“，”article-title“：”通过基追踪进行原子分解“，”volume“：，“doi”：“10.1111\/j.1467-9868.2011.00771.x”，“article-title“：“通过套索回归收缩和选择：回顾”，“卷”：“73”，“作者”：“Tibshirani”，“年份”：“2011年”，“期刊标题”：“J.R.Stat.Soc.Ser。B统计方法。“}，{”key“：”ref_30“，”doi-asserted-by“：”crossref“，”first-page“：”1413“，”doi“：”10.1002\/cpa.20042“，”article-title“：”稀疏约束线性反问题的迭代阈值算法“，”volume“：“交叉引用”，“非结构化“：”\u015e\u0131m\u015fek，M.和Polat，E.（2015年1月29日\u201331）。字典学习算法对超分辨率高光谱重建的影响。波斯尼亚和黑塞哥维那萨拉热窝第二十五届信息、通信和自动化技术国际会议记录。“，”DOI“：”10.1109\/ICAT.205.7340509“｝，｛”key“：”ref_32“，”DOI断言者“：”crossref“，”首页“：”4311“，”DOI“：”10.1109\/TTS.2006.881199“，”文章标题“：”K-svd:一种为稀疏表示设计过完备字典的算法“，”volume“：”54“，”author“：”Aharon“，”year“：”2006“，”期刊标题“：”IEEE Trans.Signal Proc.“｝，｛”key“：”ref_33“，”doi-asserted-by“：”crossref“，”unstructured“：”Mairal，J.、Bach，F.、Ponce，J.和Sapiro，G.（2009年1月14日\u201318）。稀疏编码的在线词典学习。第26届国际机器学习年会论文集，加拿大魁北克省蒙特利尔。“，”DOI“：”10.1145\/1553374.1553463“}，{”key“：”ref_34“，”unstructured“：”Buades，A.，Coll，B.，and Morel，J.M.（2005年1月20日\u201325）。图像去噪的非局部算法。美国加州圣地亚哥IEEE计算机学会计算机视觉和模式识别会议论文集。“}”，{“key”：“ref_35”，“DOI-asserted-by”：“crossref”，“首页“：”1814“，”DOI“：”10.1364\/AO.55.001814“，“article-title”：“通过非局部稀疏k-svd字典学习进行图像融合”，“volume”：“55”，“author”：“Li”，“year”：“2016”，“journal-title“：”Appl。选择。“}，{”key“：”ref_36“，”doi-asserted-by“：”crossref“，”first page“：“2671”，”doi“：”10.1109 \/JSTARS.2013.2292824“，”article-title“：”超光谱图像超分辨率空间\u2013光谱联合非局部相似性“，”volume“：“”doi-asserted-by“：”crossref“，”first page“：”2041“，”doi“：”10.3390\/s150102041“，“article-title”：“高光谱图像超分辨率压缩感知启发的字典学习和空间光谱正则化”，“volume”：“15”，“author”：“Huang”，“year”：“2015”，“journal-title“：”Sensors“}，{“key”：”ref_38“，”doi-assert-by“，”第一页“：”572“，”DOI“：”10.1016\/j.sigpro.2005.05.030“，”article-title“：”同步稀疏近似算法。第一部分：贪婪追求”，“卷”：“86”，“作者”：“特罗普”，“年份”：“2006”，“新闻标题”：“信号处理”。“}，{”key“：”ref_39“，”unstructured“：”Yuhas，R.H.，Goetz，A.F.，and Boardman，J.W.（1992）。喷气推进实验室，第三届喷气推进实验室航空地球科学研讨会综述，美国国家航空航天局。“}”，{“key”：“ref_40”，“unstructure”：“AVIRIS数据，在线获取：http://\/AVIRIS.JPL.NASA.gov\/Data\/index.html.”}，“key“:”ref_41“，“unsructured”：“”高光谱遥感图像场景（帕维亚中心和大学）。在线获取：http://www.ehu.eus\/ccwintco\/index.php？title=Hyperspectral_Remote_Sensing_Scenes。“}，{”key“：”ref_42“，”unstructured“：”Jolliffe，I.（2002），《主成分分析》，John Wiley&Sons。“}年份”：“2007年”，“期刊标题”：“IEEE Trans。地质科学。遥感“}，{”key“：”ref_44“，”doi-asserted-by“：”crossref“，”first page“：“127”，”doi“：”10.1016\/0034-4257（93）90012-M“，”article-title“：”机载可见光/红外成像光谱仪（AVIRIS）“，”volume“：“crossref”，“first page”：“455”，“DOI“：”10.1109\/TGRS.2004.837324“，”article-title“：”使用具有任意响应函数的高分辨率多光谱图像增强高光谱分辨率“，”volume“：”43“，”author“：”Eismann“，”year“：”2005“，”journal-title”：“IEEE Trans。地质科学。遥感器“}]，”container-title“：[”Remote Sensing“]，”original-title”：[]，”language“：”en“，”link“：[{”URL“：”https:\\/www.mdpi.com\/2072-4292\/9\/53\/pdf“，”content-type“：”unspecified“，”content-version“：”vor“，”intended-application“：”similarity-checking“}”，”deposed“：{”date-parts“：[2024,6,6]]，”date-time“：“2024-06-06T19:20:39Z”，“timestamp“：1717701639000}，”score“：1，”resource“：{主要”：{“URL”：“https:\/\/www.mdpi.com//2072-4292\/9\/1\/53”}}，“副标题”：[]，“短标题”：[]，“已发布”：}“日期-部分”：[[2017,1,9]}，‘参考计数’：45，‘日志-发布’：{‘发布’：“1”，‘在线发布’：}‘日期-部分’：[2017,1]]}}，“alternative-id”：[“rs9010053”]，“URL”：“http:\/\/dx.doi.org/10.3390\/rs9010053“，“关系”：｛｝，“ISSN”：[“2072-4292”]，“ISSN类型”：[｛“值”：“2072-4292”，“类型”：“电子”｝]，“主题”：[]，“已发布”：｛“日期部分”：[[2017,1,9]]｝｝