基于非因子化稀疏表示和字典学习的高光谱图像超分辨率

非负矩阵分解是超光谱图像超分辨率的最典型模型。 但是,对系数的非负限制限制了字典表达的效率。 面对这一问题,提出了一种基于非因式稀疏表示和字典学习的高光谱图像超分辨率方法(称为NFSRDL)。 首先,在相同或相似区域中使用一些低空间分辨率的高光谱图像,专门采用一种有效的光谱字典学习方法来构建光谱字典。 然后,使用非负约束的乘法器交替方向方法(ADMM)估计高分辨率多带图像相对于学习的频谱字典的稀疏代码。 在不同数据集上的实验结果表明,与相关的最新技术相比,我们的方法可以在同一场景中改善PSNR超过1.3282和SAM超过0.0476,在相似场景中改善PSNR超过3.1207和SAM超过0.4344。