总第345期1引言高光谱图像拥有丰富的光谱信息，有效地提高了探测、识别等任务的能力［1］。近年来，高光谱图像已广泛应用于工业、农业、环境以及军事领域［2~5］。然而，由于高光谱图像成像设备有限，成像环境复杂，使得高光谱图像空间分辨率很低，这严重限制了高光谱图像的发展［6］。因此，为了得到高分辨率高光谱图像（HR-HSI），一般将同一目标的低分辨率高光谱图像（LR-HSI）和高分辨率多光谱图像（HR-MSI）进行融合。当前的高光谱融合方法通常分为三种：基于全锐化的方法、基于分解的方法以及基于深度学习的方法。基于全锐化的方法通常是将同一目标的多光谱图像和全色图像加以融合获得的高分辨率多光谱图像［7］。近年来，人们将全锐化技术推广到高∗收稿日期：2022年9月3日，修回日期：2022年10月10日基金项目：国家自然科学基金青年基金项目（编号：62201520）资助。作者简介：刘娴雅，女，硕士研究生，研究方向：高光谱图像处理。刘宾，男，博士，教授，研究方向：光电检测及图像处理、光场成像、嵌入式及动态测试。基于多尺度残差融合网络的高光谱图像融合算法∗刘娴雅刘宾（中北大学信息与通信工程学院太原030051）摘要针对高光谱图像空间分辨率低的问题，提出了一种基于多尺度残差融合网络的高光谱图像融合算法。该算法采用多尺度特征提取机制和多级尺度融合机制，将同一目标的低分辨率高光谱图像（LR-HSI）与高分辨率多光谱图像（HR-MSI）融合，得到高分辨率高光谱图像（HR-HSI）。实验证明，论文所提出的方法在CAVE和Harvard这两个数据集上峰值信噪比分别达到了39.8504和42.9646，光谱角映射分别达到了0.0685和0.1585，比其他几种方法均有一定的提升。该算法避免了传统融合方法人为制定融合规则的缺点，在极大程度上降低光谱失真的同时提升高光谱图像的空间分辨率，具有很好的应用前景。关键词高光谱图像；卷积神经网络；图像融合；多尺度残差中图分类号TP391.4DOI：10.3969/j.issn.1672-9730.2023.03.011HyperspectralImageFusionAlgorithmBasedonMulti-scaleResidualFusionNetworkLIUXianyaLIUBin（SchoolofInformationandCommunicationEngineering，NorthUniversityofChina，Taiyuan030051）AbstractAimingattheproblemoflowspatialresolutionofhyperspectralimages，ahyperspectralimagefusionalgorithmbasedonmulti-scaleresidualfusionnetworkisproposed.Thealgorithmusesmulti-scalefeatureextractionmechanismandmulti-scale...
